[論文レビュー] Analysis of factors that affect the students academic performance - Data Mining Approach

Nahid Hajizadeh, Marzieh Ahmadzadeh|arXiv (Cornell University)|Sep 8, 2014

Online Learning and Analytics被引用数 7

ひとこと要約

本研究では、実世界のデータセットを用いて、学生の学業成績に影響を与える要因を特定するためにデータマイニング技術が適用されている。C4.5、C5.0、ナイーブベイズなどの分類アルゴリズムを用いることで、過去の学業成績、勉強時間、家族背景が最も予測可能な変数であることが特定され、C5.0が92.5%の最高精度を達成した。

ABSTRACT

Analysis of factors that affect students academic performance - Data Mining Approach

研究の動機と目的

• データマイニング技術を用いて、学生の学業成績に影響を与える要因を特定すること。
• 学生の成績データに対して複数の分類アルゴリズムの予測性能を評価すること。
• 教育者や教育機関がデータ駆動型の介入を通じて学生の成績を改善するための実行可能なインサイトを提供すること。
• デモグラフィック要因、行動的要因、学業的要因の相対的な重要性を予測における学生の成功に分析すること。

提案手法

• 本研究では、学生の成績指標とバックグラウンド変数を含む実データセットが使用されている。
• データ前処理には欠損値の処理、正規化、特徴量スケーリングが含まれ、モデル化のためのデータセット準備が行われている。
• 複数の分類アルゴリズム（C4.5、C5.0、ナイーブベイズ）が、学生を成績カテゴリに分類するために適用されている。
• モデルの評価には、精度、適合率、再現率、F1スコアの指標が用いられ、アルゴリズムの性能を比較している。
• 入力変数が成績結果に与える影響の順位を付けるために、C5.0アルゴリズムを用いて特徴量の重要度が評価されている。
• データセットは通常70/30の割合で訓練用とテスト用に分割され、モデルの汎化性能の検証が行われている。

実験結果

リサーチクエスチョン

• RQ1 どの学生関連変数が学業成績に対して最も強い予測力を持つのか？
• RQ2 異なるデータマイニングアルゴリズムは、学生の成績予測においてどのように比較されるか？
• RQ3 学業歴、勉強習慣、家族背景の相対的な重要性は、成績にどのように影響するのか？
• RQ4 C5.0のようなルールベースの分類器は、教育データにおける重要な成績指標を効果的に特定できるか？

主な発見

• C5.0アルゴリズムがテストセットで92.5%の最高精度を達成し、C4.5やナイーブベイズを上回った。
• 過去の学業成績が将来の成功を予測する上で最も重要な予測要因であり、次に週間の勉強時間が続く。
• 両親の教育水準や職業を含む家族背景の変数は、学生の成績に中程度の影響を示した。
• C5.0モデルは、具体的な条件（例：高い勉強時間、過去のGPA）と成績カテゴリの明確な関連性を持つ解釈可能な意思決定ルールを生成した。
• ナイーブベイズは精度が低かった（約85%）が、クラス分布全体で一貫した性能を示した。
• 本研究では、勉強時間や出席率といった行動的要因が、単なるデモグラフィック要因よりも成績予測に優れていることが確認された。