Détermination des schémas d'obtention de diplôme des étudiants à l'aide d'un cadre d'apprentissage à deux niveaux

La pratique de la science des données, et de l'intelligence artificielle (AI) en général, s'est considérablement développée tant sur le plan théorique que dans les domaines d'application. De nombreux problèmes, anciens comme nouveaux, ont été abordés à l'aide de différentes méthodes de raisonnement et d'apprentissage. Ceux-ci incluent le sujet de recherche généralement désigné sous le nom d'exploration de données éducatives (ou EDM). Parmi les nombreux problèmes étudiés au sein de cette communauté EMD, la performance et la réussite des étudiants fournissent des résultats intéressants et utiles pour façonner un style d'apprentissage efficace et un accompagnement pédagogique adapté. Spécifiquement à ce travail mené à Mae Fah Luang University, le schéma d'obtention de diplôme des étudiants est déterminé en fonction de leur profil de performance dans différentes catégories de cours. Cette approche par groupes de cours est adoptée pour généraliser le cadre à divers programmes de premier cycle. À cet égard, une méthode d'apprentissage à deux niveaux est proposée afin de prédire la durée des études avant l'obtention du diplôme. Au premier niveau, le clustering est appliqué pour dériver les principaux types de profils de performance, pour lesquels des modèles de classification peuvent être développés afin d'affiner davantage la prédiction. Grâce à des expériences menées sur une collecte de données réelles, ce cadre fournit généralement des résultats prédictifs précis à l'aide de plusieurs techniques de classification conventionnelles.