Educational Data Mining (EDM) is th

Educational Data Mining (EDM) is the application of Data Mining techniques on educational data. The
objective of EDM is to analyze such data and to resolve educational research issues. EDM deals with
developing new methods to explore the educational data, and using Data Mining methods to better understand
student learning environment [1-4]. The EDM process converts raw data coming from educational systems into
useful information that could potentially have a great impact on educational research and practice. Educational
Data Mining researchers study a variety of areas, including individual learning from educational software,
computer supported collaborative learning ,computer-adaptive testing (and testing more broadly), and the
factors that are associated with student failure or non-retention in courses[6,8]. Some other key areas include
improvement of student models; application of EDM methods has been in discovering or improving models of
a domains knowledge structure and studying pedagogical support (both in learning software, and in other
domains, such as collaborative learning behaviours). There are increasing research interests in using data
mining in education. This new emerging field, called educational data mining, concerns with developing
methods that discover knowledge from data originating from educational environments. Educational data
mining uses many techniques such as Decision Trees, Neural Networks, Naïve Bayes, K-nearest neighbour and
many others. Prediction and analysis of student performance is an important milestone in educational
environment. Student’s academic performance is a crucial factor in building their future[4,5]. Academic
performance of student is not a result of only one deciding factor besides it heavily hinges on various factors
like personal, socio-economic, psychological and other environmental variables. This paper identifies the
factors associated with students whose academic performance is not good and to improve the quality of
education by identifying slow learners so that teachers can assist them individually to improve their
performance. Through this paper, the accuracy of some classification techniques for predicting performance of
a student is also investigated. The main objectives of this work are: to generate data source of predictive
variables, Data mining methodologies to study student performance at high school level, identification of the
slow learners performance, identification of the highly influencing predictive variables on the academic
performance of high school students and to find the best classification algorithm.

ผลลัพธ์ (ไทย) 1:

