文献

J-GLOBAL ID：202202249462162097   整理番号：22A0979006

機械学習技術を用いた大学における学生の入院の精度の改善【JST・京大機械翻訳】

Improve the Accuracy of Students Admission at Universities Using Machine Learning Techniques

著者 (3件)： Assiri Basem (Jazan University,Department of Computer Science,Jazan,Kingdom of Saudi Arabia) ,  Bashraheel Mohammed (Jazan University,Department of Information Technology,Jazan,Kingdom of Saudi Arabia) ,  Alsuri Ala (Jazan University,Department of Information Technology,Jazan,Kingdom of Saudi Arabia)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： CDMA  ページ： 127-132  発行年： 2022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： 技術の進歩は,多くの生命分野の開発に寄与する。主要な分野の一つは,より高い教育の分野である。実際に,サウジ大学は学生に自由教育を提供し,学生は大学に適用する。それに応じて,大学は,通常,入院政策を維持する。大学入院方針と処置は,高校(GPAH),一般姿勢試験(GAT)とAchievement Test(AT)における学生グレードポイント平均に焦点を合わせる。実際,学生を適切な主要なものにすることは,学生の業績と成功を改善する。本論文では,サウジアラビアにおける大学に対する入院基準を研究した。本論文では,学生のGPAH,GATおよびATの背後にある隠れ詳細を検討した。それらの詳細は大学における学生の主要な選択のプロセスに影響する。実際,本研究は,学生のための適切な主要事項を予測するために,高い学校コースの等級のようなより多くの特徴を含む機械学習モデルを使用する。学生を適切な主要なものに分類するために,K-最近傍(KNN),決定木(DT)およびサポートベクトルマシン(SVM)を使用した。この工程は,適切な主要物における適用者の登録を強化する。さらに,実験により,KNNは100%に達するので最高の精度速度を与え,一方,DTの精度率は81%であり,SVMの精度は75%であった。Copyright 2022 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 ,  サウジアラビア王国 ,  ディシジョンツリー ,  *機械学習 ,  サポートベクトルマシン
準シソーラス用語： *機械学習技術 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 機械学習技術 ,  大学 ,  学生 ,  入院