学生の学習成果を予測するための教育データマイニングの新しい枠組み

適応学習に関する学術アドバイザーのニーズを満たすために設計された教育システムは常に重要な課題であり、これは知的学習方法の開発の始まりとなります。大学のような教育機関において、教師が学生に対して行う学術的指導は、講義段階における学生のパフォーマンスに大きな影響を与えます。うまくいかない教育指導は、学生が学業を遂行する上での困難を引き起こすとされ、最悪の場合は中退の可能性が高まります。したがって、本研究は、教育データマイニングの機能に含まれる可能性と能力を探求し、学業記録や社会経済関連データに基づく学術指導方法のさまざまな推奨を提示することを目的としています。本研究では、ジャカルタの私立大学の情報技術クラスで記録された学生データに基づくデータ分析とテストを提案します。本研究で提示されるモデルは、決定木、ニューラルネットワーク、ナイーブベイズ法を使用し、2017-2019年と2018-2020年の情報システムおよび情報科学の300人の学生の学術データにこれらのアルゴリズムを適用します。この研究におけるデータマイニング技術の実施から、設計された枠組みが学生のパフォーマンスに関連する正確な予測を提供したという性能結果が得られました。