文献

J-GLOBAL ID：202102257859353024   整理番号：21A2040015

データマイニングと学習分析技術を用いた学生性能の予測:系統的文献レビュー【JST・京大機械翻訳】

Predicting Student Performance Using Data Mining and Learning Analytics Techniques: A Systematic Literature Review

著者 (2件)： Namoun Abdallah ,  Alshanqiti Abdullah
資料名： Applied Sciences (Web)  (Applied Sciences (Web))
巻： 11  号： 1  ページ： 237  発行年： 2020年 
JST資料番号： U7135A  ISSN： 2076-3417  資料種別： 逐次刊行物 (A)
記事区分： 文献レビュー  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 学生の学業成績の予測は教育においてかなりの注目を集めている。しかし,学習成果は学習と教育を改善すると考えられているが,学生転帰の達成の予後は未調査のままである。2010年11月から2020年11月まで行われた研究作業の10年間を,学生のパフォーマンスの予測に用いる知的技術の基本的な理解を提示するために調査し,そこでは,学生の学習結果を用いて,学術的成功を厳密に測定した。検索された電子書誌データベースは,ACM,IEEE Xplore,Google Scholar,Science Direct,Scopus,Springer,およびWeb of Scienceを含む。結局,著者らは,3つの展望,すなわち,学習結果を予測する形式,(2)学生の学習を予測するために開発された予測解析モデル,および(3)学生の転帰に影響を与える支配的な因子,について,合計62の関連論文を合成し,分析した。系統的な文献レビュー,例えばPICOとPRISMAの最良の実行を,主な結果を合成し,報告するために適用した。学習結果の達成は,主にパフォーマンスクラス立位(すなわち,ランク)と達成スコア(すなわち,グレード)として測定した。回帰と教師つき機械学習モデルを,学生のパフォーマンスを分類するために頻繁に採用した。最後に,学生のオンライン学習活動,用語評価等級,および学生の学術的感情は,学習結果の最も顕著な予測因子であった。著者らは,いくつかの主要な研究課題を強調して調査を結論し,この分野における将来の研究を動機づける重要な勧告の要約を示唆した。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *学習 ,  *文献展望 ,  予後 ,  Web【情報システム】 ,  機械学習 ,  *データマイニング
準シソーラス用語： オンライン学習 ,  予測因子 ,  学業成績 ,  教師付き機械学習 , 【Automatic Indexing@JST】

著者キーワード (8件)： 性能予測 ,  学生の学習結果 ,  系統的文献レビュー ,  大学の業績 ,  学生の成功 ,  学習解析 ,  機械学習 ,  教育データマイニング

分類 (2件)： 医学教育  (GA01040F) ,  CAI  (JE09000G)

引用文献 (112件)：

• Daniel, B. Big data and analytics in higher education: Opportunities and challenges. Br. J. Educ. Technol. 2015, 46, 904-920.
• Zohair, L.M.A. Prediction of student’s performance by modelling small dataset size. Int. J. Educ. Technol. High. Educ. 2019, 16, 27.
• Hellas, A.; Ihantola, P.; Petersen, A.; Ajanovski, V.V.; Gutica, M.; Hynninen, T.; Knutas, A.; Leinonen, J.; Messom, C.; Liao, S.N. Predicting academic performance: A systematic literature review. In Proceedings of the Companion of the 23rd Annual ACM Conference on Innovation and Technology in Computer Science Education, Larnaca, Cyprus, 2-4 July 2018; pp. 175-199.
• Baradwaj, B.K.; Pal, S. Mining educational data to analyze students’ performance. Int. J. Adv. Comput. Sci. Appl. 2012, 2, 63-69.
• Zhang, L.; Li, K.F. Education analytics: Challenges and approaches. In Proceedings of the 2018 32nd International Conference on Advanced Information Networking and Applications Workshops (WAINA), Krakow, Poland, 16-18 May 2018; IEEE: Piscataway, NJ, USA, 2018; pp. 193-198.

タイトルに関連する用語 (6件)： データマイニング ,  学習 ,  分析技術 ,  学生 ,  予測 ,  系統的文献レビュー