[논문 리뷰] Machine Learning Based Student Grade Prediction: A Case Study

Zafar Iqbal, Junaid Qadir외 2명|arXiv (Cornell University)|2017. 08. 17.

Data Stream Mining Techniques참고 문헌 24인용 수 86

한 줄 요약

본 논문은 협업 필터링, 행렬 분해(SVD 및 NMF), Restricted Boltzmann Machines를 비교하여 실제 데이터를 사용해 ITU 전자공학과 학생들의 강의 성적을 예측하며, RBM이 가장 우수한 성능을 보였습니다.

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.

연구 동기 및 목표

• 학생들의 조기 개입 및 유지 관리를 위해 기계 학습을 이용한 성적 예측의 필요성 제시
• 실제 ITU 학생 데이터에 대해 여러 ML 기법(CF, MF, RBM) 평가
• 약한 학생을 식별하고 강의 도메인 수준의 인사이트를 제공하는 피드백 모델 개발
• 예측 GPA를 바탕으로 교사 개입을 지원하는 예측 방법 제안

제안 방법

• 학생-강의-GPA 매트릭스를 이용한 추천 시스템 문제로 성적 예측 공식화
• UBCF, SVD, NMF를 적용하여 누락 GPA를 예측
• 누락된 성적을 보정하기 위해 비지도 예측기로 RBM 활용
• 모델 성능 향상을 위해 강의 평균 GPA를 빼서 예측 변수 중심화
• 예측 GPA를 강의 도메인 지식과 교사 알림과 연결하는 피드백 모델 구현

실험 결과

연구 질문

• RQ1 협업 필터링, 행렬 분해, RBM이 ITU 학생의 다음 학기 성적을 정확하게 예측할 수 있는가?
• RQ2 희소한 학생-강의 데이터에서 어떤 ML 기법이 가장 정확한 GPA 예측을 제공하는가?
• RQ3 예측된 GPA를 교사와 학생에게 어떤 실행 가능한 피드백으로 변환할 수 있는가?
• RQ4 도메인 기반 지식과 학습 모델을 도입하면 위험 학습자에 대한 조기 경고 신호가 개선되는가?

주요 결과

• RBM이 학생 성적 예측 연구에서 사용된 기법들 중 가장 우수한 성능을 보임
• ITU 데이터셋은 225명의 학생과 24개 강의로 구성되며 5400개의 셀 entry와 1736개의 관찰된 성적(밀도 32.14%)를 포함
• 입학 전 요인인 입학시험 및 HSSC가 CGPA와 양의 상관관계(r = 0.29, r = 0.28)를 보임
• CF, MF(SVD/NMF)는 희소 데이터에 대해 경쟁력 있는 접근법을 제공하며 다음 학기의 성적 예측에 활용 가능
• 연구는 강의에서 학생의 예측 GPA가 임계값(2.67) 미만일 때 교사에게 경고하는 피드백 모델을 제시
• 논문은 강의 도메인에 대한 학생 지식을 추론하기 위한 히든 마르코프 모델링의 적합한 접근법을 논의