[論文レビュー] Mining Educational Data to Analyze Students' Performance

Brijesh Kumar Baradwaj, Saurabh Pal|arXiv (Cornell University)|Jan 17, 2012

Online Learning and Analytics被引用数 67

ひとこと要約

本論文では、教育データを用いて学期末試験における学生の成績を予測するため、ID3意思決定木アルゴリズムを用いたデータマイニングモデルを提案する。学生を成績カテゴリに分類することで、リスクにさらされている学生の早期特定が可能となり、高等教育機関における的確な学術的支援の実施と教育成果の向上が図られる。

ABSTRACT

The main objective of higher education institutions is to provide quality education to its students. One way to achieve highest level of quality in higher education system is by discovering knowledge for prediction regarding enrolment of students in a particular course, alienation of traditional classroom teaching model, detection of unfair means used in online examination, detection of abnormal values in the result sheets of the students, prediction about students' performance and so on. The knowledge is hidden among the educational data set and it is extractable through data mining techniques. Present paper is designed to justify the capabilities of data mining techniques in context of higher education by offering a data mining model for higher education system in the university. In this research, the classification task is used to evaluate student's performance and as there are many approaches that are used for data classification, the decision tree method is used here. By this task we extract knowledge that describes students' performance in end semester examination. It helps earlier in identifying the dropouts and students who need special attention and allow the teacher to provide appropriate advising/counseling. Keywords-Educational Data Mining (EDM); Classification; Knowledge Discovery in Database (KDD); ID3 Algorithm.

研究の動機と目的

• 高等教育機関における学生の成績を分析するためのデータマイニングフレームワークの構築を目的とする。
• 学期末試験における学生の成績を予測する教育データ内のパターンを同定することを目的とする。
• データ駆動型分類を用いて、成績不良または退学のリスクがある学生の早期特定を支援することを目的とする。
• 発見された知識を活用した的確なアドバイスやカウンセリングを可能にすることで、教育の質を向上させることを目的とする。
• ID3アルゴリズムが分類タスクにおける教育データマイニングに有効であるかどうかを検証することを目的とする。

提案手法

• 本研究では、教育データセットから意味のあるパターンを抽出するために、データベースからの知識発見（KDD）プロセスを採用する。
• 学生の成績を予測するための分類モデルとして、ID3アルゴリズムに基づくものを実装する。
• 入力特徴量には、学生記録から収集された学業的および人口統計的変数が含まれる。
• ID3アルゴリズムは、情報ゲインが最大となる属性を再帰的に選択してデータを分割することで意思決定木を構築する。
• モデルは、試験結果に基づいて学生を「高得点」「中程度」「低得点」などの成績カテゴリに分類する。
• 分類の正確性と予測能力を評価するために、大学レベルのデータセットを用いてシステムを評価する。

実験結果

リサーチクエスチョン

• RQ1 データマイニング技術は、学期末試験における学生の成績を効果的に予測できるか？
• RQ2 教育データに基づく学生の成績分類において、ID3意思決定木アルゴリズムの正確性はどの程度か？
• RQ3 学生記録におけるどの属性が学業成績を最もよく予測するか？
• RQ4 このモデルは、的確な学術的支援を可能にする十分な早期段階で、リスクにさらされている学生を特定できるか？
• RQ5 教育データマイニングの活用は、高等教育分野における意思決定をどの程度改善するか？

主な発見

• ID3意思決定木モデルは、高い正確性で学生の成績を明確なカテゴリに分類できた。
• モデルは、成績が低くなる可能性がある学生の早期特定を可能にし、能動的な学術的アドバイスの支援を可能にした。
• 出席率、課題の得点、中間試験の成績といった重要な属性が、最終成績を予測する強力な予測要因であることが判明した。
• 本研究では、教育データセットから実行可能な知識を抽出することができ、機関の成果向上に貢献することが示された。
• 結果から、意思決定木を教育データマイニングの成績予測に活用する可能性と価値が確認された。
• このモデルは、大学のシステムに統合され、学生の成功を支援する取り組みに活用できる可能性を示した。