Predicting student personality based on a data-driven model from student behavior on LMS and social networks

Halawa, Mohamed Soliman; Shehab, Mohamed; Hamed, Essam M. Ramzy

doi:10.1109/icdipc.2015.7323044

Cited by 21 publications

(18 citation statements)

References 9 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Eleé derivado diretamente da teoria de [Kolb 1984]. Já o trabalho de [Halawa et al 2015b] aborda o modelo de Myers-Briggs, que utiliza o Myers-Briggs Type Indicator (MBTI), onde este avalia tipos de personalidade e preferências por meio de quatro aspectos da personalidade: extroversão/introversão, detecção/intuição, pensamento/sentimento, julgando/percebendo. A combinação dessas diferentes preferências resulta na possibilidade de 16 diferentes tipos de estilos de aprendizagem, assim como no modelo de Felder e Silverman.…”

Section: Informações Gerais Dos Resultadosunclassified

“…Já os outros algoritmos foram usados em um ou dois trabalhos apenas. Dos doze artigos analisados, cinco deles [Efrati et al 2014, Popescu et al 2016, Hung et al 2016, Binh and Duy 2017, Sweta and Lal 2015, utilizaram somente um algoritmo, enquanto os demais utilizaram no mínimo dois [Zhong et al 2017] e no máximo dez [Halawa et al 2015b].…”

Section: Figura 4 Técnicas Usadas Para Identificação Dos Estilos De unclassified

“…Assim, a identificação dos estilos de aprendizagem dentro de um AVA pode auxiliar na construção de sistemas personalizados que mesclam os benefícios dos sistemas de aprendizagem com uma abordagem adaptada para cada estilo. Essas plataformas de elearning personalizadas buscam melhorar a satisfação e a motivação dos alunos ao longo do curso [Halawa et al 2015a].…”

Section: Introductionunclassified

See 2 more Smart Citations

Identificação Automática de Estilos de Aprendizagem: Uma Revisão Sistemática da Literatura

Oliveira¹,

Sales²,

Pereira³

et al. 2018

Anais Do Workshop Sobre Educação Em Computação (WEI)

View full text Add to dashboard Cite

A disseminação e a evolução da tecnologia têm revolucionado a maneira de como a educação é abordada. A classificação dos estilos de aprendizagem dentro de Ambientes Virtuais de Aprendizagem (AVA's) pode auxiliar no uso de novas estratégias de ensino baseadas no perfil do aluno, além de contribuir na personalização desses ambientes virtuais. Esta pesquisa consiste em uma Revisão Sistemática da Literatura (RSL) de trabalhos relevantes nosúltimos quatro anos que adotam abordagens automáticas, como mineração de dados e aprendizado de máquina, para classificação dos estilos de aprendizagem dos alunos. Ao todo foram selecionados 12 artigos, considerados significativos para esta pesquisa, para realização de uma análise mais criteriosa. Os resultados mostram que diferentes técnicas são aplicadas, assim como diferentes modelos de estilos de aprendizagem disponíveis na literatura.

show abstract

Section: Informações Gerais Dos Resultadosunclassified

Section: Figura 4 Técnicas Usadas Para Identificação Dos Estilos De unclassified

Section: Introductionunclassified

See 1 more Smart Citation

Identificação Automática de Estilos de Aprendizagem: Uma Revisão Sistemática da Literatura

Oliveira¹,

Sales²,

Pereira³

et al. 2018

Anais Do Workshop Sobre Educação Em Computação (WEI)

View full text Add to dashboard Cite

show abstract

“…The same is given in the Figure 17. Among the studies related to educational data mining by the author in paper [5], use of J48 and related methods substantiated in [18] [9] [12] have produced an accuracy of 86% and 92% where as a varied implementation has produced 99.87%. The author in the paper [6] have given a special mention about an unrealistic specific result produced by a combined model of J48 using optimisation with 99.6% accuracy.…”

Section: Discussionmentioning

confidence: 99%

A model for improved performance prediction using ensemble-based hybrid classification approach on a multivariate student dataset

Anoopkumar

Rahman

2018

IJET

View full text Add to dashboard Cite

Classification techniques have sensed substantial attention in Information Engineering and Technology for the performance prediction and optimisation since few decades. The discovered accuracy of the Classification Model helps the institutional practices and student's performances. In this paper, a novel Ensemble-based Hybrid Classification Approach (EHCA) has been proposed to be managed to produce improved performance prediction. The mining process with new attributes based on student behaviours has also been incorporated, since it creates a great impact on their academic performances. Moreover, the performance of the students is analysed with a set of classifiers in Educational Data Mining (EDM) namely, Naive Bayesian, Support-Vector-Machine (SVM) and J48. Futuristic-bound Ensemble approach is employed for enhancing the classifier performances. Here, the futuristic methods of ensembles of Bagging, Classification Boosting and Stacking are used for optimising the results with more precision. Further, the process of Ensemble-based Hybrid Classification is analysed and tested with the dataset collected from Kerala Technological University-SNG College of Engineering (KTU_SNG). The results obtained are compared with the results obtained for utilized single classifiers and the EHCA on the basis of performance efficiency and classification accuracy. The work evidence the efficiency of the pro-posed approach and proves its reliability in Profound Performance Prediction and Optimisation.

show abstract

“…According to Halawa, Shehab [9], students personality types can be identified using Myers-Briggs Type Indicator (MBTI) and students behavior can be monitored in Facebook. The results can be analyzed using the MOODLE, a learning management system.…”

Section: Related Studymentioning

confidence: 99%

Introduction to Global Educational Database

Banerjee¹,

Bach²

2016

IJDTA

View full text Add to dashboard Cite

show abstract

Predicting student personality based on a data-driven model from student behavior on LMS and social networks

Cited by 21 publications

References 9 publications

Identificação Automática de Estilos de Aprendizagem: Uma Revisão Sistemática da Literatura

Identificação Automática de Estilos de Aprendizagem: Uma Revisão Sistemática da Literatura

A model for improved performance prediction using ensemble-based hybrid classification approach on a multivariate student dataset

Introduction to Global Educational Database

Contact Info

Product

Resources

About