使用机器学习来预测学生早期干预和形成性评估的结果.
Bilal Baris Alkan1, Serafettin Kuzucuk1, Nesrin Alkan2
1University of Akdeniz, Antalya, Turkey.
Scientific reports
|November 13, 2025
概括
这项研究开发了一种机器学习模型,用于早期预测学生表现. 该模型识别了有风险的学生,使得及时干预能够改善学术成果.
科学领域:
- 教育技术的教育技术
- 机器学习在教育中的应用
- 预测学生成绩的方法
背景情况:
- 早期预测学生表现对于及时干预至关重要.
- 机器学习为准确的学生成绩评估提供了先进的工具.
- 早期识别有风险的学生可以显著提高学术成功率.
研究的目的:
- 开发一款用于预测学生表现的机器学习模型.
- 确定影响学生成功的关键变量.
- 创建一个学术失败的早期预警系统,并建议干预措施.
主要方法:
- 通过学生问卷收集数据.
- 使用四种机器学习算法进行分析:C5.0,CART,支持矢量机 (SVM) 和随机森林.
- 基于性能准确性和交叉验证指标的算法有效性的评估.
主要成果:
- 随机森林显示一致的交叉验证结果.
- C5.0实现了更高的测试集准确度.
- 卡特展示了最高的训练表现,并分析了性能冲突.
- 提出了一种新的分类模型,其中包含了关键的有影响力的变量.
结论:
- 提出的预测模型是早期识别有风险的学生的一个有价值的工具.
- 该模型支持形成性评估,并使及时干预成为可能.
- 它帮助教育工作者有效地响应学生的需求,并促进公平.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.6K
06:37Author Spotlight: Addressing Technical and Subjective Challenges in Measuring Classroom Attention
Published on: December 15, 2023
5.2K
