文献

J-GLOBAL ID：201802282509406232   整理番号：18A0199165

学生の学業成績を予測するための分類技術の適用【Powered by NICT】

Applying classification techniques to predict students’ academic results

著者 (2件)： Senthil S. (School of Computer Science and Applications, Reva University, Bengaluru, India) ,  Lin Wong Mu (School of Computer Science and Applications, Reva University, Bengaluru, India)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICCTAC  ページ： 1-6  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 学生の学問的結果を予測する能力は,データマイニング技術を用いて開発された種々のモデルの適用によるものであった。教育データマイニング(EDM)で利用可能な多くの応用の一つである。は,利用可能な多くの分類アルゴリズムは,いくつかのアルゴリズムを比較するために行わ多く研究されているが,本研究ではUCI機械学習リポジトリからのオンラインダウンロードデータセットを用いたBayesベース,ANN,回帰に基づく,SVM,事例ベース,ツリーベースとルールベース分類アルゴリズムを比較することである。データは,データマイニング技術を適用する前に前処理と分類の異なるデータセットした。次元削減とデータ均衡を適用し,予測精度を向上させることが分かった。アルゴリズムは,精度,適合率,AUCとモデル構築時間の観点から比較した。ツリーベースアルゴリズムは,アルゴリズムの他のカテゴリーより優れていた。ツリーベースアルゴリズムの中で,RandomForestアルゴリズムが最良の分類アルゴリズムであることが分かった。ツリーベースとルールベースアルゴリズムは,学生の結果の正確な予測に寄与する重要な属性を明らかにした。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 釣合 ,  前処理 ,  リポジトリ ,  モデリング ,  機械学習 ,  *アルゴリズム ,  ルールベース
準シソーラス用語： 適合率 ,  予測精度 ,  事例ベース ,  分類アルゴリズム ,  データマイニング技術 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 学生 ,  学業成績 ,  予測 ,  分類