ศึกษาข้อมูลทำเหมืองแร่ (EDM) คือ การประยุกต์เทคนิคการทำเหมืองแร่ข้อมูลข้อมูลที่ศึกษา ที่วัตถุประสงค์ของ EDM คือ การวิเคราะห์ข้อมูลดังกล่าว และ เพื่อแก้ไขปัญหาการศึกษา EDM ที่เกี่ยวข้องกับพัฒนาวิธีการใหม่ในการสำรวจข้อมูลการศึกษา และการใช้วิธีการทำเหมืองแร่ข้อมูลเพื่อเข้าใจนักเรียนที่เรียนรู้สิ่งแวดล้อม [1-4] การ EDM แปลงข้อมูลดิบที่มาจากระบบการศึกษาในข้อมูลที่เป็นประโยชน์ที่อาจมีผลกระทบต่อการศึกษาและปฏิบัติ ทางการศึกษานักวิจัยการทำเหมืองข้อมูลศึกษาความหลากหลายของพื้นที่ รวมทั้งเรียนรู้จากซอฟต์แวร์เพื่อการศึกษาคอมพิวเตอร์สนับสนุนการเรียนรู้ร่วมกัน การทดสอบคอมพิวเตอร์แบบอะแดปทีฟ (และการทดสอบอย่างกว้างขวางขึ้น), และปัจจัยที่เกี่ยวข้องกับความล้มเหลวของนักเรียนหรือไม่เงินวางประกันในหลักสูตร [6,8] พื้นที่อื่น ๆ ที่สำคัญได้แก่ปรับปรุงรุ่น นักเรียน ประยุกต์วิธี EDM มีค้นหา หรือปรับปรุงรูปแบบของโครงสร้างความรู้โดเมนและการเรียนการสอนสนับสนุน (ทั้ง ในการเรียนรู้ซอฟต์แวร์ และอื่น ๆโดเมน เช่นพฤติกรรมการเรียนรู้ร่วมกัน) จะเพิ่มงานวิจัยที่สนใจในการใช้ข้อมูลการทำเหมืองในการศึกษา ใหม่เกิดใหม่ฟิลด์นี้ เรียกว่าการทำเหมืองข้อมูลเพื่อการศึกษา เกี่ยวข้องกับการพัฒนาวิธีที่ค้นพบความรู้จากข้อมูลที่เกิดจากสภาพแวดล้อมทางการศึกษา ข้อมูลทางการศึกษาการทำเหมืองใช้เทคนิคมากมายเช่นต้นไม้ตัดสินใจ เครือข่ายประสาท ขำน่า Bayes, K ใกล้เพื่อนบ้าน และอื่น ๆ อีกมากมาย คาดเดาและวิเคราะห์ประสิทธิภาพการทำงานของนักเรียนเป็นสำคัญสำคัญในการศึกษาสภาพแวดล้อม ผลการศึกษาของนักเรียนเป็นปัจจัยสำคัญในการสร้างอนาคตของพวกเขา [4,5] ด้านการศึกษาประสิทธิภาพของนักศึกษาไม่ใช่ผลของปัจจัยเดียวเท่านั้นที่ตัดสินใจนอกจากจะหนักแล้วแต่ปัจจัยต่าง ๆส่วนบุคคล จิตวิทยา สังคมเศรษฐกิจและสิ่งแวดล้อมแบบ เอกสารนี้ระบุการปัจจัยที่เกี่ยวข้อง กับนักเรียนที่มีผลการศึกษาไม่ดี และ การปรับปรุงคุณภาพของโดยระบุผู้เรียนช้าเพื่อให้ครูสามารถช่วยเหลือพวกเขาเพื่อปรับปรุงการประสิทธิภาพของ ผ่านเอกสารนี้ ความถูกต้องของเทคนิคบางประเภทสำหรับประสิทธิภาพของการคาดการณ์นอกจากนี้ยังมีการตรวจสอบนักเรียน วัตถุประสงค์หลักของงานนี้: สร้างแหล่งข้อมูลของงานตัวแปร วิธีการทำเหมืองข้อมูลเพื่อศึกษาประสิทธิภาพของนักเรียนระดับมัธยม รหัสของการเรียนช้าประสิทธิภาพ รหัสของตัวแปรมีอิทธิพลสูงต่องานในการศึกษาประสิทธิภาพ ของนักเรียนมัธยมปลาย และหาอัลกอริทึมประเภทดีที่สุด

ผลลัพธ์ (ไทย) 2:

