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:

การเติบโตของขนาดข้อมูลทางวิชาการในสถาบันอุดมศึกษาเพิ่มขึ้นอย่างรวดเร็ว ปริมาณนี้มากรวบรวมข้อมูลจากหลายปีประกอบด้วยความรู้ที่ซ่อนอยู่ ซึ่งสามารถช่วยปรับปรุงประสิทธิภาพคุณภาพและนักศึกษา ประสิทธิภาพการทำงานของนักเรียนได้รับผลกระทบจากหลายปัจจัย ในการศึกษานี้ ข้อมูลที่ใช้สำหรับการทำเหมืองข้อมูลมีนักข้อมูลส่วนตัว ศึกษาข้อมูล ข้อมูลเข้า และข้อมูลทางวิชาการ NBTree จัดประเภทเทคนิค วิธีการทำเหมืองข้อมูล อย่างใดอย่างหนึ่งถูกนำมาใช้เพื่อทำนายประสิทธิภาพของนักเรียน ทดลองหลายดำเนินเยือนแบบทำนายผลการปฏิบัติงานของนักเรียน ป้ายชื่อคลาของประสิทธิภาพการทำงานของนักศึกษามีสถานะนักศึกษา บัณฑิตเคต และความยาวของการศึกษา การทดลองได้ดำเนินการจัดประเภทสองชั้น ระดับมหาวิทยาลัย และระดับคณะ รุ่น resulted ระบุว่า บางแอตทริบิวต์มีอิทธิพลสำคัญกว่าประสิทธิภาพการทำงานของนักเรียน

ผลลัพธ์ (ไทย) 2:

การเจริญเติบโตของขนาดของข้อมูลทางวิชาการในสถาบันการศึกษาระดับสูงเพิ่มขึ้นอย่างรวดเร็ว นี้ปริมาณมากของการเก็บรวบรวมข้อมูลจากหลายปีมีความรู้ที่ซ่อนอยู่ซึ่งสามารถช่วยให้การพัฒนาคุณภาพการศึกษาและประสิทธิภาพการทำงานของนักเรียน ผลการดำเนินงานของนักเรียนได้รับผลกระทบจากหลายปัจจัย ในการศึกษานี้ข้อมูลที่ใช้สำหรับการทำเหมืองข้อมูลคือนักเรียนข้อมูลส่วนบุคคล, ข้อมูลการศึกษาข้อมูลที่รับเข้าเรียนและข้อมูลทางวิชาการ เทคนิคการจัดหมวดหมู่ NBTree ซึ่งเป็นหนึ่งในวิธีการทำเหมืองข้อมูลถูกนำมาใช้ในการคาดการณ์ผลการดำเนินงานของนักเรียน หลายการทดลองได้ดำเนินการในการค้นพบรูปแบบการคาดการณ์ผลการดำเนินงานสำหรับนักศึกษา ป้ายชั้นเรียนของนักเรียนผลการดำเนินงานเป็นนักศึกษา 'สถานะในการศึกษาจบการศึกษาภาคและระยะเวลาของการศึกษา ได้ทำการทดลองกับการจัดสองระดับระดับมหาวิทยาลัยและระดับคณะ รูปแบบผลการวิจัยพบว่าคุณลักษณะบางอย่างมีอิทธิพลสำคัญกว่าผลการดำเนินงานของนักเรียน

ผลลัพธ์ (ไทย) 3:

การเจริญเติบโตของขนาดข้อมูลด้านวิชาการในสถาบันอุดมศึกษาเพิ่มขึ้นอย่างรวดเร็ว ขนาดใหญ่ปริมาณของการเก็บรวบรวมข้อมูลจากหลายปีมีความรู้ซ่อนอยู่ ซึ่งจะช่วยปรับปรุงคุณภาพของการศึกษาและการปฏิบัติของนักเรียน การแสดงของนักเรียน จะได้รับผลกระทบจากหลายปัจจัย ในการศึกษานี้ ใช้ข้อมูลเหมืองแร่ข้อมูลนักเรียนข้อมูลส่วนบุคคล ข้อมูล การศึกษาข้อมูลการรับเข้า และข้อมูลทางวิชาการ nbtree หมวดหมู่เทคนิค หนึ่งในวิธีการทำเหมืองข้อมูล ถูกใช้เพื่อทำนายสมรรถนะของผู้เรียน การทดลองหลายคือการค้นพบแบบจำลองการทำนายสมรรถนะของผู้เรียน เรียนการแสดงฉลากของนักศึกษาของนักศึกษาสถานะการศึกษาบัณฑิตภาคแสดงและระยะเวลาในการศึกษาผลจากการทดลองกับการจำแนกระดับ , ระดับมหาวิทยาลัยและระดับคณะ ผลการศึกษาพบว่า คุณลักษณะของรูปแบบบางมีอิทธิพลอย่างมีนัยสำคัญมากกว่าผลงานของนักเรียน