基于决策树学习的Saber Pro成功预测模型
计算机与社会
2020-06-03 v1 人工智能
机器学习
摘要
本报告的主要目的是确定影响在哥伦比亚学习的学生成功率的相关因素，通过分析Saber 11（在最后一学年进行的考试）、一些社会经济方面的情况，并将Saber Pro结果与全国平均水平进行比较。所面临的问题是找出影响成功的因素，同时它也提供了对该国教育动态的洞察，并预测个人获得成功的机会。与本文所述情况相反的情形可能是辍学水平，因为通过检测使某人脱颖而出的因素，这些因素也能说明导致人不成功的因素。为解决此问题提出的解决方案是实现一种CART决策树算法，该算法基于不同的社会经济和学术因素（如被测试者父母的职业及其在Saber 11中取得的成绩），帮助预测学生得分高于平均值的概率。研究发现，最具影响力的因素之一是Saber 11中社会学科的成绩，而被测试者的性别并不像通常描绘的那样具有影响力。所设计的算法对哪些因素最影响任意给定个体的成功概率提供了重要见解，如果进一步深入研究，可应用于许多特定情况，例如决定学校中哪门学科应给予更高强度以及总体学术课程安排。
引用
@article{arxiv.2006.01322,
title = {Saber Pro success prediction model using decision tree based learning},
author = {Gregorio Perez Bernal and Luisa Toro Villegas and Mauricio Toro},
journal= {arXiv preprint arXiv:2006.01322},
year = {2020}
}