course. We collected all available

course. We collected all available data including their
usage of Moodle e-learning facility. We applied data
mining techniques to discover knowledge. Particularly
we discovered association rules and we sorted the rules
using lift metric then we visualized the rules. Then we
discovered classification rules using decision tree. Also
we clustered the student into group using EMclustering.
Finally, using outlier analysis we detected all
outliers in the data. Each one of these knowledge can be
used to improve the performance of student.

ผลลัพธ์ (ไทย) 1:

หลักสูตร เราเก็บรวบรวมข้อมูลมีทั้งหมดรวมทั้งของพวกเขาการใช้งานสิ่งอำนวยความสะดวกการเรียนรู้ Moodle เราใช้ข้อมูลเทคนิคการทำเหมืองแร่เพื่อค้นพบความรู้ โดยเฉพาะอย่างยิ่งเราพบกฎสมาคม และเราเรียงลำดับกฎใช้วัดยก แล้วเรา visualized กฎ แล้วเราค้นพบกฎการจัดประเภทโดยใช้ต้นไม้การตัดสินใจ นอกจากนี้เราจับกลุ่มนักเรียนเป็นกลุ่มโดยใช้ EMclusteringในที่สุด ใช้วิเคราะห์ outlier เราพบทั้งหมดoutliers ข้อมูล แต่ละคนความรู้เหล่านี้ได้ใช้เพื่อเพิ่มประสิทธิภาพของนักเรียน

ผลลัพธ์ (ไทย) 2:

หลักสูตร เราเก็บรวบรวมข้อมูลที่มีอยู่ทั้งหมดของพวกเขารวมถึง
การใช้งานของสิ่งอำนวยความสะดวก e-learning Moodle เราใช้ข้อมูล
เทคนิคการทำเหมืองที่จะค้นพบความรู้ โดยเฉพาะอย่างยิ่ง
เราค้นพบกฎสมาคมและเราเรียงลำดับกฎ
โดยใช้ตัวชี้วัดที่ลิฟท์แล้วเรามองเห็นกฎ จากนั้นเราก็
ค้นพบกฎการจัดหมวดหมู่โดยใช้ต้นไม้ตัดสินใจ นอกจากนี้
เราคลัสเตอร์นักเรียนในกลุ่มที่ใช้ EMclustering.
ในที่สุดโดยใช้การวิเคราะห์ค่าผิดปกติเราตรวจพบทั้งหมด
ค่าผิดปกติในข้อมูล แต่ละคนที่มีความรู้เหล่านี้สามารถ
ใช้ในการปรับปรุงประสิทธิภาพการทำงานของนักเรียน

ผลลัพธ์ (ไทย) 3:

แน่นอน เราเก็บรวบรวมข้อมูลที่มีอยู่ทั้งหมดรวมทั้งการใช้
Moodle e-Learning สิ่งอำนวยความสะดวก เราใช้ข้อมูล
เหมืองเทคนิคค้นพบความรู้ โดย
เราค้นพบ กฎของสมาคมเราเรียงกฎ
ใช้ยกเมตริกแล้วเรารับกฎ แล้วเรา
ค้นพบกฎการจำแนกโดยใช้ต้นไม้ตัดสินใจ
เราเป็นกลุ่มนักศึกษายังอยู่ในกลุ่มที่ใช้ emclustering .
ในที่สุดโดยใช้การวิเคราะห์เราพบค่าผิดปกติทั้งหมด
ในข้อมูล แต่ละเหล่านี้มีความรู้ความสามารถ
ใช้ปรับปรุงการปฏิบัติงานของนักเรียน