This data approach student achievem

This data approach student achievement in secondary education of two Portuguese schools. The data attributes include student grades, demographic, social and school related features) and it was collected by using school reports and questionnaires. Two datasets are provided regarding the performance in two distinct subjects: Mathematics (mat) and Portuguese language (por). In [Cortez and Silva, 2008], the two datasets were modeled under binary/five-level classification and regression tasks. Important note: the target attribute G3 has a strong correlation with attributes G2 and G1. This occurs because G3 is the final year grade (issued at the 3rd period), while G1 and G2 correspond to the 1st and 2nd period grades. It is more difficult to predict G3 without G2 and G1, but such prediction is much more useful (see paper source for more details).

ผลลัพธ์ (ไทย) 1:

ข้อมูลวิธีการเรียนในมัธยมปลายของโรงเรียนสองภาษาโปรตุเกส รวมแอตทริบิวต์ข้อมูลเกรดนักศึกษา สังคม ประชากร และคุณสมบัติที่เกี่ยวข้องของโรงเรียน) และเก็บข้อมูล โดยใช้แบบสอบถามและรายงานของโรงเรียนนี้ มีให้สองชุดข้อมูลเกี่ยวกับประสิทธิภาพการทำงานในสองวิชาที่แตกต่าง: คณิตศาสตร์ (เสื่อ) และภาษาโปรตุเกส (ภงด) ใน [Cortez และ Silva, 2008], datasets สองถูกจำลองภายใต้งานจัดประเภทและการถดถอยของไบนารี/ห้าระดับ หมายเหตุ: แอตทริบิวต์เป้าหมาย G3 มีความสัมพันธ์ที่แข็งแกร่งกับแอตทริบิวต์ G1 และ G2 ปัญหานี้เกิดขึ้นเนื่องจาก G3 เป็นปีสุดท้ายคะแนน (ออกในงวดที่ 3) , ในขณะที่ G1 และ G2 ตรงกับเกรดรอบ 1 และ 2 ก็ยากต่อการทำนาย โดย G1 และ G2 G3 แต่การคาดเดาดังกล่าวจะเป็นประโยชน์มากขึ้น (ดูแหล่งกระดาษสำหรับรายละเอียดเพิ่มเติม)

ผลลัพธ์ (ไทย) 2:

นี้ผลสัมฤทธิ์ทางการเรียนวิธีการข้อมูลในการศึกษาระดับมัธยมศึกษาของโรงเรียนสองภาษาโปรตุเกส แอตทริบิวต์ข้อมูล ได้แก่ เกรดนักเรียนประชากรคุณลักษณะที่เกี่ยวข้องทางสังคมและโรงเรียน) และจะถูกเก็บรวบรวมโดยใช้ผลการเรียนและแบบสอบถาม สองชุดข้อมูลที่มีให้เกี่ยวกับประสิทธิภาพในสองวิชาที่แตกต่าง: คณิตศาสตร์ (เสื่อ) และภาษาโปรตุเกส (ปอ) ใน [คอร์เตซและซิลวา 2008] ทั้งสองชุดข้อมูลที่ถูกจำลองภายใต้ไบนารีการจำแนกประเภท / ระดับห้าและงานถดถอย หมายเหตุสำคัญ: G3 แอตทริบิวต์เป้าหมายมีความสัมพันธ์ที่แข็งแกร่งกับคุณลักษณะและ G2 G1 นี้เกิดขึ้นเนื่องจาก G3 เป็นปีสุดท้ายเกรด (ออกในช่วงที่ 3) ในขณะที่ G1 และ G2 ตรงกับวันที่ 1 และเกรดระยะเวลา 2 มันเป็นเรื่องยากมากที่จะคาดการณ์ G3 โดยไม่ต้อง G2 และ G1 แต่การคาดการณ์ดังกล่าวเป็นประโยชน์มากขึ้น (ดูแหล่งกระดาษสำหรับรายละเอียดเพิ่มเติม)

ผลลัพธ์ (ไทย) 3:

วิธีนี้ข้อมูลผลสัมฤทธิ์ทางการเรียนในระดับมัธยมศึกษาของโรงเรียน 2 โปรตุเกส ข้อมูลคุณลักษณะรวมถึงนักเรียนเกรด ประชากร สังคม และโรงเรียนที่เกี่ยวข้องคุณสมบัติ ) และมันคือการรวบรวมรายงานโรงเรียน และแบบสอบถาม สองชุดข้อมูลให้เกี่ยวกับการแสดงที่แตกต่างกันสองวิชา : คณิตศาสตร์ ( MAT ) และภาษาโปรตุเกส ( ปอ ) ในคอร์เตซและ ซิลวา , 2008 ] สองชุดข้อมูลเป็นแบบภายใต้งานหมวดหมู่ห้าระดับไบนารี / และการถดถอย หมายเหตุ : เป้าหมายของ G3 มีความสัมพันธ์ที่แข็งแกร่งกับคุณลักษณะ และ G1 G2 . ปัญหานี้เกิดขึ้นเนื่องจาก G3 คือ เกรด ปีสุดท้าย ( ที่ออกในช่วงที่ 3 ) ในขณะที่ G1 และ G2 สอดคล้องกับเกรด 1 และ 2 ช่วง มันเป็นเรื่องยากที่จะทำนายโดย G1 G2 G3 และ แต่การคาดการณ์ดังกล่าวเป็นประโยชน์มากขึ้น ( ดูแหล่งกระดาษสำหรับรายละเอียดเพิ่มเติม )