...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>International journal of computer science and network security >Study Factors for Student Performance Applying Data Mining Regression Model Approach
【24h】

Study Factors for Student Performance Applying Data Mining Regression Model Approach

机译：学生绩效应用数据挖掘回归模型方法的研究因素

获取原文
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In this paper, we apply data mining techniques and machine learning algorithms using R software, which is used to predict, here we applied a regression model to test some factor on the dataset for which we assumed that it effects student performance. Model was built on an existing dataset which contains many factors and the final grades. The factors tested are the attention to higher education, absences, study time, parent’s education level, parent’s jobs, and the number of failures in the past. The result shows that only study time and absences can affect the students’ performance. Prediction of student academic performance helps instructors develop a good understanding of how well or how poorly the students in their classes will perform, so instructors can take proactive measures to improve student learning. This paper also focuses on how the prediction algorithm can be used to identify the most important attributes in a student’s data.
机译：在本文中，我们使用用于预测的R软件应用数据挖掘技术和机器学习算法，这里我们应用了一个回归模型来测试数据集的某些因素，我们假设它效果学生表现。 模型建立在现有数据集上，其中包含许多因素和最终等级。 测试的因素是对高等教育，缺席，学习时间，父母的教育水平，父母的工作以及过去的失败数量的关注。 结果表明，只有研究时间和缺席会影响学生的表现。 学生学术绩效的预测有助于教师对学生课程的良好或多么糟糕的了解，所以教练可以采取积极措施来改善学生学习。 本文还介绍了预测算法如何用于识别学生数据中最重要的属性。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号