A comparative analysis of techniques for predicting academic performance

Thai-Nghe, Nguyen; Janecek, Paul; Haddawy, Peter

doi:10.1109/fie.2007.4417993

Cited by 96 publications

(50 citation statements)

References 3 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Quy trình này bao gồm sáu giai đoạn, bao gồm: Tìm hiểu vấn đề, tìm hiểu dữ liệu, tiền xử lý dữ liệu, mô hình hóa, đánh giá mô hình và triển khai ứng dụng. Trong bài viết này, chúng tôi tập trung trên việc đề xuất và đánh giá mô hình, những chi tiết khác vui lòng xem thêm trong [4] [8].…”

Section: Dự đOán Kết Quả Học Tập Dựa Trên Tiếp Cận Tập Thôunclassified

See 1 more Smart Citation

Giải Pháp Hỗ Trợ Sinh Viên Lập Kế Hoạch Học Tập Dựa Trên Tiếp Cận Tập Thô

Thắng¹,

Hải²,

Thai-Nghe³

et al. 2017

Fair - Nghiên Cứu Cơ Bản Và Ứng Dụng Công Nghệ Thông Tin - 2016

View full text Add to dashboard Cite

Từ khóa-Lý thuyết tập thô; bảng quyết định; luật quyết định; dữ liệu mất cân bằng; lựa chọn môn học. I. GIỚI THIỆULý thuyết tập thô (rough set theory) -do Zdzislaw Pawlak đề xuất năm 1982 [14] -được xây dựng trên một nền tảng toán học vững chắc vì thế được ứng dụng trong khá nhiều lĩnh vực, đặc biệt là ứng dụng trong khoa học máy tính như giải quyết bài toán phân lớp (đa nhãn hoặc đơn nhãn), phân cụm và luật kết hợp. Bài viết này sẽ đề xuất sử dụng lý thuyết tập thô trong xây dựng hệ thống hỗ trợ giáo dục đào tạo, đặc biệt là việc dự đoán kết quả học tập của sinh viên.Thật vậy, dự đoán kết quả học tập của sinh viên một các chính xác là rất hữu ích trong nhiều ngữ cảnh khác nhau ở các trường đào tạo đại học và sau đại học. Chẳng hạn, xác định các ứng viên xuất sắc để tham gia các đội tuyển tin học, hoặc cấp học bổng nhằm khuyến khích họ nỗ lực hơn nữa trong học tập, hay việc xác định các sinh viên có năng lực yếu kém để có những biện pháp thích hợp nhằm hỗ trợ họ học tập tốt hơn.Thời gian gần đây, số lượng sinh viên bị buộc thôi học có chiều hướng tăng ở nhiều trường đại học (chẳng hạn như tại Đại học Cần Thơ, hàng năm có trên dưới 150 sinh viên thuộc diện buộc thôi học do kết quả học tập yếu kém [4]) và thường tập trung vào những sinh viên học năm thứ ba và năm thứ tư. Một phần nguyên nhân là do sinh viên không có kế hoạch học tập phù hợp. Hiện tượng này đã gây tổn thất lớn cho bản thân sinh viên, gia đình và toàn xã hội. Chính vì thế việc phát hiện sớm các học viên yếu kém để giúp họ lập kế hoạch học tập sao cho ph hợp là một nhu cầu rất cần thiết.Dự đoán kết quả học tập của sinh viên cũng đã được nhiều nhà nghiên cứu quan tâm, như trong. Hàng năm đều có hội thảo quốc tế chuyên về lĩnh vực này (xem chi tiết tại www.educationaldatamining.org), ở đó ta có thể tìm thấy những nghiên cứu gần nhất. Tuy nhiên phần lớn các nghiên cứu trên tập trung vào việc ứng dụng các kỹ thuật trong khai phá dữ liệu (data mining) trong dự đoán kết quả học tập của sinh viên [12][13].Nghiên cứu này sẽ đề xuất một phương pháp mới trong dự đoán kết quả học tập của sinh viên dựa trên tiếp cận tập thô. Trước hết, bài viết sẽ giới thiệu một trong những ưu điểm của lý thuyết tập thô, là d ng để đơn giản hóa thông tin trước khi sinh ra luật quyết định, do đó tập luật thu được khá tối tiểu nhưng vẫn bao hàm được thông tin mong muốn. Sau đó đề xuất ứng dụng cho bài toán dự đoán/phân lớp (prediction/classification) sinh viên thuộc diện cảnh báo học vụ hay không, từ đó hỗ trợ họ lập kế hoạch học tập phù hợp. Thực nghiệm trên dữ liệu thực tế đã cho thấy phương pháp này có khả năng dự đoán tốt hơn so với các phương pháp khai phá dữ liệu truyền thống khác như Cây quyết định, láng giềng lân cận, SVM,… đặc biệt là trong trường hợp dữ liệu mất cân bằng (imbalanced data).Trong các phần tiếp theo, bài viết sẽ giới thiệu ngắn gọn về lý thuyết tập thô cũng như minh họa cho bài toán phân lớp dựa trên các luật sinh ra, sau cùng là mô hình đề xuất và kết quả thực nghiệm. II. LÝ THUYẾT TẬP THÔ A. Hệ thống thông tin quyết địnhThông thường một hệ thống biểu diễn...

