USING DATA MINING TO PREDICTAlthoug

USING DATA MINING TO PREDICT
Although the educational level of the Portuguese population
has improved in the last decades, the statistics
keep Portugal at Europe’s tail end due to its high student
failure rates. In particular, lack of success in the
core classes of Mathematics and the Portuguese language
is extremely serious. On the other hand, the
fields of Business Intelligence (BI)/Data Mining (DM),
which aim at extracting high-level knowledge from raw
data, offer interesting automated tools that can aid the
education domain. The present work intends to approach
student achievement in secondary education using
BI/DM techniques. Recent real-world data (e.g.
student grades, demographic, social and school related
features) was collected by using school reports and questionnaires.
The two core classes (i.e. Mathematics and
Portuguese) were modeled under binary/five-level classification
and regression tasks. Also, four DM models
(i.e. Decision Trees, Random Forest, Neural Networks
and Support Vector Machines) and three input
selections (e.g. with and without previous grades) were
tested. The results show that a good predictive accuracy
can be achieved, provided that the first and/or second
school period grades are available. Although student
achievement is highly influenced by past evaluations, an
explanatory analysis has shown that there are also other
relevant features (e.g. number of absences, parent’s job
and education, alcohol consumption). As a direct outcome
of this research, more efficient student prediction
tools can be be developed, improving the quality of education
and enhancing school resource management.

ผลลัพธ์ (ไทย) 1:

ใช้การทำเหมืองข้อมูลเพื่อทำนายแม้ว่าระดับการศึกษาของประชากรโปรตุเกสมีการปรับปรุงในทศวรรษ สถิติทำให้โปรตุเกสที่ปลายหางของยุโรปเนื่องจากของนักเรียนสูงอัตราความล้มเหลว โดยเฉพาะอย่างยิ่ง ขาดความสำเร็จในการสอนหลักคณิตศาสตร์และภาษาโปรตุเกสเป็นเรื่องที่รุนแรงมาก บนมืออื่น ๆ การฟิลด์ของข่าวกรองธุรกิจ (BI) / ข้อมูลทำเหมืองแร่ (DM),ซึ่งจุดมุ่งหมายในการแยกความรู้ระดับสูงจากวัตถุดิบข้อมูล ข้อเสนอที่น่าสนใจโดยอัตโนมัติเครื่องมือที่สามารถช่วยในการศึกษาโดเมน ทำงานอยู่สองสามวิธีผลสัมฤทธิ์นักเรียนในการศึกษาเทคนิค BI/DM ข้อมูลจริงล่าสุด (เช่นนักเรียนเกรด ประชากร สังคม และโรงเรียนที่เกี่ยวข้องลักษณะการทำงาน) รวบรวมโดยโรงเรียนรายงานและแบบสอบถามทั้งสองหลักเรียน (เช่นคณิตศาสตร์ และโปรตุเกส) ได้สร้างแบบจำลองภายใต้ประเภทไบนารี/ห้าระดับและงานถดถอย ยัง DM 4 รุ่น(เช่นตัดสินใจต้นไม้ ป่าสุ่ม ประสาทเครือข่ายและสนับสนุน เครื่องแบบเวกเตอร์) และป้อนข้อมูลทั้งสามถูกเลือก (เช่นมี และไม่ มีเกรดก่อนหน้า)ทดสอบ ผลลัพธ์แสดงว่าความถูกต้องของงานที่ดีสามารถทำได้ ได้จัดให้มีการแรก หรือสองรอบระยะเวลาที่คุณครูมี แม้ว่านักเรียนความสำเร็จสูงได้รับอิทธิพล โดยผ่านการประเมิน การอธิบายวิเคราะห์ได้แสดงว่า ยังมีอื่น ๆคุณลักษณะที่เกี่ยวข้อง (เช่นการขาดงาน งานหลักทางการ ศึกษา แอลกอฮอล์) เป็นผลโดยตรงของงานวิจัยนี้ คาดเดามากนักเครื่องมือสามารถถูกพัฒนา ปรับปรุงคุณภาพการศึกษาและเพิ่มประสิทธิภาพการจัดการทรัพยากรของโรงเรียน

ผลลัพธ์ (ไทย) 2:

