[论文解读] Analysis of factors that affect the students academic performance - Data Mining Approach

Nahid Hajizadeh, Marzieh Ahmadzadeh|arXiv (Cornell University)|Sep 8, 2014

Online Learning and Analytics被引用 7

一句话总结

本研究应用数据挖掘技术，利用真实世界数据集识别影响学生学业表现的关键因素。通过采用C4.5、C5.0和朴素贝叶斯等分类算法，作者识别出先前学业表现、学习时间及家庭背景为最具预测力的变量，其中C5.0在预测学生结果方面达到最高的92.5%准确率。

ABSTRACT

Analysis of factors that affect students academic performance - Data Mining Approach

研究动机与目标

• 使用数据挖掘技术识别影响学生学业表现的最关键因素。
• 评估多种分类算法在学生表现数据上的预测性能。
• 为教育工作者和教育机构提供可操作的见解，通过数据驱动干预改善学生表现。
• 分析人口统计、行为和学业变量在预测学生成功方面的相对重要性。

提出的方法

• 本研究使用包含学生表现指标和背景变量的真实数据集。
• 数据预处理包括处理缺失值、归一化和特征缩放，以准备数据集用于建模。
• 应用多种分类算法——C4.5、C5.0和朴素贝叶斯——将学生分类到表现类别中。
• 通过准确率、精确率、召回率和F1分数等指标评估模型性能，以比较算法表现。
• 使用C5.0算法评估特征重要性，以确定输入变量对学业结果的影响程度。
• 将数据集划分为训练集和测试集（通常为70/30），以验证模型的泛化能力。

实验结果

研究问题

• RQ1 哪些与学生相关的变量对学生学业表现具有最强的预测能力？
• RQ2 不同数据挖掘算法在预测学生学业表现结果方面表现如何比较？
• RQ3 学业历史、学习习惯和家庭背景在决定学业表现方面的相对重要性如何？
• RQ4 像C5.0这样的基于规则的分类器能否有效识别教育数据中的关键绩效指标？

主要发现

• C5.0算法在测试集上实现了最高的预测准确率92.5%，优于C4.5和朴素贝叶斯。
• 先前学业表现被确定为未来成功最重要的预测因子，其次是每周学习时间。
• 家庭背景变量（包括父母教育程度和职业）对学生表现有中等程度的影响。
• C5.0模型生成了可解释的决策规则，明确将特定条件（例如高学习时间、先前GPA）与表现类别关联起来。
• 朴素贝叶斯的准确率较低（约85%），但在各类别分布中保持了稳定的性能。
• 本研究证实，学习时间、出勤率等行为因素比仅依赖人口统计因素更具预测力。