Published May 17, 2019
| Version v1
Publication
Open
Predicting Student Academic Performance using Data Generated in Higher Educational Institutes
- 1. Mehran University of Engineering and Technology
Description
The analysis of data generated by higher educational institutes has the potential of revealing interesting facets of student learning behavior.Classification is a popularly explored area in Educational Data Mining for predicting student performance.Using student behavioral data, this study compares the performance of a broad range of classification techniques to find a qualitative model for the prediction of student performance.Rebalancing of data has also been explored to verify if it leads to the creation of better classification models.The experimental results, validated using well-established evaluation matrices, presented potentially significant outcomes which may be used for reshaping the learning paradigm.
Translated Descriptions
⚠️
This is an automatic machine translation with an accuracy of 90-95%
Translated Description (Arabic)
إن تحليل البيانات التي تولدها مؤسسات التعليم العالي لديه القدرة على الكشف عن جوانب مثيرة للاهتمام من سلوك تعلم الطلاب. التصنيف هو مجال تم استكشافه بشكل شائع في استخراج البيانات التعليمية للتنبؤ بأداء الطلاب. باستخدام البيانات السلوكية للطلاب، تقارن هذه الدراسة أداء مجموعة واسعة من تقنيات التصنيف لإيجاد نموذج نوعي للتنبؤ بأداء الطلاب. كما تم استكشاف إعادة توازن البيانات للتحقق مما إذا كان يؤدي إلى إنشاء نماذج تصنيف أفضل. قدمت النتائج التجريبية، التي تم التحقق من صحتها باستخدام مصفوفات تقييم راسخة، نتائج مهمة محتملة يمكن استخدامها لإعادة تشكيل نموذج التعلم.Translated Description (French)
L'analyse des données générées par les établissements d'enseignement supérieur a le potentiel de révéler des facettes intéressantes du comportement d'apprentissage des étudiants. La classification est un domaine couramment exploré dans l'exploration de données éducatives pour prédire la performance des étudiants. En utilisant des données comportementales des étudiants, cette étude compare la performance d'un large éventail de techniques de classification pour trouver un modèle qualitatif pour la prédiction de la performance des étudiants. Le rééquilibrage des données a également été exploré pour vérifier s'il conduit à la création de meilleurs modèles de classification. Les résultats expérimentaux, validés à l'aide de matrices d'évaluation bien établies, ont présenté des résultats potentiellement significatifs qui peuvent être utilisés pour remodeler le paradigme d'apprentissage.Translated Description (Spanish)
El análisis de los datos generados por los institutos de educación superior tiene el potencial de revelar facetas interesantes del comportamiento de aprendizaje de los estudiantes. La clasificación es un área popularmente explorada en la minería de datos educativos para predecir el rendimiento de los estudiantes. Utilizando datos de comportamiento de los estudiantes, este estudio compara el rendimiento de una amplia gama de técnicas de clasificación para encontrar un modelo cualitativo para la predicción del rendimiento de los estudiantes. También se ha explorado el reequilibrio de los datos para verificar si conduce a la creación de mejores modelos de clasificación. Los resultados experimentales, validados mediante matrices de evaluación bien establecidas, presentaron resultados potencialmente significativos que pueden usarse para remodelar el paradigma de aprendizaje.Files
eem17052019_18-1-2.pdf.pdf
Files
(819.7 kB)
| Name | Size | Download all |
|---|---|---|
|
md5:46577e2896a248e0f1f5da01accfb60f
|
819.7 kB | Preview Download |
Additional details
Additional titles
- Translated title (Arabic)
- التنبؤ بالأداء الأكاديمي للطلاب باستخدام البيانات التي تم إنشاؤها في معاهد التعليم العالي
- Translated title (French)
- Prédire les performances académiques des étudiants à l'aide de données générées dans les établissements d'enseignement supérieur
- Translated title (Spanish)
- Predecir el rendimiento académico de los estudiantes utilizando los datos generados en los institutos de educación superior
Identifiers
- Other
- https://openalex.org/W2945199366
- DOI
- 10.17993/3ctecno.2019.specialissue2.366-383
References
- https://openalex.org/W2148143831
- https://openalex.org/W2167883163
- https://openalex.org/W2582001816
- https://openalex.org/W2810044176
- https://openalex.org/W2945199366
- https://openalex.org/W4244238212