寄宿制大学本科课程学生辍学风险评估
计算机与社会
2014-05-16 v1 人工智能
摘要
学生辍学预测对于众多智能系统衡量教育体系及任何大学乃至全球大学的成功率而言不可或缺。因此，开发高效的方法来预测有辍学风险的学生，从而采取主动措施以最小化此类情况，变得至关重要。本研究提出了一种原型机器学习工具，该工具利用基于决策树的分类技术，自动识别学生是继续学业还是辍学，并从大量数据中提取关于导致学生辍学因素的隐藏信息。此外，本研究利用判别分析研究了导致辍学风险因素的贡献度，并应用关联规则挖掘以提取显著数据集中有趣的 correlations、频繁模式、关联或因果结构。在本研究中，使用 SPSS 20.0 统计软件进行描述性统计分析以衡量数据质量，并使用 WEKA 数据挖掘工具进行决策树和关联规则的应用。
引用
@article{arxiv.1405.3727,
title = {Student Dropout Risk Assessment in Undergraduate Course at Residential University},
author = {Sweta Rai},
journal= {arXiv preprint arXiv:1405.3727},
year = {2014}
}
备注
arXiv admin note: text overlap with arXiv:1202.4815, arXiv:1203.3832, arXiv:1002.1144 by other authors