Published June 22, 2023
| Version v1
Publication
Open
Enhancing Student Performance Prediction via Educational Data Mining on Academic data
- 1. National University of Computer and Emerging Sciences
Description
Educational data mining is widely deployed to extract valuable information and patterns from academic data. This research explores new features that can help predict the future performance of undergraduate students and identify at-risk students early on. It answers some crucial and intuitive questions that are not addressed by previous studies. Most of the existing research is conducted on data from 2-3 years in an absolute grading scheme. We examined the effects of historical academic data of 15 years on predictive modeling. Additionally, we explore the performance of undergraduate students in a relative grading scheme and examine the effects of grades in core courses and initial semesters on future performances. As a pilot study, we analyzed the academic performance of Computer Science university students. Many exciting discoveries were made; the duration and size of the historical data play a significant role in predicting future performance, mainly due to changes in curriculum, faculty, society, and evolving trends. Furthermore, predicting grades in advanced courses based on initial pre-requisite courses is challenging in a relative grading scheme, as students' performance depends not only on their efforts but also on their peers. In short, educational data mining can come to the rescue by uncovering valuable insights from academic data to predict future performance and identify the critical areas that need significant improvement.
Translated Descriptions
⚠️
This is an automatic machine translation with an accuracy of 90-95%
Translated Description (Arabic)
يتم نشر استخراج البيانات التعليمية على نطاق واسع لاستخراج معلومات وأنماط قيمة من البيانات الأكاديمية. يستكشف هذا البحث الميزات الجديدة التي يمكن أن تساعد في التنبؤ بالأداء المستقبلي للطلاب الجامعيين وتحديد الطلاب المعرضين للخطر في وقت مبكر. يجيب على بعض الأسئلة الحاسمة والبديهية التي لم تتناولها الدراسات السابقة. يتم إجراء معظم الأبحاث الحالية على بيانات من 2-3 سنوات في نظام الدرجات المطلقة. درسنا آثار البيانات الأكاديمية التاريخية لمدة 15 عامًا على النمذجة التنبؤية. بالإضافة إلى ذلك، نستكشف أداء طلاب المرحلة الجامعية في نظام الدرجات النسبية ونفحص آثار الدرجات في المقررات الأساسية والفصول الدراسية الأولية على الأداء المستقبلي. كدراسة تجريبية، قمنا بتحليل الأداء الأكاديمي لطلاب جامعة علوم الكمبيوتر. تم إجراء العديد من الاكتشافات المثيرة ؛ تلعب مدة وحجم البيانات التاريخية دورًا مهمًا في التنبؤ بالأداء المستقبلي، ويرجع ذلك أساسًا إلى التغييرات في المناهج الدراسية وأعضاء هيئة التدريس والمجتمع والاتجاهات المتطورة. علاوة على ذلك، فإن التنبؤ بالدرجات في الدورات المتقدمة بناءً على الدورات الأولية المسبقة يمثل تحديًا في نظام الدرجات النسبية، حيث أن أداء الطلاب لا يعتمد فقط على جهودهم ولكن أيضًا على أقرانهم. باختصار، يمكن أن ينقذ استخراج البيانات التعليمية من خلال الكشف عن رؤى قيمة من البيانات الأكاديمية للتنبؤ بالأداء المستقبلي وتحديد المجالات الحرجة التي تحتاج إلى تحسين كبير.Translated Description (French)
L'exploration de données éducatives est largement déployée pour extraire des informations et des modèles précieux à partir de données académiques. Cette recherche explore de nouvelles caractéristiques qui peuvent aider à prédire le rendement futur des étudiants de premier cycle et à identifier les étudiants à risque dès le début. Il répond à certaines questions cruciales et intuitives qui ne sont pas abordées par les études précédentes. La plupart des recherches existantes sont menées sur des données de 2 à 3 ans dans un système de notation absolue. Nous avons examiné les effets des données académiques historiques de 15 ans sur la modélisation prédictive. De plus, nous explorons la performance des étudiants de premier cycle dans un système de notation relative et examinons les effets des notes dans les cours de base et les semestres initiaux sur les performances futures. Dans le cadre d'une étude pilote, nous avons analysé les performances académiques des étudiants universitaires en informatique. De nombreuses découvertes passionnantes ont été faites ; la durée et la taille des données historiques jouent un rôle important dans la prédiction des performances futures, principalement en raison des changements dans les programmes, les professeurs, la société et l'évolution des tendances. En outre, il est difficile de prédire les notes dans les cours avancés en fonction des cours préalables initiaux dans un système de notation relatif, car les performances des étudiants dépendent non seulement de leurs efforts, mais aussi de leurs pairs. En bref, l'exploration de données éducatives peut venir à la rescousse en découvrant des informations précieuses à partir de données académiques pour prédire les performances futures et identifier les domaines critiques qui doivent être améliorés de manière significative.Translated Description (Spanish)
