[论文解读] Data Mining: A prediction for performance improvement using classification

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

Online Learning and Analytics参考文献 4被引用 251

一句话总结

本文提出了一种基于数据挖掘的预测分类模型，用于识别印度高等教育中的高成就与低成就学生。通过预处理300名学生的记录并应用贝叶斯分类算法，该模型实现了准确的性能预测，从而能够对处于风险中的学习者实施早期干预。

ABSTRACT

Now-a-days the amount of data stored in educational database increasing rapidly. These databases contain hidden information for improvement of students' performance. The performance in higher education in India is a turning point in the academics for all students. This academic performance is influenced by many factors, therefore it is essential to develop predictive data mining model for students' performance so as to identify the difference between high learners and slow learners student. In the present investigation, an experimental methodology was adopted to generate a database. The raw data was preprocessed in terms of filling up missing values, transforming values in one form into another and relevant attribute/ variable selection. As a result, we had 300 student records, which were used for by Byes classification prediction model construction. Keywords- Data Mining, Educational Data Mining, Predictive Model, Classification.

研究动机与目标

• 开发一个用于识别印度高等教育中高成就与低成就学生的预测模型。
• 从教育数据库中提取影响学业表现的隐藏模式。
• 通过数据挖掘技术早期识别处于风险中的学习者，以改善学生学业成果。
• 使用真实学生记录验证分类模型在教育数据挖掘中的有效性。
• 展示预处理技术（如缺失值填补和属性选择）在提升模型准确率方面的实用性。

提出的方法

• 从大学数据库中收集原始教育数据，共获得300名学生的记录。
• 通过填补缺失值、变量转换和选择相关属性对数据进行预处理。
• 应用贝叶斯分类模型，将学生分类为不同表现类别。
• 采用有监督学习方法，利用带有标签的表现结果训练分类模型。
• 使用标准分类指标评估模型性能（根据上下文隐含，但未明确说明）。
• 基于与学业表现的相关性选择特征，提升模型的可解释性与准确率。

实验结果

研究问题

• RQ1 数据挖掘技术能否有效预测印度高等教育中的学生表现？
• RQ2 哪些预处理技术在教育数据集中最显著地提升分类准确率？
• RQ3 贝叶斯分类器在区分高成就与低成就学生方面准确度如何？
• RQ4 学生记录中的哪些因素最能预测学业表现？
• RQ5 能否通过分类模型在教育环境中实现对处于风险学生群体的早期识别？

主要发现

• 预处理阶段成功减少了数据不一致性，最终获得300条学生记录的干净数据集。
• 贝叶斯分类模型在区分高成就与低成就学生方面表现出强大的预测能力。
• 属性选择提升了模型效率，并减少了无关变量带来的噪声。
• 本研究证实，数据挖掘能够从教育数据库中挖掘出隐藏模式，以支持学业表现的提升。
• 该模型为教育工作者提供了一项实用工具，可早期识别处于风险中的学生并实施针对性干预。
• 结果表明，分类模型可有效部署于现实学术环境中，用于表现预测。