文献

J-GLOBAL ID：202202248663720274   整理番号：22A1043814

学生パフォーマンスを予測するために最良作業を行うデータマイニングアルゴリズムの開発および比較【JST・京大機械翻訳】

Developing and Comparing Data Mining Algorithms That Work Best for Predicting Student Performance

著者 (2件)： Ahmed Abdelhafez Hoda (College of Computer & Information Sciences, Princess Nourah bint Abdulrahman University, Riydah, Saudi Arabia & Faculty of Computers and Informatics, Suez Canal University, Ismailia, Egypt) ,  Elmannai Hela (College of Computer and Information Sciences, Princess Nourah bint Abdulrahman University, Riyadh, Saudi Arabia & Laboratoire de Teledetection et Remote Sensing LTSIRS, INSAT, Tunisia)
資料名： International Journal of Information and Communication Technology Education  (International Journal of Information and Communication Technology Education)
巻： 18  号： 1  ページ： 1-14  発行年： 2022年 
JST資料番号： W3849A  ISSN： 1550-1876  資料種別： 逐次刊行物 (A)
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： 学習データ分析は,有用なパターンを抽出し,より良い決定を行うための教育データを用いて,より高い教育における学習分野を改善する。潜在的リスクの学生の同定は,学生のパフォーマンスと学習結果の達成を改善するのに,指導者と学術指導を助けるかもしれない。本研究の目的は,標準ベースの等級づけを用いて,特定のコースにおける学生の失敗を早期に予測することである。サポートベクターマシン,多層パーセプトロン,Naive Bayes,およびディシジョンツリーに基づく学生故障を予測するために,いくつかの機械学習技術を実行した。各技術の結果は,第3週およびコースドロップアウト週前に正確に学生の失敗を予測する機械学習アルゴリズムの能力を示した。本研究は,すべてのコースにおける学生パフォーマンスに対する強い知識を提供する。また,教職員は,学生が彼らの性能を改善し,失敗を避けるために必要なサポートを提供することにより,学生がリスクを危険にさらす能力を提供する。Copyright 2022 IGI Global All rights reserved. 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 ,  教育 ,  学習 ,  故障 ,  *学生 ,  ディシジョンツリー ,  等級づけ ,  多層パーセプトロン ,  機械学習 ,  学習アルゴリズム ,  *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： 学習データ ,  Naive Bayes ,  機械学習技術 , 【Automatic Indexing@JST】

著者キーワード (7件)： 決定木 ,  解析学の学習 ,  機械学習 ,  多層パーセプトロン ,  ナイーブBayes ,  予測解析 ,  SVM

分類 (2件)： CAI  (JE09000G) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 学生 ,  パフォーマンス ,  予測 ,  開発