การศึกษาการทำเหมืองข้อมูล (EDM) คือการประยุกต์ใช้เทคนิคการทำเหมืองข้อมูลกับข้อมูลการศึกษา
วัตถุประสงค์ของ EDM คือการวิเคราะห์ข้อมูลดังกล่าวและเพื่อแก้ไขปัญหาการวิจัยทางการศึกษา ข้อเสนอ EDM
มีการพัฒนาวิธีการใหม่ในการสำรวจข้อมูลการศึกษาและใช้วิธีการทำเหมืองข้อมูลเพื่อทำความเข้าใจเรียนรู้ของนักเรียนสภาพแวดล้อม
[1-4] กระบวนการ EDM
แปลงข้อมูลดิบที่มาจากระบบการศึกษาออกเป็นข้อมูลที่เป็นประโยชน์ที่อาจมีผลกระทบที่ดีในการวิจัยการศึกษาและการปฏิบัติ การศึกษานักวิจัยการทำเหมืองข้อมูลการศึกษาความหลากหลายของพื้นที่รวมทั้งการเรียนรู้ของแต่ละบุคคลจากซอฟต์แวร์การศึกษาคอมพิวเตอร์ได้รับการสนับสนุนการเรียนรู้การทำงานร่วมกันทดสอบคอมพิวเตอร์ที่ปรับตัว(และการทดสอบวงกว้างมากขึ้น) และปัจจัยที่เกี่ยวข้องกับความล้มเหลวของนักเรียนหรือไม่การเก็บรักษาในหลักสูตร[6 8] บางพื้นที่ที่สำคัญอื่น ๆ รวมถึงการปรับปรุงรูปแบบนักศึกษา การประยุกต์ใช้วิธี EDM ได้รับในการค้นพบหรือการปรับปรุงรูปแบบของโครงสร้างความรู้โดเมนและการศึกษาการสนับสนุนการเรียนการสอน(ทั้งในการเรียนรู้ซอฟแวร์และอื่น ๆ ในโดเมนเช่นพฤติกรรมการเรียนรู้ร่วมกัน) มีผลการวิจัยที่เพิ่มขึ้นในการใช้ข้อมูลการทำเหมืองแร่ในการศึกษา นี้สนามใหม่ใหม่ที่เรียกว่าการศึกษาการทำเหมืองข้อมูลความกังวลกับการพัฒนาวิธีการที่ค้นพบความรู้จากข้อมูลที่เกิดจากสภาพแวดล้อมการศึกษา ข้อมูลการศึกษาการทำเหมืองแร่ใช้เทคนิคหลายอย่างเช่นต้นไม้ตัดสินใจประสาทเครือข่ายไร้เดียงสา Bayes เพื่อนบ้าน K-ที่ใกล้ที่สุดและอื่นๆ อีกมากมาย ทำนายและการวิเคราะห์ผลการดำเนินงานของนักเรียนเป็นก้าวสำคัญในการศึกษาสภาพแวดล้อม ผลการเรียนของนักเรียนเป็นปัจจัยสำคัญในการสร้างอนาคตของพวกเขา [4,5] วิชาการการปฏิบัติงานของนักเรียนไม่ได้เป็นผลมาจากการมีเพียงหนึ่งปัจจัยในการตัดสินใจอย่างหนักนอกจากจะขึ้นอยู่กับปัจจัยต่างๆเช่นส่วนบุคคลทางเศรษฐกิจและสังคมจิตวิทยาและตัวแปรด้านสิ่งแวดล้อมอื่นๆ กระดาษนี้จะระบุปัจจัยที่เกี่ยวข้องกับนักเรียนที่มีผลการเรียนไม่ดีและการปรับปรุงคุณภาพของการศึกษาโดยการระบุเรียนช้าเพื่อให้ครูสามารถช่วยให้พวกเขาเป็นรายบุคคลของพวกเขาในการปรับปรุงประสิทธิภาพการทำงาน ผ่านบทความนี้ความถูกต้องของเทคนิคการจัดหมวดหมู่ในการทำนายการปฏิบัติงานของนักเรียนมีการตรวจสอบยัง วัตถุประสงค์หลักของงานนี้คือการสร้างแหล่งข้อมูลของการทำนายตัวแปรวิธีการทำเหมืองข้อมูลเพื่อศึกษาประสิทธิภาพของนักเรียนในระดับชั้นมัธยมปลายบัตรประจำตัวของผลการดำเนินงานเรียนช้า, บัตรประจำตัวของสูงที่มีอิทธิพลต่อตัวแปรการคาดการณ์ในทางวิชาการการปฏิบัติงานของนักเรียนระดับมัธยมศึกษาและจะหาขั้นตอนวิธีการจัดหมวดหมู่ที่ดีที่สุด

ผลลัพธ์ (ไทย) 3:

