Informační systém Masarykovy univerzity 

A Comparative Analysis of Techniques for Predicting Student Performance

česky | in English

BYDŽOVSKÁ, Hana. A Comparative Analysis of Techniques for Predicting Student Performance. In Tiffany Barnes, Min Chi, Mingyu Feng. Proceedings of the 9th International Conference on Educational Data Mining. Raleigh, NC, USA: International Educational Data Mining Society, 2016. s. 306-311, 6 s.
Další formáty:   BibTeX LaTeX RIS
Základní údaje
Originální název A Comparative Analysis of Techniques for Predicting Student Performance
Autoři BYDŽOVSKÁ, Hana.
Vydání Raleigh, NC, USA, Proceedings of the 9th International Conference on Educational Data Mining, od s. 306-311, 6 s. 2016.
Nakladatel International Educational Data Mining Society
Další údaje
Originální jazyk angličtina
Typ výsledku Stať ve sborníku
Obor Computer sciences, information science, bioinformatics
Stát vydavatele Spojené státy americké
Utajení není předmětem státního či obchodního tajemství
Forma vydání elektronická verze "online"
Organizační jednotka Fakulta informatiky
Klíčová slova anglicky student performance prediction; student similarity; classification; regression; collaborative filtering
Štítky best1
Příznaky Mezinárodní význam, Recenzováno
Změnil Změnila: RNDr. Hana Bydžovská, Ph.D., učo 139544. Změněno: 10. 11. 2016 15:29.
Anotace
The problem of student final grade prediction in a particular course has recently been addressed using data mining techniques. In this paper, we present two different approaches solving this task. Both approaches are validated on 138 courses which were offered to students of the Faculty of Informatics of Masaryk University between the years of 2010 and 2013. The first approach is based on classification and regression algorithms that search for patterns in study-related data and also data about students' social behavior. We prove that students’ social behavior characteristics improve prediction for a quarter of courses. The second approach is based on collaborative filtering techniques. We predict the final grades based on previous achievements of similar students. The results show that both approaches reached similar average results and can be beneficially utilized for student final grade prediction. The first approach reaches significantly better results for courses with a small number of students. In contrary, the second approach achieves significantly better results for mathematical courses. We also identified groups of courses for which we are not able to predict the grades reliably. Finally, we are able to correctly identify half of all failures (that constitute less than a quarter of all grades) and predict the final grades only with the error of one degree in the grade scale.
Návaznosti
MUNI/A/0945/2015, interní kód MUNázev: Rozsáhlé výpočetní systémy: modely, aplikace a verifikace V.
Investor: Masarykova univerzita, Grantová agentura MU, Kategorie A - Specifický výzkum - Studentské výzkumné projekty
VytisknoutZobrazeno: 20. 4. 2018 04:52

Relevantní odkazy 


Nahoru | Aktuální datum a čas: 20. 4. 2018 04:52, 16. (sudý) týden

Kontakty: istech(zavináč/atsign)fi(tečka/dot)muni(tečka/dot)cz, studijní odd., správci práv, is-technici, e-technici, IT podpora | Použití cookies | Více o Informačním systému