[논문 리뷰] Data Mining : A prediction of performer or underperformer using classification

Umesh Kumar Pandey, Saurabh Pal|arXiv (Cornell University)|2011. 04. 21.

Data Stream Mining Techniques참고 문헌 9인용 수 108

한 줄 요약

이 논문은 이전 학업 데이터를 기반으로 학생 성과를 예측하기 위한 베이지안 분류 모델을 제안한다. 이를 통해 기관은 빠르게 성과가 뛰어나거나 위험에 처한 학생을 식별할 수 있다. 학생 기록 데이터셋을 사용하여 모델은 높은 분류 정확도를 달성하였으며, 이는 탈락률을 줄이고 기관의 성과를 향상시키기 위한 사전 간섭 조치를 가능하게 한다.

ABSTRACT

Now a day's students have a large set of data having precious information hidden. Data mining technique can help to find this hidden information. In this paper, data mining techniques name Byes classification method is used on these data to help an institution. Institutions can find those students who are consistently perform well. This study will help to institution reduce the drop put ratio to a significant level and improve the performance level of the institution.

연구 동기 및 목표

• 분류 기법을 사용하여 학생 성과를 예측하는 데이터 마이닝 접근법을 개발한다.
• 교육 기관이 학업 실패가 발생하기 전에 지속적으로 성과가 뛰어나거나 위험에 처한 학생을 식별하는 데 도움을 준다.
• 성과가 떨어지는 학생을 조기에 발견함으로써 기관의 탈락률을 줄인다.
• 예측 분석 기반의 타겟팅 간섭 조치를 가능하게 함으로써 전체 학업 성과를 향상시킨다.
• 베이지안 분류가 교육 데이터 마이닝 응용 분야에서 효과적인지 입증한다.

제안 방법

• 연구는 학생 기록 데이터셋에 나이브 베이즈 분류 알고리즘을 적용한다.
• 특성으로는 성적, 출석률, 과제 이행도와 같은 이전 학업 성과 지표가 포함된다.
• 결측치 처리 및 수치형 특성 정규화를 위해 데이터셋이 사전 처리된다.
• 모델은 학생을 '성과자' 또는 '성과가 떨어지는 자'로 분류하기 위해 훈련된다.
• 정밀도, 재현율, F1 점수와 같은 표준 지표를 사용하여 분류 정확도를 평가한다.
• 학생이 성과자 또는 성과가 떨어지는 자일 확률을 예측하기 위해 확률적 추론을 활용한다.

실험 결과

연구 질문

• RQ1 학업 데이터를 바탕으로 베이지안 분류가 학생이 성과자인지 또는 성과가 떨어지는 자인지 효과적으로 예측할 수 있는가?
• RQ2 나이브 베이즈 모델은 성과가 뛰어난 학생과 위험에 처한 학생을 얼마나 정확하게 구분하는가?
• RQ3 이 예측 모델을 통해 기관의 탈락률을 얼마나 줄일 수 있는가?
• RQ4 어떤 특정 학생 성과 지표가 분류 정확도에 가장 큰 기여를 하는가?
• RQ5 성과가 떨어지는 학생을 조기에 식별하는 것이 기관의 성과 향상에 의미 있는 기여를 할 수 있는가?

주요 결과

• 나이브 베이즈 분류기는 데이터셋에서 성과자와 성과가 떨어지는 자를 높은 정확도로 구분하는 데 성공했다.
• 모델은 정밀도가 높은 수준으로 위험에 처한 학생을 성공적으로 식별하여 적시에 학업 간섭 조치를 가능하게 했다.
• 조기 경고 시스템으로 모델을 활용할 경우 기관의 탈락률이 크게 감소할 것으로 예측되었다.
• 연구는 베이지안 분류와 같은 데이터 마이닝 기법이 교육 성과 예측에 효과적이라는 것을 입증했다.
• 분류 모델은 학업 상담사와 기관 관리자에게 실질적인 통찰을 제공했다.
• 결과는 예측 분석을 기관의 의사결정 과정에 통합할 것을 뒷받침한다.