The research goal is to focus on sm

The research goal is to focus on small student’s data set which is analyzed using data mining approaches, thus trying to answer various HEIs questions, using the student’s courses data and the data mining tools for analysis (which are normally available to average HEIs). For HEIs the most important outcome are relatively reliable students’ success rate prediction and user friendly experience. Bukowitz and Williams (2000) advocate how technology is blurring the distinction between types of knowledge from unknown knowledge to a known one. Their study supports the conceptual model as data mining on student’s data sets which discovered some interesting key influencer and ‘‘Final grade’’ prediction to a chosen course. Moreover, as stated by the authors, small HEIs data sets can be used for analysis with data mining techniques. In these cases specific algorithms can be used to overcome the limit of data which is often not the case since most algorithms are working on a large scale databases (Wu et al., 2008).

ผลลัพธ์ (ไทย) 1:

เป้าหมายการวิจัยจะเน้นชุดข้อมูลขนาดเล็กของนักเรียนซึ่งจะวิเคราะห์โดยใช้วิธีการทำเหมืองข้อมูล จึง พยายามตอบคำถามของ HEIs ต่าง ๆ การใช้เครื่องมือการทำเหมืองข้อมูลและข้อมูลของนักศึกษาหลักสูตรวิเคราะห์ (ซึ่งโดยปกติเฉลี่ย HEIs) สำหรับ HEIs ผลลัพธ์สำคัญที่สุดจะคาดเดาอัตราสำเร็จของนักเรียนค่อนข้างเชื่อถือได้และประสบการณ์ผู้ใช้ที่เป็นมิตร Bukowitz และวิลเลียมส์ (2000) สนับสนุนว่า เทคโนโลยีจะเบลอความแตกต่างระหว่างชนิดของความรู้จากความรู้ที่ไม่รู้จักไปรู้จัก การศึกษาสนับสนุนแบบจำลองแนวคิดเป็นการทำเหมืองข้อมูลในชุดข้อมูลของนักเรียนซึ่งพบบาง influencer หลักที่น่าสนใจและทำนาย ''คะแนน '' หลักสูตรท่าน นอกจากนี้ ตามที่ระบุไว้ โดยผู้เขียน HEIs ค่าขนาดเล็กสามารถใช้สำหรับการวิเคราะห์ด้วยเทคนิคเหมืองข้อมูล ในกรณีเหล่านี้ สามารถใช้อัลกอริทึมเฉพาะเพื่อเอาชนะข้อจำกัดของข้อมูลซึ่งมักจะไม่ใช่เนื่องจากส่วนใหญ่อัลกอริทึมจะทำงานบนฐานข้อมูลขนาดใหญ่ (Wu et al., 2008)

ผลลัพธ์ (ไทย) 2:

เป้าหมายของการวิจัยคือการมุ่งเน้นข้อมูลชุดนักเรียนขนาดเล็กซึ่งมีการวิเคราะห์โดยใช้วิธีการทำเหมืองข้อมูลจึงพยายามที่จะตอบคำถามของเมลิสซ่าต่างๆโดยใช้ข้อมูลหลักสูตรของนักเรียนและเครื่องมือการทำเหมืองข้อมูลสำหรับการวิเคราะห์ (ซึ่งเป็นปกติท​​ี่มีอยู่โดยเฉลี่ยเมลิสซ่า) สำหรับเมลิสซ่าผลที่สำคัญที่สุดคือการคาดการณ์อัตราความสำเร็จของนักเรียนที่เชื่อถือได้ค่อนข้างและประสบการณ์ของผู้ใช้ที่เป็นมิตร Bukowitz และวิลเลียมส์ (2000) สนับสนุนว่าเทคโนโลยีจะทำให้ฟางแตกต่างระหว่างประเภทของความรู้จากความรู้ที่ไม่รู้จักกับหนึ่งที่รู้จักกัน การศึกษาของพวกเขาสนับสนุนรูปแบบความคิดการทำเหมืองข้อมูลเกี่ยวกับชุดข้อมูลของนักศึกษาที่ค้นพบบางอิทธิพลที่สำคัญที่น่าสนใจและ '' ชั้นประถมศึกษาปีรอบชิงชนะเลิศ '' ทำนายกับสนามได้รับการแต่งตั้ง นอกจากนี้ตามที่ระบุไว้โดยผู้เขียนข้อมูลเมลิสซ่าชุดเล็ก ๆ สามารถนำมาใช้ในการวิเคราะห์ด้วยเทคนิคการทำเหมืองข้อมูล ในกรณีเหล่านี้ขั้นตอนวิธีการที่เฉพาะเจาะจงสามารถนำมาใช้ในการเอาชนะขีด จำกัด ของข้อมูลซึ่งมักจะเป็นกรณีที่ไม่ตั้งแต่ขั้นตอนวิธีการส่วนใหญ่จะทำงานอยู่ในฐานข้อมูลขนาดใหญ่ (Wu et al., 2008)

ผลลัพธ์ (ไทย) 3:

เป้าหมายการวิจัยคือการมุ่งเน้นข้อมูลนักเรียนขนาดเล็กชุด ซึ่งวิเคราะห์โดยวิธีการทำเหมืองข้อมูล จึงพยายามที่จะตอบคำถามลิฟท์ต่างๆ ของนักศึกษาหลักสูตรและข้อมูลเครื่องมือเหมืองแร่ที่ใช้เพื่อการวิเคราะห์ ( ซึ่งโดยปกติจะใช้ลิฟท์เฉลี่ย ) สำหรับลิฟท์ ผลที่สำคัญที่สุดคือนักเรียนที่เชื่อถือได้ค่อนข้างประสบความสำเร็จอัตราการคาดการณ์และประสบการณ์ผู้ใช้ที่เป็นมิตรbukowitz วิลเลียมส์ ( 2000 ) และสนับสนุนว่าเทคโนโลยีจะเบลอความแตกต่างระหว่างชนิดของความรู้ จากความรู้ที่รู้จักคนหนึ่ง การศึกษาของตนเองสนับสนุนแนวคิดแบบจำลองการทำเหมืองข้อมูลในนักเรียนของชุดข้อมูลที่ค้นพบบางอย่างที่น่าสนใจและ 'final คีย์อิทธิพล ' เกรด ' ' ทำนายการเลือกหลักสูตร นอกจากนี้ตามที่ระบุไว้โดยผู้เขียนชุดข้อมูลมีขนาดเล็กสามารถใช้สำหรับการวิเคราะห์ด้วยเทคนิคการทำเหมืองข้อมูล ในกรณีเหล่านี้ขั้นตอนวิธีการเฉพาะ สามารถใช้เพื่อเอาชนะข้อจำกัดของข้อมูลซึ่งมักจะไม่กรณีเนื่องจากอัลกอริทึมส่วนใหญ่จะทำงานในระดับฐานข้อมูลขนาดใหญ่ ( Wu et al . , 2008 )