[論文レビュー] Machine Learning Based Student Grade Prediction: A Case Study

Zafar Iqbal, Junaid Qadir+2 more|arXiv (Cornell University)|Aug 17, 2017

Data Stream Mining Techniques参考文献 24被引用数 86

ひとこと要約

本論文は協調フィルタリング、行列分解（SVDおよびNMF）、および制限 Boltzmann 機械を比較し、実データを用いてITU電気工学部の学生の科目成績を予測する。RBMが最も良い性能を示した。

ABSTRACT

In higher educational institutes, many students have to struggle hard to complete different courses since there is no dedicated support offered to students who need special attention in the registered courses. Machine learning techniques can be utilized for students' grades prediction in different courses. Such techniques would help students to improve their performance based on predicted grades and would enable instructors to identify such individuals who might need assistance in the courses. In this paper, we use Collaborative Filtering (CF), Matrix Factorization (MF), and Restricted Boltzmann Machines (RBM) techniques to systematically analyze a real-world data collected from Information Technology University (ITU), Lahore, Pakistan. We evaluate the academic performance of ITU students who got admission in the bachelor's degree program in ITU's Electrical Engineering department. The RBM technique is found to be better than the other techniques used in predicting the students' performance in the particular course.

研究の動機と目的

• 機械学習を用いて早期介入と保持のために学生の成績を予測する動機づけを行う。
• 実世界のITU学生データに対して複数のML手法（CF、MF、RBM）を評価する。
• 弱い学生を特定し科目領域レベルの洞察を提供するフィードバックモデルを開発する。
• 予測GPAに基づく講師介入を支援する予測アプローチを提案する。

提案手法

• 学生-科目-GPA行列を用いて成績予測をレコメンダーシステム問題として定式化する。
• 未知のGPAsを予測するためにUBCF、SVD、NMFを適用する。
• 欠損成績を補完するためにRBMを教師なし予測器として利用する。
• コースごとの平均GPAを差し引いて予測変数を中心化し、モデル性能を向上させる。
• 予測GPAを科目ドメイン知識と講師通知に結びつけるフィードバックモデルを実装する。

実験結果

リサーチクエスチョン

• RQ1 協調フィルタリング、行列分解、およびRBMはITU学生の次期成績を正確に予測できるか？
• RQ2 スパースな学生-科目データ上で最も正確なGPA予測を提供するML手法はどれか？
• RQ3 予測GPAを講師と学生にとって実用的なフィードバックにどう変換できるか？
• RQ4 ドメイン知識と学習モデルの組み込みは早期警告サインを改善するか？

主な発見

• RBMは研究対象の手法の中で学生の成績予測において最も良い結果を示した。
• IT新聞データセットは225名の学生と24科目からなり、5400個のセルエントリと1736件の観測成績（密度32.14%）を含む。
• 入学前要因として入学試験やHSSCはCGPAと正の相関を示す（それぞれ r=0.29、r=0.28）。
• CF、MF（SVD/NMF）はスパースデータに対して競争力のあるアプローチを提供し、次期成績の予測に利用可能。
• この研究は科目における予測GPAが閾値（2.67）を下回った場合に講師へ通知するフィードバックモデルを提供。
• 本論文は科目ドメイン知識を推定するための隠れマルコフモデルの適合アプローチを議論している。