学生の学業成績を予測するための機械学習技術の有効性の探求

学生が自分のクラスでトップ10に入るか、平均的な学生になるか、あるいは中退するかを正確に判断することを通じて、高等教育における学生の学業成功を予測することは重要な問題です。したがって、学習者の行動を予測するために、クラスター分析、分類、回帰などの多くのデータマイニング技術が使用されます。本論文では、学生の学業成績予測モデルと学生の全体的な学業成就に大きな影響を与える新しい特徴を紹介します。アンケートと機関データベースから得られた約200人の学生からのデータセットから20の特徴が考慮されました。ナイーブベイズ分類器が使用され、実験はWEKA実装作業台で行われました。属性は最初に関連性が分析され、分析の結果、学生の第一学期の成績平均（GPA）が最も高い関連性を持ち、次に友達の学習親和性、学習施設、家庭教師、性別、利用可能な交通手段が続きました。169人の学生の記録が分析に使用され、モデルは162の正しく分類されたインスタンスを記録し、これは95.86%の精度に相当し、4.142%を不正確に予測しました。実験は、ナイーブベイズ分類器がデータセットを正しく予測する上で優れた性能を示しました。キーワード：教育データマイニング、学生のパフォーマンス管理、高等教育機関、分類、ナイーブベイズ分類器。Agwi, C.U. & Akpojaro, J. (2024): 学生の学業成績を予測するための機械学習技術の有効性の探求。数学と計算科学の進展ジャーナル。第12巻、第1号。ページ53-66。オンラインで入手可能：www.isteams.net/mathematics-computationaljournal。dx.doi.org/10.22624/AIMS/MATHS/V12N1P6