การทำเหมืองข้อมูลเพื่อการศึกษา ( EDM ) คือการประยุกต์ใช้เทคนิคเหมืองข้อมูลข้อมูลการศึกษา
วัตถุประสงค์ของ EDM เพื่อวิเคราะห์ข้อมูล และเพื่อแก้ไขปัญหาดังกล่าว การวิจัยการศึกษา ข้อเสนอ EDM ด้วย
พัฒนาวิธีการใหม่เพื่อสำรวจข้อมูลการศึกษา และใช้วิธีการทำเหมืองข้อมูลเพื่อความเข้าใจที่ดีขึ้นของสภาพแวดล้อมการเรียนรู้
นักเรียน [ 1-4 ]กระบวนการ EDM แปลงข้อมูลดิบที่มาจากระบบการศึกษาใน
ข้อมูลที่เป็นประโยชน์อาจมีผลกระทบที่ดีในการปฏิบัติการวิจัยทางการศึกษา . นักวิจัยการทำเหมืองข้อมูลการศึกษา
ศึกษาความหลากหลายของพื้นที่ รวมทั้งการเรียนรายบุคคลจากซอฟต์แวร์ทางการศึกษา
คอมพิวเตอร์สนับสนุนการเรียนรู้ร่วมกันแบบทดสอบคอมพิวเตอร์ ( และการทดสอบมากขึ้น
)ปัจจัยที่เกี่ยวข้องกับความล้มเหลวหรือไม่การนักเรียนในหลักสูตร [ 6,8 ] บางพื้นที่ที่สำคัญอื่น ๆรวมถึงการพัฒนาของรุ่นผู้เรียน การประยุกต์ใช้วิธี EDM ได้รับในสมาบัติ หรือปรับปรุง รูปแบบของโครงสร้างความรู้โดเมนและการเรียนการสอน ( สนับสนุนทั้งในการเรียนรู้ซอฟต์แวร์และในอื่น ๆ
โดเมน เช่น การเรียนรู้ร่วมกัน พฤติกรรม )มีการเพิ่มผลงานวิจัยการใช้การทำเหมืองข้อมูล
ในการศึกษา นี้สนามใหม่ เรียกว่าการทำเหมืองข้อมูล การศึกษา เกี่ยวข้องกับการพัฒนา
วิธีการค้นพบความรู้จากข้อมูลที่เกิดจากสภาพแวดล้อมทางการศึกษา ข้อมูลทางการศึกษา
เหมืองแร่ใช้เทคนิคหลายอย่าง เช่น การตัดสินใจของต้นไม้ , โครงข่ายประสาทเทียม , ไตได้ Bayes เพื่อนบ้านละ
, และอีกมากมายการพยากรณ์และการวิเคราะห์ของนักเรียนเป็นสำคัญในสภาพแวดล้อมทางการศึกษา

ผลการเรียนของนักเรียน เป็นปัจจัยสําคัญในการสร้างอนาคต [ 4 , 5 ] การปฏิบัติงานวิชาการของนักศึกษาไม่ใช่
" เพียงหนึ่งปัจจัยในการตัดสินใจนอกจากนี้หนักขึ้นอยู่กับปัจจัยต่าง ๆเช่น ส่วนตัว
, เศรษฐกิจ จิตวิทยา และปัจจัยสิ่งแวดล้อมอื่น ๆกระดาษนี้จะระบุ
ปัจจัยที่เกี่ยวข้องกับนักเรียนที่ผลการเรียนไม่ดีและเพื่อปรับปรุงคุณภาพของการศึกษา โดยระบุ
ช้าเพื่อให้ครูสามารถช่วยให้บุคคลเพื่อปรับปรุงประสิทธิภาพของพวกเขา

ผ่านกระดาษนี้ , ความถูกต้องของการจำแนกวิธีการทำนายสมรรถนะของ
นักเรียนนี้วัตถุประสงค์หลักของงานนี้คือ การสร้างแหล่งข้อมูลตัวแปรทำนาย
, การทำเหมืองข้อมูลวิธีการเรียนของนักเรียน ระดับมัธยมศึกษาตอนปลาย การกำหนด
งานช้า ตัวสูงมีอิทธิพลต่อตัวแปรทำนายสมรรถนะทางวิชาการของนักเรียนโรงเรียนมัธยม
และหาวิธีการที่ดีที่สุด