文献

J-GLOBAL ID：202202276651016625   整理番号：22A1169544

ランダムフォレストとシミュレーテッドアニーリングに基づく数学コースにおける学生性能予測【JST・京大機械翻訳】

Student Performance Prediction in Mathematics Course Based on the Random Forest and Simulated Annealing

著者 (3件)： Huang Shaohai (Mathematics and Computer Department, Fuzhou Preschool Education College, Fuzhou 344000, China) ,  Wei Junjie (Henan Polytechnic University, Jiaozuo 454003, Henan, China) ,  Wei Junjie (School of Intelligent Engineering, Shandong Management University, Jinan 250357, China)
資料名： Scientific Programming  (Scientific Programming)
巻： 2022  ページ： Null  発行年： 2022年 
JST資料番号： W0689A  ISSN： 1058-9244  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 教育的データマイニングは,近年,教育と教育プロセスにおける様々な困難な問題を解決するために,様々な分野によって行われた交差研究の助けを借りて,近年ますます普及している研究分野になっている。本論文では,学生性能予測のためのハイブリッドアプローチを提案した。3つのカテゴリー(個人の基本的情報,個々の教育情報,および個人行動情報)から学生の15の特性を含むデータセットを収集した。ランダムフォレスト(RF)およびシミュレーテッドアニーリング(SA)アルゴリズムに基づいて,著者らは,アルゴリズム最適化のための目標変数として,関連パラメータ(特徴数,ツリーサイズ,およびツリー決定重み)をコード化して,最適化目的関数としてバッグ外誤差を使用して,次に,本論文でIRFC(改良ランダムフォレスト分類装置)アルゴリズムを提案した。他の主流改良ランダムフォレストアルゴリズムと比較して,研究結果は,本論文で提案したアルゴリズムがより高い一般化能力とより小さいOOB誤差を有することを示した。本研究は,学生の成果の予測に対する方法論的参照を提供し,また,学生管理作業に限界的貢献をしている。Copyright 2022 Shaohai Huang and Junjie Wei. 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 ,  最適化 ,  情報 ,  分類装置 ,  *学生 ,  *計算機アルゴリズム ,  目的関数 ,  *シミュレーテッドアニーリング ,  データマイニング
準シソーラス用語： 業務管理 ,  性能予測 ,  *ランダムフォレスト ,  教育情報 , 【Automatic Indexing@JST】

分類 (2件)： 技術教育  (JA01050T) ,  CAI  (JE09000G)

引用文献 (30件)：

• X. Du, J. Yang, J. L. Hung, B. Shelton, "Educational data mining: a systematic review of research and emerging trends," Information Discovery and Delivery, vol. 48, no. 4, pp. 225-236, 2020.
• R. S. Baker, P. S. Inventado, Educational Data Mining and Learning Analytics, Wiley, New Jersey, USA, 2014.
• A. A. Anjewierden, B. Kollöffel, C. Hulshof, "Towards educational data mining," Using data mining methods for automated chat analysis and support inquiry learning processes, 2007, https://core.ac.uk/display/20962888.
• K. Havstad, "A study on feature selection techniques in educational data mining," Intergovernmental Relations Series, 2009, https://arxiv.org/abs/0912.3924.
• M. N. Injadat, A. Moubayed, A. B. Nassif, A. Shami, "Multi-split optimized bagging ensemble model selection for multi-class educational data mining," Applied Intelligence, vol. 50, no. 12, pp. 4506-4528, 2020.

タイトルに関連する用語 (5件)： ランダムフォレスト ,  シミュレーテッドアニーリング ,  数学 ,  学生 ,  性能予測