Key points are not available for this paper at this time.
교육 데이터 마이닝은 데이터 마이닝 연구 영역에서 떠오르고 있습니다. 데이터 마이닝 기법과 방법이 적용된 분야임에도 불구하고, 교육 데이터 마이닝은 아직 완전히 해결되지 않은 많은 도전 과제를 안고 있습니다. 특히 학점 시스템에서의 데이터 분류는 불균형 문제와 기술적인 측면의 누락된 데이터에 대처하고, 교육 시스템의 유연성으로 인한 데이터의 이질성을 해결해야 하는 매우 어려운 작업입니다. 본 논문에서는 학생의 성과를 기반으로 한 다중 클래스의 불균형 교육 데이터 분류 작업을 위한 하이브리드 재샘플링 체계와 랜덤 포레스트 접근법을 제시합니다. 제안된 접근법은 교육 데이터 마이닝에서 아직 사용되지 않고 있습니다. 또한, 우리의 경험적 연구에서 학생의 최종 학업 상태 예측에 효과적이며 지식 기반 교육 의사 결정 지원 시스템에서도 활용 가능하다는 것이 충분히 입증되었습니다.
Vo et al. (금요일)은 이 질문을 연구했습니다.