La minería de datos educativos se implementa ampliamente para extraer información y patrones valiosos de los datos académicos. Esta investigación explora nuevas características que pueden ayudar a predecir el rendimiento futuro de los estudiantes de pregrado e identificar a los estudiantes en riesgo desde el principio. Responde a algunas preguntas cruciales e intuitivas que no se abordan en estudios anteriores. La mayor parte de la investigación existente se lleva a cabo con datos de 2-3 años en un esquema de calificación absoluta. Examinamos los efectos de los datos académicos históricos de 15 años en el modelado predictivo. Además, exploramos el desempeño de los estudiantes de pregrado en un esquema de calificaciones relativo y examinamos los efectos de las calificaciones en los cursos básicos y los semestres iniciales en el desempeño futuro. Como estudio piloto, analizamos el rendimiento académico de los estudiantes universitarios de Informática. Se hicieron muchos descubrimientos interesantes; la duración y el tamaño de los datos históricos juegan un papel importante en la predicción del rendimiento futuro, principalmente debido a los cambios en el plan de estudios, el profesorado, la sociedad y las tendencias en evolución. Además, predecir las calificaciones en los cursos avanzados en función de los cursos de requisitos previos iniciales es un desafío en un esquema de calificación relativo, ya que el rendimiento de los estudiantes depende no solo de sus esfuerzos sino también de sus compañeros. En resumen, la minería de datos educativos puede venir al rescate al descubrir información valiosa a partir de datos académicos para predecir el rendimiento futuro e identificar las áreas críticas que necesitan mejoras significativas.Files
pdf.pdf
Files
(1.0 MB)
| Name | Size | Download all |
|---|---|---|
|
md5:a1d9e4bc4271e1c66c9bbe5ed52a7412
|
1.0 MB | Preview Download |
Additional details
Additional titles
- Translated title (Arabic)
- تعزيز التنبؤ بأداء الطلاب من خلال استخراج البيانات التعليمية من البيانات الأكاديمية
- Translated title (French)
- Améliorer la prévision des performances des élèves grâce à l'exploration de données éducatives sur les données académiques
- Translated title (Spanish)
- Mejora de la predicción del rendimiento estudiantil a través de la minería de datos educativos en datos académicos
Identifiers
- Other
- https://openalex.org/W4381681677
- DOI
- 10.15388/infedu.2024.04
References
- https://openalex.org/W1502991139
- https://openalex.org/W1984071766
- https://openalex.org/W2011394218
- https://openalex.org/W2111834232
- https://openalex.org/W2403767857
- https://openalex.org/W2518782678
- https://openalex.org/W2519365675
- https://openalex.org/W2584256333
- https://openalex.org/W2605296821
- https://openalex.org/W2617300785
- https://openalex.org/W2750637936
- https://openalex.org/W2789308566
- https://openalex.org/W2792242630
- https://openalex.org/W2887783384
- https://openalex.org/W2889988224
- https://openalex.org/W2902553462
- https://openalex.org/W2920286416
- https://openalex.org/W2935878216
- https://openalex.org/W2940874868
- https://openalex.org/W2949382906
- https://openalex.org/W2953885385
- https://openalex.org/W2970787375
- https://openalex.org/W3021804238
- https://openalex.org/W3022199973
- https://openalex.org/W3044339716
- https://openalex.org/W3098173658
- https://openalex.org/W3107704721
- https://openalex.org/W3174199210
- https://openalex.org/W3183166286
- https://openalex.org/W3195306343
- https://openalex.org/W3197558579
- https://openalex.org/W3209853460
- https://openalex.org/W4206178768
- https://openalex.org/W4206728159
- https://openalex.org/W4206994449
- https://openalex.org/W4214821456
- https://openalex.org/W4284963503
- https://openalex.org/W4309491568
- https://openalex.org/W4313456688
- https://openalex.org/W4313887872
- https://openalex.org/W4315866348