Predicting the Student's Academic Performance In an E-learning environment
محل انتشار: دومین همایش فناوری اطلاعات، حال، آینده
سال انتشار: 1390
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 1,784
متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ITPF02_114
تاریخ نمایه سازی: 18 دی 1390
چکیده مقاله:
The aim of this paper is to predict the students’ academic performance. It is useful for identifying weak students at an earlier stage. In this study, we used WEKA open source data mining tool to analyze attributes for predicting students’ academic performance. The data set comprised of 154 student records and 21 attributes of students registered between year 2006 and 2009. We applied the data set to four classifiers (Naive Bayes, Kstar, MLP and Random Forest) and obtained the accuracy of predicting the students’ performance into either successful or unsuccessful class. the student's academic performance can be predicted by using past experience knowledge discovered from the existing database. A cross-validation with 10 folds was used to evaluate the prediction accuracy. The result showed that Random Forest classifier scored the higher percentage of prediction F-Measure of 91.6%.
کلیدواژه ها:
نویسندگان
Hassan Ahmadi Torshizi
Islamic Azad University- Mashad Branch
Alaleh Rangriz
NooreTouba Virtual University, Tehran
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :