[論文レビュー] A Proposed Decision Support System/Expert System for Guiding Fresh Students in Selecting a Faculty in Gomal University, Pakistan

Muhammad Zaheer Aslam, NasimUllah+1 more|arXiv (Cornell University)|Apr 9, 2011

Big Data and Business Intelligence参考文献 2被引用数 10

ひとこと要約

本論文は、パキスタン・ゴマル大学の新入工学・理学部学生が最も適した学部を選択できるように支援するルールベースの意思決定支援システム（DSS）およびエキスパートシステムを提案する。学生の学業成績、認知的能力（知能、理解力、数学的スキル）を評価し、ルールベースの論理を適用することで、学生の能力に適合する学部を特定し、能力評価をカスタマイズして提示する。このシステムにより、意思決定を支援する入学選択が向上する。

ABSTRACT

This paper presents the design and development of a proposed rule based Decision Support System that will help students in selecting the best suitable faculty/major decision while taking admission in Gomal University, Dera Ismail Khan, Pakistan. The basic idea of our approach is to design a model for testing and measuring the student capabilities like intelligence, understanding, comprehension, mathematical concepts plus his/her past academic record plus his/her intelligence level, and applying the module results to a rule-based decision support system to determine the compatibility of those capabilities with the available faculties/majors in Gomal University. The result is shown as a list of suggested faculties/majors with the student capabilities and abilities.

研究の動機と目的

• パキスタンの新入大学学生における不適切な専攻選択の問題に対処すること。
• データドリブンなガイダンスを提供することで、学業離脱を低減し、学生満足度を向上させること。
• 学生の能力とゴマル大学の利用可能な学部を統合する意思決定支援システムを開発すること。
• 学生のプロファイルに基づいて、適切な学部を推薦するルールベースのエキスパートシステムを構築すること。

提案手法

• 本システムは、過去の学業成績、知能水準、理解力、数学的能力を含む学生データを収集する。
• 学生の能力と学部の要件を照合するために、ルールベースの推論エンジンを適用する。
• 学業的および認知的基準に基づいて導出された事前定義ルールを用いて、学生プロファイルを評価する。
• 適合スコアに基づいて、推薦される学部の順位付けされたリストを出力する。
• 適合性を計算するために、学部固有の要件と学生属性の知識ベースをモデルが使用する。
• 最終的な推薦には、提案された学部に加え、学生の能力が各学部とどのように一致するかの分解が含まれる。

実験結果

リサーチクエスチョン

• RQ1 意思決定支援システムは、どのように学業成績と認知的能力を統合して、学生の専攻選択を支援できるか？
• RQ2 どのようなルールベース論理が、ゴマル大学の利用可能な学部と学生の能力を信頼性高く照合できるか？
• RQ3 このようなシステムは、学生の適性と選択された専攻との不一致をどの程度低減できるか？
• RQ4 学生の自己評価と過去の学業成績をどのように統合すれば、推薦の正確性を向上させられるか？

主な発見

• 提案されたシステムは、ルールベースの論理を用いて、知能、理解力、数学的スキルといった学生の能力を適切な学部にマッピングすることに成功した。
• 学生プロファイルとの適合性に基づいて、優先順位付けされた推薦学部リストを生成した。
• 学業成績と認知的評価の統合により、学部推薦の客観性とパーソナライズ化が向上した。
• 本モデルは、特に学術カウンセリングリソースが限られている機関においても、実世界の大学環境で実現可能であることを示した。
• 大規模な新入工学・理学部学生のためのスケーラブルで自動化されたガイダンスを支援した。
• 本アプローチは、他の機関に適応可能な構造的で繰り返し可能な学生専攻選択のフレームワークを提供する。