文献

J-GLOBAL ID：202102226078148786   整理番号：21A0088577

データマイニングに基づくオンライン学習者のアカデミック性能の予測モデリング【JST・京大機械翻訳】

Predictive Modeling of Academic Performance of Online Learners Based on Data Mining

著者 (1件)： Cheng Zhi (Hainan Tropical Ocean University, Sanya, China)
資料名： Advances in Intelligent Systems and Computing  (Advances in Intelligent Systems and Computing)
巻： 1303  ページ： 187-194  発行年： 2020年 
JST資料番号： W5075A  ISSN： 2194-5357  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： 本論文はオンライン学習者の学術的性能に関する方法論的研究を行う。本論文は,データマイニングアルゴリズム(例えば,決定木に基づくランダムフォレスト,サポートベクトルマシン,ニューラルネットワーク,K最近傍アルゴリズムなど)に通常用いられる分類モデルを適用して,データマイニングツールSソフトウェアと統計解析ツールと結合して,2019のクラスにおけるオンライン学習者のFinanceと経済ツールスコアの大学を分析した。大学生のオンライン学習者の学業成績に影響する重要な因子を研究し,学生の学業成績を予測するためにこれらの因子を使用した。数学における距離計算方法に基づいて,本論文は,カリキュラム関連におけるユークリッド距離相関解析アルゴリズムおよび相関係数相関アルゴリズムの適用を別々に研究し,いくつかの相関アルゴリズムを比較した。実験的研究結果は,大きいデータの時代において,学習者がオンライン学習の間,大量の構造化と非構造化データを蓄積することを示した。データマイニング技術を通してオンライン学習者の学術的パフォーマンスの影響因子を探査することができて,著者らはまた,機械学習を用いて,データから学術的性能予測モデルに自動的に学習することができた。Copyright The Editor(s) (if applicable) and The Author(s), under exclusive license to Springer Nature Singapore Pte Ltd. 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  ニューラルネットワーク ,  ディシジョンツリー ,  カリキュラム ,  ソフトウェア ,  大学生 ,  機械学習 ,  予測モデル ,  *データマイニング ,  サポートベクトルマシン
準シソーラス用語： *オンライン学習 ,  *学習者 ,  Euclid距離 ,  ランダムフォレスト ,  非構造化データ , 【Automatic Indexing@JST】

著者キーワード (4件)： データマイニング ,  予測モデリング ,  オンライン学習 ,  大学の業績

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： データマイニング ,  オンライン学習 ,  予測 ,  モデリング