The growth of academic data size in

The growth of academic data size in higher
education institutions increases rapidly. This huge volume of
data collection from many years contains hidden knowledge,
which can assist the improvement of education quality and
students performance. Students’ performance is affected by
many factors. In this study, the data used for data mining were
students’ personal data, education data, admission data, and
academic data. NBTree classification technique, one of data
mining methods, was adopted to predict the performance of
students. Several experiments were performed to discover a
prediction model for students’ performance. The class labels of
students’ performance were students’ status in study, graduates
predicates, and length of study. The experiments were conducted
with two-level classification, the university level and faculty level.
The resulted model indicated that some attributes had significant
influence over students’ performance.

ผลลัพธ์ (ไทย) 1:

การเติบโตของข้อมูลวิชาการขนาดในสูงขึ้นสถาบันการศึกษาเพิ่มขึ้นอย่างรวดเร็ว ปริมาณนี้มากรวบรวมข้อมูลจากหลายปีประกอบด้วยความรู้ที่ซ่อนอยู่ซึ่งสามารถช่วยปรับปรุงคุณภาพการศึกษา และประสิทธิภาพของนักเรียน จะมีผลต่อประสิทธิภาพการทำงานของนักเรียนปัจจัยหลายอย่าง ในการศึกษานี้ มีข้อมูลที่ใช้สำหรับการทำเหมืองข้อมูลข้อมูลส่วนบุคคลของนักเรียน ศึกษาข้อมูล ข้อมูลเข้า และข้อมูลทางวิชาการ NBTree จัดประเภทเทคนิค ข้อมูลอย่างใดอย่างหนึ่งวิธีการทำเหมืองแร่ ถูกนำมาใช้เพื่อทำนายประสิทธิภาพของนักเรียน ดำเนินการทดลองต่าง ๆ ได้แบบจำลองทำนายการปฏิบัติงานของนักเรียน ป้ายชื่อประเภทของประสิทธิภาพการทำงานของนักศึกษามีสถานะของนักเรียนในการศึกษา บัณฑิตเพรดิเคต และความยาวของการศึกษา ได้ดำเนินการทดลองประเภทสองชั้น ระดับมหาวิทยาลัย และระดับคณะรุ่น resulted บ่งชี้ว่า คุณลักษณะบางอย่างมีอย่างมีนัยสำคัญอิทธิพลประสิทธิภาพของนักเรียน

ผลลัพธ์ (ไทย) 2:

การเจริญเติบโตของขนาดของข้อมูลทางวิชาการที่สูงขึ้นใน
สถาบันการศึกษาที่เพิ่มขึ้นอย่างรวดเร็ว นี้ปริมาณมากของ
การเก็บรวบรวมข้อมูลจากหลายปีมีความรู้ที่ซ่อนอยู่
ซึ่งสามารถช่วยให้การพัฒนาคุณภาพการศึกษาและ
ประสิทธิภาพการทำงานของนักเรียน ผลการดำเนินงานของนักเรียนได้รับผลกระทบจาก
หลายปัจจัย ในการศึกษานี้ข้อมูลที่ใช้สำหรับการทำเหมืองข้อมูลคือ
นักเรียนข้อมูลส่วนบุคคลข้อมูลการศึกษาข้อมูลการรับสมัครและ
ข้อมูลทางวิชาการ เทคนิคการจัดหมวดหมู่ NBTree หนึ่งของข้อมูล
วิธีการทำเหมืองแร่ถูกนำมาใช้ในการคาดการณ์ผลการดำเนินงานของ
นักเรียน หลายการทดลองได้ดำเนินการที่จะค้นพบ
รูปแบบการคาดการณ์ผลการดำเนินงานสำหรับนักศึกษา ป้ายชื่อชั้นเรียนของ
นักเรียนผลการดำเนินงานเป็นนักศึกษาสถานะในการศึกษาจบการศึกษา
ภาคและระยะเวลาของการศึกษา ทดลอง
ด้วยการจำแนกประเภทสองระดับระดับมหาวิทยาลัยและระดับคณะ.
รูปแบบผลการวิจัยพบว่าคุณลักษณะบางอย่างมีนัยสำคัญ
มีอิทธิพลเหนือผลการดำเนินงานของนักเรียน

ผลลัพธ์ (ไทย) 3:

การเจริญเติบโตของขนาดข้อมูลทางวิชาการสูงกว่า
สถาบันอุดมศึกษาเพิ่มขึ้นอย่างรวดเร็ว ขนาดใหญ่ปริมาณของการจัดเก็บข้อมูลจากหลายปี

มีซ่อนความรู้ ซึ่งสามารถช่วยปรับปรุงคุณภาพของการศึกษาและ
ผลงานนักเรียน การแสดงของนักเรียนได้รับผลกระทบโดย
หลายปัจจัย ในการศึกษานี้ ใช้ข้อมูลเหมืองแร่ข้อมูล
นักเรียน ข้อมูลส่วนตัว ข้อมูลการศึกษาข้อมูลการรับเข้าและ
ข้อมูลทางวิชาการ nbtree หมวดหมู่เทคนิค หนึ่งในวิธีการทำเหมืองข้อมูล
เป็นลูกบุญธรรมเพื่อทำนายสมรรถนะ
นักเรียน การทดลองหลายคือการค้นพบ
แบบจำลองการทำนายสมรรถนะของผู้เรียน ชั้นเรียนการแสดงฉลากของ
นักศึกษานักศึกษาสถานภาพการศึกษาบัณฑิต
ภาคแสดงและระยะเวลาในการศึกษา การทดลอง
กับการจำแนกระดับ , ระดับมหาวิทยาลัยและระดับคณะ โดยรูปแบบ
พบว่าคุณลักษณะบางอย่างมีอิทธิพลอย่างมีนัยสำคัญ
ผ่านการแสดงของนักศึกษา