show abstract

Section: Dự đOán Kết Quả Học Tập Dựa Trên Tiếp Cận Tập Thôunclassified

“…Sau khi loại bỏ các thuộc tính thừa, 14 thuộc tính quan trọng còn lại được dùng cho việc dự đoán, mô tả trong bảng dưới đây (dữ liệu này kế thừa từ nghiên cứu [8]). …”

Section: B Dữ Liệuunclassified

Giải Pháp Hỗ Trợ Sinh Viên Lập Kế Hoạch Học Tập Dựa Trên Tiếp Cận Tập Thô

Thắng¹,

Hải²,

Thai-Nghe³

et al. 2017

Fair - Nghiên Cứu Cơ Bản Và Ứng Dụng Công Nghệ Thông Tin - 2016

View full text Add to dashboard Cite

show abstract

“…Nhiều nghiên cứu đã xuất bản về dự đoán năng lực học tập sinh viên từ các phương pháp kỹ thuật truyền thống như cây quyết định, máy học vector hỗ trợ SVM, mô hình mạng Bayes, được trình bày trong tài liệu [9]10], đến những kỹ thuật gần đây như hệ thống gợi ý (Reccomender Systems -RS) được tìm thấy trong tài liệu [3][7] [11]. Tuy nhiên, đa số các giải thuật thuộc nhóm RS đều chỉ tập trung khai thác với những thuật toán cơ s , do đó các giải thuật chưa tận dụng được hết các vấn để m rộng và nâng cao của giải thuật như mối quan hệ giữa các user và thông tin b sung cho item.…”

Section: Hình 1 Sự Cấu Thành Và Các Thành Phần Chính Của Itsunclassified

Giải Pháp Tích Hợp Mạng Xã Hội Trong Xây Dựng Hệ Trợ Giảng Thông Minh

Nhàn¹,

Thập²,

Thai-Nghe³

2017

Fair - Nghiên Cứu Cơ Bản Và Ứng Dụng Công Nghệ Thông Tin - 2016

View full text Add to dashboard Cite

“…Comparison of different tools of data mining is done by Nguyen Thai Nghe, P. Janecek, and P. Haddawy, [2]. They have suggested WEKA the best tool for data mining.…”

Section: Data Mining Techniquesmentioning

confidence: 99%

Automatic Evaluation of Best Investment Options for Investors using Optimal Decision Tree Algorithm

Mongia¹,

Singh²

2014

IJCA

View full text Add to dashboard Cite

Investment decision is a major issue for every individual. The spectrum of investment is extremely wide. Many investment options are available for the investor. People are not aware of best saving scheme for their investment. This paper deals with eliction of information from various domain experts to suggest the investor best investment option for his investment. The decision is based upon various parameters of the investor. A refined algorithm helps the investor to make an effective decision for his investment which suits their requirement. In this study data has been collected from 500 persons through questionnaires and interviews. Expert's rules and feature reduction technique have been applied to this data set to convert it into an optimal dataset. Decision tree technique is applied to this dataset to make investment decisions. Finally, the comparison has been done between our approach and existing approach.

show abstract

A comparative analysis of techniques for predicting academic performance

Cited by 96 publications

References 3 publications

Giải Pháp Hỗ Trợ Sinh Viên Lập Kế Hoạch Học Tập Dựa Trên Tiếp Cận Tập Thô

Giải Pháp Hỗ Trợ Sinh Viên Lập Kế Hoạch Học Tập Dựa Trên Tiếp Cận Tập Thô

Giải Pháp Tích Hợp Mạng Xã Hội Trong Xây Dựng Hệ Trợ Giảng Thông Minh

Automatic Evaluation of Best Investment Options for Investors using Optimal Decision Tree Algorithm

Contact Info

Product

Resources

About