The research by Kalles and Pierrake

The research by Kalles and Pierrakeas (2004) analyzed students’ academic performance through the academic years measuring students’ homework assignments, and implemented short rules that explain success and predict success or failure in the final exams. Ibrahim and Rusli (2007) used neural network, decision tree, and linear regression to estimate students’ academic performance. In this work, they used demographic profiles and students’ first semester cumulative grade point averages (CGPA) to predict final CGPA.

ผลลัพธ์ (ไทย) 1:

การวิจัย โดย Kalles และ Pierrakeas (2004) วิเคราะห์ผลการศึกษาของนักเรียน โดยการวัดการบ้านนักเรียนปีการศึกษา และใช้กฎสั้น ๆ ที่อธิบายความสำเร็จ และทำนายความสำเร็จหรือความล้มเหลวในการสอบขั้นสุดท้าย อิบรอฮีมและ Rusli (2007) ใช้โครงข่ายประสาท ต้นไม้การตัดสินใจ และถดถอยเชิงเส้นในการประเมินผลการศึกษาของนักเรียน ในงานนี้ พวกเขาใช้โพรไฟล์ประชากรและนักแรกภาคสะสมเกรดจุดค่าเฉลี่ย (CGPA) ทำนาย CGPA สุดท้าย

ผลลัพธ์ (ไทย) 2:

การวิจัยโดย Kalles และ Pierrakeas (2004) การวิเคราะห์ของนักเรียนผลการเรียนปีที่ผ่านมานักวิชาการวัดของนักเรียนที่ได้รับมอบหมายการบ้านและดำเนินการตามกฎสั้น ๆ ที่อธิบายความสำเร็จและทำนายความสำเร็จหรือความล้มเหลวในการสอบครั้งสุดท้าย อิบราฮิมและ Rusli (2007) ใช้เครือข่ายประสาท, ต้นไม้ตัดสินใจและการถดถอยเชิงเส้นที่จะประเมินผลการเรียนของนักเรียน ในงานนี้พวกเขาใช้โปรไฟล์ประชากรและนักเรียนครั้งแรกของภาคการศึกษาเกรดเฉลี่ยสะสม (CGPA) ในการทำนาย CGPA สุดท้าย

ผลลัพธ์ (ไทย) 3:

งานวิจัยโดย kalles pierrakeas ( 2004 ) และวิเคราะห์การปฏิบัติงานด้านวิชาการของนักเรียนผ่านปีการศึกษาวัดมอบหมายการบ้านของนักเรียน และใช้กฎที่อธิบายสั้นๆ ความสำเร็จ และคาดการณ์ความสำเร็จ หรือความล้มเหลวในการสอบขั้นสุดท้าย บราฮิม และ rusli ( 2007 ) ใช้เครือข่ายประสาทและต้นไม้การตัดสินใจ , การถดถอยเชิงเส้นเพื่อประเมินการปฏิบัติงานวิชาการ ของนักเรียน ในงานนี้พวกเขาใช้โปรไฟล์ประชากรและนักศึกษาภาคเรียนที่ 1 เกรดเฉลี่ย ( cgpa ) ทำนาย cgpa ขั้นสุดท้าย