文献

J-GLOBAL ID：202202257932263570   整理番号：22A0907304

データマイニング技術を用いたディジタルゲームベース学習におけるチャーン予測:ロジスティック回帰,決定木およびランダムフォレスト【JST・京大機械翻訳】

Churn prediction in digital game-based learning using data mining techniques: Logistic regression, decision tree, and random forest

著者 (4件)： Kiguchi Mai (School of Computing, Asia Pacific University of Technology & Innovation (APU), 57000 Bukit Jalil, Kuala Lumpur, Malaysia) ,  Saeed Waddah (School of Computing, Asia Pacific University of Technology & Innovation (APU), 57000 Bukit Jalil, Kuala Lumpur, Malaysia) ,  Saeed Waddah (Center for Artificial Intelligence Research (CAIR), Department of ICT, University of Agder, Jon Lilletunsvei 9, 4879 Grimstad, Norway) ,  Medi Imran (School of Computing, Asia Pacific University of Technology & Innovation (APU), 57000 Bukit Jalil, Kuala Lumpur, Malaysia)
資料名： Applied Soft Computing  (Applied Soft Computing)
巻： 118  ページ： Null  発行年： 2022年 
JST資料番号： W2175A  ISSN： 1568-4946  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 教育技術(EdTech)は教育と技術進歩を統合する産業である。ディジタルゲームベースの学習(DGBL)は,EdTechの狭いダウンカテゴリの1つである。EdTech市場における共通の問題の一つは,より高いチャーン率である。しかし,DGBL市場がまだ初期段階にあるので,マーケティング展望に関連した研究はほとんどない。そのうえ,教育またはオンラインゲーム産業におけるアプローチは,DGBLに部分的に適用できるだけである。より高いチャーン速度に対処する一般的なアプローチは,チャーン予測である。DGBLサービスを提供する日本の企業からのデータセットを用いて,本研究は,DGBLのためのチャーンとチャーン予測を定義するためのアプローチを提案する。本研究は3つの目的を持つ。第1に,DGBLにおけるチャーンの決定と,ユーザ不活性時間の平均と2標準偏差の加算の比較による。第2に,日本のサービスのチャーン率を明らかにし,新しく作成したチャーン定義を用いて56.77%として明らかになった。第3に,ロジスティック回帰(LR),ディシジョンツリー,およびランダム森林モデルを比較することによって,チャーン予測モデルを開発する。特徴選択,データセット分割比比較,およびハイパーパラメータ調整を行い,より良い予測を達成した。結果に基づいて,LRは0.9225の最高AUCと0.9194のF1スコアを記録した。これらの結果は,オンラインゲームと教育産業における過去のチャーン予測研究と比較して,より高い側にある。結果として,結果は,DGBLにおけるチャーン決定と予測に対する提案した方法の有効性を示した。Copyright 2022 Elsevier B.V., Amsterdam. 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 ,  *学習 ,  標準偏差 ,  マーケティング ,  教育工学 ,  特徴選択 ,  *ディシジョンツリー ,  予測モデル ,  前向きコホート研究
準シソーラス用語： *チャーニング ,  *コンピュータゲーム ,  *ロジスティック回帰分析 ,  *ランダムフォレスト ,  ハイパーパラメータ ,  データマイニング技術 , 【Automatic Indexing@JST】

著者キーワード (5件)： チャーンの決定 ,  チャーン予測 ,  機械学習 ,  ディジタルゲームベース学習 ,  教育技術

分類 (3件)： 人工知能  (JE08000Z) ,  市場調査,広告  (KA06030H) ,  その他のオペレーションズリサーチの手法  (KA03070E)

タイトルに関連する用語 (8件)： データマイニング技術 ,  ディジタル ,  ゲームベース学習 ,  チャーン ,  予測 ,  ロジスティック回帰 ,  決定木 ,  ランダムフォレスト