ใช้เหมืองแร่เพื่อทำนาย
ถึงแม้ว่าระดับการศึกษาของประชากรโปรตุเกส
ได้รับการปรับปรุงในทศวรรษที่ผ่านมาสถิติการ
เก็บโปรตุเกสที่ปลายหางของยุโรปเนื่องจากนักเรียนสูง
อัตราความล้มเหลว โดยเฉพาะอย่างยิ่งการขาดของความสำเร็จใน
การเรียนหลักของคณิตศาสตร์และภาษาโปรตุเกส
เป็นอย่างมาก ในทางตรงกันข้าม,
สาขาของ Business Intelligence (BI) / การทำเหมืองข้อมูล (DM)
ซึ่งมีจุดมุ่งหมายที่การสกัดความรู้ระดับสูงจากดิบ
ข้อมูลมีเครื่องมืออัตโนมัติที่น่าสนใจที่สามารถช่วย
โดเมนการศึกษา การทำงานในปัจจุบันมีความตั้งใจที่จะเข้าใกล้
ความสำเร็จของนักเรียนในการศึกษาระดับมัธยมศึกษาโดยใช้
BI / เทคนิค DM ข้อมูลที่โลกแห่งความจริงที่ผ่านมา (เช่น
เกรดนักเรียนประชากรสังคมและโรงเรียนที่เกี่ยวข้องกับ
องค์ประกอบ) ถูกเก็บรวบรวมโดยใช้ผลการเรียนและแบบสอบถาม.
สองชั้นหลัก (เช่นคณิตศาสตร์และ
ภาษาโปรตุเกส) เป็นรูปแบบภายใต้ไบนารี / การจัดหมวดหมู่ห้าระดับ
และงานที่ถดถอย นอกจากนี้สี่รุ่น DM
(เช่นต้นไม้ตัดสินใจป่าสุ่มโครงข่ายประสาท
และการสนับสนุน Vector Machines) และสามการป้อนข้อมูล
การเลือก (เช่นที่มีและไม่มีเกรดก่อนหน้า) ได้รับการ
ทดสอบ ผลปรากฏว่ามีความถูกต้องคาดการณ์ที่ดี
สามารถทำได้โดยมีเงื่อนไขว่าเป็นครั้งแรกและ / หรือสอง
เกรดระยะเวลาที่โรงเรียนมีอยู่ แม้ว่านักศึกษา
สำเร็จที่ได้รับอิทธิพลอย่างสูงจากการประเมินผลที่ผ่านมา
การวิเคราะห์อธิบายได้แสดงให้เห็นว่ายังมีคนอื่น ๆ
คุณสมบัติที่เกี่ยวข้อง (เช่นจำนวนของการขาดงานของผู้ปกครอง
และการศึกษาการบริโภคเครื่องดื่มแอลกอฮอล์) เป็นผลโดยตรง
ของการวิจัยนี้ทำนายนักเรียนมีประสิทธิภาพมากขึ้น
เครื่องมือที่สามารถนำมาพัฒนาปรับปรุงคุณภาพของการศึกษา
และการเสริมสร้างการบริหารจัดการทรัพยากรโรงเรียน

ผลลัพธ์ (ไทย) 3:

การใช้เหมืองข้อมูลทำนาย
ถึงแม้ว่าระดับการศึกษาของโปรตุเกสประชากร
ดีขึ้นในทศวรรษที่ผ่านมา , สถิติ
ให้โปรตุเกสในยุโรปปลายหาง เนื่องจากมีนักเรียนมัธยม
ความล้มเหลวอัตรา โดยเฉพาะการขาดความสำเร็จใน
คลาสหลักของคณิตศาสตร์และภาษาอังกฤษ
เป็นเรื่องร้ายแรงมาก บนมืออื่น ๆ ,
ด้านข่าวกรองธุรกิจ ( BI ) / เหมืองข้อมูล ( DM ) ,
ซึ่งมุ่งสกัดความรู้พื้นฐานจากข้อมูลดิบ
, ข้อเสนอที่น่าสนใจอัตโนมัติ เครื่องมือที่สามารถช่วย
โดเมนของการศึกษา งานปัจจุบันเน้นวิธีการเรียนในระดับมัธยมศึกษาการ

เทคนิคบี / DM . โลก - ข้อมูลล่าสุด ( เช่น
นักเรียนเกรด ประชากร สังคม และโรงเรียนที่เกี่ยวข้อง
คุณสมบัติ ) คือการรวบรวมรายงานของโรงเรียน และแบบสอบถาม .
2 คลาสหลัก เช่น คณิตศาสตร์ และภาษาอังกฤษ มีแบบ
) ภายใต้งานไบนารี /
5 ระดับการจำแนกและการถดถอย นอกจากนี้สี่ DM รุ่น
( เช่นการตัดสินใจแบบต้นไม้ ป่า
โครงข่ายประสาทเทียมและเครื่องเวกเตอร์สนับสนุน ) และสามเข้า
เลือก ( เช่นที่มีและไม่มีเกรดก่อน )
ทดสอบผลลัพธ์ที่แสดงให้เห็นว่า
ความถูกต้องพยากรณ์ที่ดีสามารถเกิดขึ้นได้โดยที่แรกและ / หรือเกรดระยะเวลาสองโรงเรียน
เป็นใช้ได้ ถึงแม้ว่านักศึกษา
สำเร็จได้รับอิทธิพลอย่างสูงจากอดีต ประเมินผลการ
การวิเคราะห์อธิบายได้แสดงให้เห็นว่ายังมีคุณลักษณะที่เกี่ยวข้องอื่น ๆ

งานของพ่อแม่ เช่น จำนวนการขาดเรียน และการศึกษา แอลกอฮอล์ ) เป็นผลโดยตรง
วิจัยเครื่องมือทำนาย
นักเรียนมีประสิทธิภาพมากขึ้นสามารถได้รับการพัฒนา ปรับปรุงคุณภาพของการศึกษาและการส่งเสริมการจัดการทรัพยากร

โรงเรียน .