EN

Improving the Classification of Study-related Data through Social Network Analysis

BAYER, Jaroslav, Hana BYDŽOVSKÁ, Jan GÉRYK, Tomáš OBŠÍVAČ a Lubomír POPELÍNSKÝ. Improving the Classification of Study-related Data through Social Network Analysis. In Z. Kotásek, J. Bouda, I. Černá, L. Sekanina, T. Vojnar, D. Antoš. Memics 2011 - Seventh Doctoral Workshop on Mathematical and Engeneering Methods in Computer Science. first. Brno: Brno University of Technology, 2011. s. 3-10, 8 s. ISBN 978-80-214-4305-1.
Další formáty:   BibTeX LaTeX RIS
Základní údaje
Originální název Improving the Classification of Study-related Data through Social Network Analysis
Autoři BAYER, Jaroslav (203 Česká republika, domácí), Hana BYDŽOVSKÁ (203 Česká republika, domácí), Jan GÉRYK (203 Česká republika, domácí), Tomáš OBŠÍVAČ (203 Česká republika, domácí) a Lubomír POPELÍNSKÝ (203 Česká republika, garant, domácí).
Vydání first. Brno, Memics 2011 - Seventh Doctoral Workshop on Mathematical and Engeneering Methods in Computer Science, od s. 3-10, 8 s. 2011.
Nakladatel Brno University of Technology
Další údaje
Originální jazyk angličtina
Typ výsledku Stať ve sborníku
Obor Computer sciences, information science, bioinformatics
Stát vydavatele Česká republika
Utajení není předmětem státního či obchodního tajemství
Forma vydání tištěná verze "print"
Kód RIV RIV/00216224:14330/11:00053570
Organizační jednotka Fakulta informatiky
ISBN 978-80-214-4305-1
Klíčová slova anglicky Data Mining; Weka; Pajek; Social Network Analysis
Štítky best2
Příznaky Recenzováno
Změnil Změnila: RNDr. Hana Bydžovská, Ph.D., učo 139544. Změněno: 16. 10. 2014 08:51.
Anotace
The Information System of Masaryk University (IS MU) hosts applications utilized for managing study-related records, e-learning tools and those facilitating communication inside the University. This paper is concerned with improvement of results obtained with Excalibur, a tool for mining study-related data, when linked data have been added. These data describe social dependencies gathered from e-mail and discussion boards conversation. We first describe results based on the original (non-linked) data that are periodically saved into Excalibur data warehouse. Then focus on extraction of social dependencies namely relations and communication among students. We describe a method for feature extraction from the social dependencies. New features were explored by social network analysis and visualization tool Pajek and added to the original data. We show that such enriched data allows to significantly improve results obtained with data mining methods. We demonstrate this general technique on different tasks that concern classification of successful/non-successful students at Faculty of Informatics MU.
Návaznosti
LA09016, projekt VaVNázev: Účast ČR v European Research Consortium for Informatics and Mathematics (ERCIM) (Akronym: ERCIM)
Investor: Ministerstvo školství, mládeže a tělovýchovy ČR, INGO (jen po projekty s počátkem řešení v roce 2010)
VytisknoutZobrazeno: 20. 1. 2019 02:33

Další aplikace