通过随机森林算法和ANFIS方法的结合,对专业学生的成就进行统计评估

科学领域:

• 教育技术的教育技术
• 教育中的人工智能
• 机器学习应用 机器学习应用

背景情况:

• 学生在职业学校的成功对于劳动力发展至关重要.
• 识别关键影响因素可以优化教育策略和学生的成绩.
• 现有的研究可能无法充分利用先进的分析方法来实现这一目的.

研究的目的:

• 应用人工智能,特别是随机森林和自适应神经模糊推理系统 (Anfis),以确定影响职业学生成功的因素.
• 分析先前的编程知识和考前要求对学生成绩的影响.
• 为改善职业教育课程和实践提供数据驱动的见解.

主要方法:

• 利用随机森林算法来识别学生成功的关键预测因素.
• 使用Anfis方法对最有影响的因素进行深入分析 (考前义务).
• 输入变量包括先前的编程知识和考前要求,被视为影响输出变量 (学生成功) 的独立因素.

主要成果:

• 确定了先前的编程知识和考前要求,作为影响学生成功的重要因素.
• 考前义务被认为是一个特别有影响力的因素,需要进行详细的调查.
• 随机森林和Anfis的组合在评估学生成绩方面被证明是有效的.

结论:

• 人工智能方法,随机森林和Anfis是分析职业学校学生成功因素的宝贵工具.
• 了解先前知识和评估要求的影响可以导致有针对性的干预.
• 这些发现为加强教育策略和提高学生在职业环境中的成绩提供了实际指导.