Predicting Academically At-Risk Engineering Students: A Soft Computing Application

Abstract

This paper presents a study on predicting academically at-risk engineering students at the early stage of their education. For this purpose, some soft computing tools namely support vectors machines and artificial neural networks have been employed. The study population included all students enrolled in Pamukkale University, Faculty of Engineering at 2008-2009 and 2009-2010 academic years as freshmen. The data are retrieved from various institutions and questionnaires conducted on the students. Each input data point is of 38-dimension, which includes demographic and academic information about the students, while the output based on the first-year GPA of the students falls into either at-risk or not. The results of the study have shown that either support vector machine or artificial neural network methods can be used to predict first-year performance of a student in a priori manner. Thus, a proper course load and graduation schedule can be transcribed for the student to manage their graduation in a way that potential dropout risks are reduced. Moreover, an input sensitivity analysis has been conducted to determine the importance of each input used in the study.

E-Ticaret Siteleri için Kampanya Otomasyonu Tasarlanması ve Geliştirilmesi

“…Literatürde, gözetimli makine öğrenmesi süreçlerinin derin öğrenme yaklaşımları kullanılarak geliştirildiği görülmektedir [7][8], [22][23][24]. Ancak, bu proje kapsamında gözetimsiz makine öğrenmesi yöntemlerinden birliktelik analizi üzerinde çalışılmaktadır.…”

Dijital Cüzdan: Güvenli ve Maliyet Etkin Bir Altyapı Yaklaşımı

“…Hava araştırma ve tahmin modelleri için provenans veri toplama platformları [23], IoT için büyük veri işleme çerçeveleri [24], sosyal ağlarda yanlış bilgi tespiti [25], makine öğrenimi algoritmalarının büyük veri sistemleri ile entegrasyonu [26], başarısızlık riskinin tahmini [27], büyük veri ve yüksek performanslı bilgisayar sistemlerinde destek vektör makinelerinin eğitim optimizasyonu [28], yüksek performanslı veri mühendisliği [29], yüksek performanslı iteratif veri akışı [30,32], ve büyük veri işleme için iletişim kütüphaneleri [31] gibi çok çeşitli konularda yapılan çalışmalar, dijital cüzdan tasarlanması ve geliştirilmesi alanında gerekli olan teknolojiler için bilgi birikiminin derinliğini ve çeşitliliğini göstermektedir.…”