文献

J-GLOBAL ID：202002221424740020   整理番号：20A0959730

クラスタリング技術を用いたeラーニングシステムにおける低性能学生の属性【JST・京大機械翻訳】

Attributes of Low Performing Students in E-Learning System Using Clustering Technique

著者 (2件)： Ekubo Ebiemi Allen (North-West University, South Africa) ,  Esiefarienrhe Michael Bukohwo (North-West University, South Africa)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： CSCI  ページ： 1324-1328  発行年： 2019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： 教育データマイニングはデータマイニングにおける適切で速い成長領域である。さらに,最近のe-Learningの成長は,オンラインでのデータセットへの自由アクセスで利用可能な大量のデータを生み出した。研究者たちは,これらの利用可能なデータを連続的に評価し,教育部門における改善を示した重要な知識を生み出した。教育データマイニングにおけるいくつかの研究は,学習方法または学生性能の改善に焦点を合わせている。研究の多くは学生のスコアまたはグレードの予測に向けている。しかし,本論文では,利用可能なデータセットにおける低性能学生の類似属性を見ることにより,知識をマイニングする異なる方法を提供した。このアプローチは,低グレードの学生をグループ化し,学生のこのカテゴリーの主な属性を発見することである。得られた知識により,利害関係者は,彼らの現在と将来の学生におけるこれらの属性を探すことができる。本研究では,知識マイニングのためのKalbard 360と呼ばれるe-Learningシステムからのデータを収集し,WEKAツールに埋め込まれたMakeDensityBasedCluster技術を用いて,低性能学生を2人にグループ化した。マイニングプロセスから得られた知識は,それらの学習プロセスにおいてあまり関与していない両親を持つ学校において規則的な欠如を示す低レベルの学生が,彼らの研究においてほとんど実行されない可能性があることを示している。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 教育 ,  *クラスタ化 ,  データマイニング ,  *eラーニング
準シソーラス用語： 利害関係者 ,  学習過程 ,  オンライン ,  学習方法 ,  eラーニングシステム ,  教育データマイニング , 【Automatic Indexing@JST】

分類 (3件)： 医用画像処理  (JE04020T) ,  NMR一般  (BM07041R) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： クラスタリング ,  eラーニングシステム ,  学生 ,  属性