データマイニング：分類を用いた工学学生のパフォーマンス向上の予測

近年、教育データベースに保存されるデータ量が急速に増加しています。これらのデータベースには、学生のパフォーマンス向上のための隠れた情報が含まれています。教育データマイニングは、教育分野で利用可能なデータを研究し、そこから隠れた知識を引き出すために使用されます。決定木、ベイジアンネットワークなどの分類方法を教育データに適用して、学生の試験におけるパフォーマンスを予測することができます。この予測は、弱い学生を特定し、より良い成績を取る手助けとなります。C4.5、ID3、CARTの決定木アルゴリズムを工学学生のデータに適用して、最終試験でのパフォーマンスを予測します。決定木の結果は、合格、失敗、または次の年に進級する可能性のある学生の数を予測しました。その結果は、失敗または進級が予測された学生のパフォーマンスを向上させるためのステップを提供します。最終試験の結果発表後、学生が取得した得点がシステムに入力され、次のセッションのために結果が分析されました。結果の比較分析は、予測が弱い学生の改善を助け、成績の向上をもたらしたことを示しています。