वेब-आधारित पाम ऑयल सिडलिंग बिक्री सूचना प्रणाली (केस स्टडी: सीवी. एक्सवाईजेड)

छात्रों की स्नातकता उच्च शिक्षा संस्थान में शिक्षा की गुणवत्ता का एक महत्वपूर्ण संकेतक है। उच्च स्नातक दर न केवल सीखने की प्रक्रिया में सफलता को दर्शाती है, बल्कि संस्थान की प्रतिष्ठा पर भी सकारात्मक प्रभाव डालती है। इसके विपरीत, कम स्नातक दर उन समस्याओं का संकेत हो सकती है जिन पर विशेष ध्यान देने की आवश्यकता होती है। विभिन्न कारक, अकादमिक और गैर-अकादमिक, उच्च शिक्षा संस्थानों पर समय पर छात्रों की स्नातकता सुनिश्चित करने में प्रभाव डालते हैं। इसलिए, हमें एक विधि की आवश्यकता है जो छात्रों की स्नातकता का सटीक पूर्वानुमान लगा सके ताकि शीघ्र हस्तक्षेप किया जा सके। इस अध्ययन का उद्देश्य छात्रों की स्नातकता की भविष्यवाणी में सपोर्ट वेक्टर मशीन विधि का उपयोग करना है। हमने इस विधि को चुनने का कारण इसकी जटिल डेटा को वर्गीकृत करने की क्षमता है। हम पूर्वानुमान मॉडल बनाने के लिए सेमेस्टर अचीवमेंट इंडेक्स (एसएआई) स्कोर जैसे ऐतिहासिक छात्र डेटा का उपयोग करते हैं। हम सटीकता, पुनः कॉल, और एफ1-स्कोर मेट्रिक्स का उपयोग करके मॉडल का मूल्यांकन करते हैं। अध्ययन के निष्कर्षों के अनुसार, सपोर्ट वेक्टर मशीन मॉडल की सटीकत स्तर 71.20% है। यह विधि 95% की सटीकता, 72% की पुनः कॉल, और 82% के एफ1-स्कोर के साथ स्नातक होने वाले छात्रों की भविष्यवाणी करने में अच्छी है। हालाँकि, असफल छात्रों की भविष्यवाणी में मॉडल का प्रदर्शन संतोषजनक से कम था, केवल 17% की सटीकता, 62% की पुनः कॉल, और 26% का एफ1-स्कोर था। उत्तीर्ण और असफल छात्रों के बीच डेटा में असंतुलन ने इस परिणाम में योगदान किया। सपोर्ट वेक्टर मशीन विधि प्रभावी ढंग से बहुसंख्यक वर्ग (उत्तीर्ण) के लिए छात्रों की स्नातकता की भविष्यवाणी करती है, लेकिन अल्पसंख्यक वर्ग (असफल) के लिए भविष्यवाणियों की सटीकता बढ़ाने के लिए डेटा असंतुलन को विशेष तरीके से संभालने की आवश्यकता है। विश्वविद्यालय इस अध्ययन के परिणामों का उपयोग शीघ्र हस्तक्षेप करने और छात्र स्नातक दर बढ़ाने की अपेक्षा करते हैं।