[논문 리뷰] Data Mining: A prediction for performance improvement using classification

Brijesh Kumar Bhardwaj, Saurabh Pal|arXiv (Cornell University)|2012. 01. 17.

Online Learning and Analytics참고 문헌 4인용 수 251

한 줄 요약

이 논문은 인도 고등교육에서 성취도가 높고 낮은 학생을 식별하기 위해 데이터 마이닝을 활용한 예측 분류 모델을 제안한다. 300명의 학생 기록을 사전 처리하고 베이지안 분류 알고리즘을 적용함으로써 모델은 정확한 성과 예측 성능을 달성하여 위험에 처한 학습자를 조기에 대응할 수 있도록 한다.

ABSTRACT

Now-a-days the amount of data stored in educational database increasing rapidly. These databases contain hidden information for improvement of students' performance. The performance in higher education in India is a turning point in the academics for all students. This academic performance is influenced by many factors, therefore it is essential to develop predictive data mining model for students' performance so as to identify the difference between high learners and slow learners student. In the present investigation, an experimental methodology was adopted to generate a database. The raw data was preprocessed in terms of filling up missing values, transforming values in one form into another and relevant attribute/ variable selection. As a result, we had 300 student records, which were used for by Byes classification prediction model construction. Keywords- Data Mining, Educational Data Mining, Predictive Model, Classification.

연구 동기 및 목표

• 인도 고등교육에서 성취도가 높고 낮은 학생을 식별하기 위한 예측 모델을 개발하는 것.
• 학업 성과에 영향을 주는 교육 데이터베이스의 숨겨진 패턴을 추출하는 것.
• 데이터 마이닝 기법을 활용해 위험에 처한 학습자를 조기에 탐지함으로써 학생의 성과를 향상시키는 것.
• 실제 학생 기록을 사용하여 교육 데이터 마이닝에서 분류 모델의 효과성을 검증하는 것.
• 누락된 값 보정 및 특성 선택과 같은 사전 처리 기법이 모델 정확도 향상에 기여하는 바를 입증하는 것.

제안 방법

• 대학 데이터베이스에서 원시 교육 데이터를 수집하여 총 300명의 학생 기록을 확보하였다.
• 누락된 값을 보완하고 변수를 변환하며 관련성이 있는 특성을 선택하여 데이터를 사전 처리하였다.
• 학생을 성과 카테고리로 분류하기 위해 베이지안 분류 모델을 적용하였다.
• 성과 결과가 레이블링된 감독 학습 접근 방식을 사용하여 분류 모델을 훈련시켰다.
• 표준 분류 평가 지표를 사용하여 모델 성능을 평가하였다 (문맥상 암시됨, 명시적으로 기재되지 않음).
• 학업 성과와의 관련성을 기반으로 특징을 선별하여 모델의 해석 가능성과 정확도를 향상시켰다.

실험 결과

연구 질문

• RQ1 데이터 마이닝 기법이 인도 고등교육에서 학생 성과를 효과적으로 예측할 수 있는가?
• RQ2 어느 사전 처리 기법이 교육 데이터셋의 분류 정확도 향상에 가장 크게 기여하는가?
• RQ3 베이지안 분류기는 성취도가 높고 낮은 학생을 얼마나 정확하게 구분할 수 있는가?
• RQ4 학생 기록에서 학업 성과에 가장 예측력 있는 요소는 무엇인가?
• RQ5 교육 현장에서 분류 모델을 통해 위험에 처한 학생을 조기에 식별할 수 있는가?

주요 결과

• 사전 처리 단계에서 데이터의 일관성 부족이 성공적으로 감소하여 깔끔한 300명의 학생 기록으로 이루어진 데이터셋을 확보하였다.
• 베이지안 분류 모델은 성취도가 높고 낮은 학생을 구분하는 데 강력한 예측 능력을 보였다.
• 특성 선택을 통해 모델의 효율성이 향상되었고, 관련 없는 변수에 의한 노이즈가 감소하였다.
• 이 연구는 데이터 마이닝이 교육 데이터베이스의 숨겨진 패턴을 발견하여 성과 향상에 기여할 수 있음을 확인하였다.
• 모델은 교육자들이 위험에 처한 학생을 조기에 식별하고 대상별 간병 조치를 시행할 수 있는 실용적인 도구를 제공한다.
• 결과는 분류 모델이 실세계의 학술 환경에서 성과 예측에 효과적으로 구현될 수 있음을 시사한다.