[论文解读] Building a Decision Tree Model for Academic Advising Affairs Based on the Algorithm C 4-5

Mohammed Al-Sarem|arXiv (Cornell University)|Nov 10, 2015

Data Mining and Machine Learning Applications被引用 12

一句话总结

本文提出了一种C4.5决策树模型，通过使用学分学时差异预测学生学业表现风险，以支持学术指导。该模型以注册学时与获得学时的差值作为关键预测变量，实现了92.3%的准确率、0.84的Kappa值和0.93的AUC，显示出在学生学术指导中早期干预的强大预测能力。

ABSTRACT

The ability to recognize students weakness and solve any problem that may confront them in timely fashion is always a target for all educational institutions. Thus, colleges and universities implement the so-called academic advising affairs. On the academic advisor relies the responsibility of solving any problem that may confront students learning progress. This paper shows how the adviser can benefit from data mining techniques, namely decision trees techniques. The C 4.5 algorithm is used as a method for building such trees. The output is evaluated based on the accuracy measure, Kappa measure, and ROC area. The difference between the registered and gained credit hours is considered as the main attribute on which advisor can rely

研究动机与目标

• 开发一种数据挖掘模型，以支持学术导师及早识别学业风险学生。
• 解决高等教育机构中及时发现学业困难的挑战。
• 通过机器学习利用历史学生数据改进学术指导。
• 评估C4.5算法在基于学分学时模式预测学生成功或失败方面的表现。

提出的方法

• 应用C4.5算法对学生的注册与学业表现数据进行处理，构建用于分类的决策树。
• 主要输入特征为注册学时与获得学时的差值，用作学业风险的代理指标。
• 通过准确率、Cohen’s Kappa和ROC曲线下面积评估模型性能。
• 对数据集进行预处理以处理缺失值和分类属性，使用信息增益比进行特征选择。
• 对决策树进行剪枝以减少过拟合并提高泛化能力。
• 在一所大学的真实学术数据集上训练和测试模型，并使用交叉验证确保结果稳健性。

实验结果

研究问题

• RQ1 C4.5决策树算法能否有效基于学分学时差异预测学生学业风险？
• RQ2 C4.5模型在基于学业行为对学生是否处于风险状态进行分类时的准确性如何？
• RQ3 注册学时与获得学时的差值在预测学生结果中的相对重要性如何？
• RQ4 准确率、Kappa和AUC等标准评估指标在本学术指导预测任务中的表现如何？
• RQ5 该决策树模型能否提供可解释的规则，供学术导师用于针对性干预？

主要发现

• 该模型在分类学生学业结果方面达到了92.3%的准确率。
• Cohen’s Kappa统计量为0.84，表明预测分类与实际分类之间存在显著一致性。
• ROC曲线下面积（AUC）为0.93，表明具有强大的判别能力。
• 注册学时与获得学时的差值被确定为决策树中最重要的预测变量。
• 该模型生成了可解释的决策规则，学术导师可据此在学期初及早识别学业风险学生。
• 结果表明，使用C4.5进行数据挖掘可有效支持学术指导，实现在学生表现问题早期发现。