Recommender systems are widely used

Recommender systems are widely used in many areas, especially in e-commerce. Recently, they are also applied in e-learning tasks such as recommending resources (e.g. papers, books,..) to the learners (students). In this work, we propose a novel approach which uses recommender system techniques for educational data mining, especially for predicting student performance. To validate this approach, we compare recommender system techniques with traditional regression methods such as logistic/linear regression by using educational data for intelligent tutoring systems. Experimental results show that the proposed approach can improve prediction results.

ผลลัพธ์ (ไทย) 1:

ระบบผู้แนะนำใช้ในหลายพื้นที่ โดยเฉพาะอย่างยิ่งใน e-commerce เมื่อเร็ว ๆ นี้ พวกเขาจะยังใช้ในงานการศึกษาเช่นการแนะนำทรัพยากร (เช่นเอกสาร หนังสือ, ...) การเรียน (นักเรียน) ในงานนี้ เรานำเสนอวิธีการใหม่ที่ใช้เทคนิคระบบผู้แนะนำสำหรับการศึกษาการทำเหมืองข้อมูล โดยเฉพาะอย่างยิ่งสำหรับการทำนายประสิทธิภาพการทำงานของนักเรียน การตรวจสอบวิธีการนี้ เราเปรียบเทียบเทคนิคระบบผู้แนะนำวิธีการถดถอยแบบดั้งเดิมเช่นการถดถอยโลจิสติกเส้น โดยใช้ข้อมูลการศึกษาสำหรับระบบกวดวิชาอัจฉริยะ ผลการทดลองแสดงว่า วิธีการนำเสนอสามารถปรับปรุงผลลัพธ์การคาดเดา

ผลลัพธ์ (ไทย) 2:

ระบบ Recommender ใช้กันอย่างแพร่หลายในหลายพื้นที่โดยเฉพาะอย่างยิ่งใน E-commerce เมื่อเร็ว ๆ นี้พวกเขาจะใช้ในงาน e-learning เช่นแนะนำทรัพยากร (เช่นเอกสาร, หนังสือ, .. ) ที่จะเรียน (นักเรียน) ในงานนี้เรานำเสนอแนวทางใหม่ที่ใช้เทคนิคระบบ recommender สำหรับการทำเหมืองข้อมูลการศึกษาโดยเฉพาะอย่างยิ่งในการทำนายผลการปฏิบัติงานของนักเรียน ในการตรวจสอบวิธีการนี​​้เราเปรียบเทียบเทคนิคระบบ recommender ด้วยวิธีการถดถอยแบบดั้งเดิมเช่นโลจิสติก / ถดถอยเชิงเส้นโดยใช้ข้อมูลการศึกษาสำหรับระบบการสอนที่ชาญฉลาด ผลการทดลองแสดงให้เห็นว่าวิธีการที่นำเสนอสามารถปรับปรุงผลการทำนาย

ผลลัพธ์ (ไทย) 3:

แนะนำระบบที่ใช้กันอย่างแพร่หลายในหลายพื้นที่ โดยเฉพาะอย่างยิ่งในอีคอมเมิร์ซ เมื่อเร็ว ๆนี้ พวกเขายังใช้ในการเรียนรู้งาน เช่น แนะนำทรัพยากร ( เช่น เอกสาร . . . . . . . หนังสือ ) ผู้เรียน ( นักเรียน ) ในงานนี้ได้นำเสนอแนวทางใหม่ซึ่งใช้เทคนิคเหมืองข้อมูลระบบแนะนำสำหรับการศึกษา โดยเฉพาะในการปฏิบัติงานของนักศึกษา เพื่อตรวจสอบวิธีนี้เราเปรียบเทียบเทคนิคแนะนำระบบด้วยวิธีการถดถอยแบบดั้งเดิมเช่นโลจิสติก / การถดถอยเชิงเส้น โดยการศึกษาข้อมูลเพื่อใช้สอนเสริมอัจฉริยะระบบ ผลการทดลองแสดงให้เห็นว่าวิธีการที่เสนอสามารถปรับปรุงผลคำทำนาย