छात्रों की शैक्षणिक उपलब्धि की भविष्यवाणी में मशीन लर्निंग मॉडल के प्रभावशीलता का मूल्यांकन

यह अध्ययन 1000 छात्रों के डेटासेट का उपयोग करके छात्रों की शैक्षणिक उपलब्धि की भविष्यवाणी में विभिन्न मशीन लर्निंग मॉडल के प्रभावशीलता का मूल्यांकन करता है। डेटा में जनसांख्यिकीय, मनोवैज्ञानिक, सामाजिक और संस्थागत कारक शामिल हैं। लिनियर रिग्रेशन, डिक्शन ट्री रिग्रेसर, रैंडम फॉरेस्ट रिग्रेसर, के-नियरेस्ट नेबर्स रिग्रेसर, सपोर्ट वेक्टर रिग्रेसर (SVR), ग्रेडिएंट बूस्टिंग रिग्रेसर (GBR), XGBoost रिग्रेसर, और न्यूरल नेटवर्क (MLP) जैसे मॉडल employed किए गए। परिणाम यह दिखाते हैं कि परीक्षण तैयारी पाठ्यक्रम छात्रों के प्रदर्शन को महत्वपूर्ण रूप से बढ़ाते हैं, जिसमें SVR और लिनियर रिग्रेशन मॉडल सर्वश्रेष्ठ भविष्यवाणी प्रदर्शन करते हैं। अध्ययन शैक्षणिक परिणामों को सुधारने के लिए अनुकूलित शैक्षणिक रणनीतियों के महत्व को उजागर करता है।