文献

J-GLOBAL ID：202002272485075821   整理番号：20A0745626

大学学生のパフォーマンス検出のための4つの分類アルゴリズムの比較分析【JST・京大機械翻訳】

A Comparative Analysis of Four Classification Algorithms for University Students Performance Detection

著者 (10件)： Das Dipta (Department of Software Engineering, Daffodil International University, Dhaka, Bangladesh) ,  Shakir Asif Khan (Department of Software Engineering, Daffodil International University, Dhaka, Bangladesh) ,  Rabbani Md. Shah Golam (Department of Software Engineering, Daffodil International University, Dhaka, Bangladesh) ,  Rahman Mostafijur (Department of Software Engineering, Daffodil International University, Dhaka, Bangladesh) ,  Shaharum Syamimi Mardiah (Faculty of Electrical and Electronics Engineering, University Malaysia Pahang, Gambang, Malaysia) ,  Khatun Sabira (Faculty of Electrical and Electronics Engineering, University Malaysia Pahang, Gambang, Malaysia) ,  Fadilah Norasyikin Binti (Faculty of Electrical and Electronics Engineering, University Malaysia Pahang, Gambang, Malaysia) ,  Qaiduzzaman Khandker M. (Department of Software Engineering, Daffodil International University, Dhaka, Bangladesh) ,  Islam Md. Shariful (Institute of Information Technology, University of Dhaka, Dhaka, Bangladesh) ,  Arman Md. Shohel (Department of Software Engineering, Daffodil International University, Dhaka, Bangladesh)
資料名： Lecture Notes in Electrical Engineering  (Lecture Notes in Electrical Engineering)
巻： 632  ページ： 415-424  発行年： 2020年 
JST資料番号： W5070A  ISSN： 1876-1100  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 学生の業績は,国の経済成長と社会的発展の原因となる最良の品質の大学院を生産する上で重要な役割を果たしている。労働市場は,学生の学生がその学術的性能に依存していると考えられているので,学生の業績にも関係している。したがって,学生の性能変化の背後にある理由の同定は,教育と政策を計画するための価値ある情報を提供する。多くの研究者は,異なる国における異なるタイプのデータマイニングアプローチによる理由を見出すことを試みている。しかし,それらのどれもバングラデシュ学生では働かなかった。本論文は,変動バングラデシュ学生の学術的性能のキー因子を同定するためのモデルを提案して,それらの結果を予測した。本論文は,特別な注意を必要とする学生を同定することができるモデルを提案した。異なるタイプの特徴選択法を用いて,決定木を通して価値のある特徴と特徴選択結果を選択するために,共関係,カイ二乗,およびユークリッド距離などを用いた。そして,ニューラルネットワーク分類器アルゴリズムを比較した。学生sGPaを用いて性能分析を行い,大学からの与えられた施設についてレビューした。性能解析結果から,データセットにおけるクラス数の減少,人工ニューラルネットワーク(ANN)(93.70%)は,決定木(DT)(92.18%),K最近傍(KNN)(77.74%),およびNaive Bayes(NB)(68.33%)より優れていることがわかった。しかし,データセットにおけるクラス数の増加により,DTはANN,KNN,NBよりも優れている。Copyright Springer Nature Singapore Pte Ltd. 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 特徴選択 ,  ニューラルネットワーク ,  *アルゴリズム ,  ディシジョンツリー ,  品質 ,  性能分析 ,  労働市場 ,  経済成長 ,  データマイニング ,  バングラデシュ人民共和国
準シソーラス用語： Euclid距離 ,  比較分析 ,  *分類アルゴリズム , 【Automatic Indexing@JST】

著者キーワード (5件)： 教育データマイニング(EDM) ,  学術業績(AP) ,  特徴選択(FS) ,  累積グレードポイント平均(CGPA) ,  セメスターグレードポイント平均(SGPa)

分類 (3件)： 技術教育  (KA01050U) ,  環境問題  (SA01020V) ,  科学技術教育  (AA04000C)

タイトルに関連する用語 (5件)： 大学 ,  学生 ,  パフォーマンス ,  分類アルゴリズム ,  比較分析