Zeitschrift für Informationstechnologie und Softwareentwicklung
Offener Zugang

Abstrakt

Vorhersage der akademischen Leistung von Studenten in Saudi-Arabien mithilfe von Data-Mining-Techniken

Nawal Ali Yassein, Rasha Gaffer M Helali und Somia B Mohomad

Das Hauptziel von Hochschulen ist es, ihren Studenten eine qualitativ hochwertige Ausbildung zu bieten. Eine Möglichkeit, ein Höchstmaß an Qualität zu erreichen, besteht darin, Faktoren zu identifizieren, die die akademische Leistung beeinflussen, und dann zu versuchen, die Schwächen dieser Faktoren zu beheben. Das spezifische Ziel der vorgeschlagenen Forschungsarbeit besteht darin, herauszufinden, ob es in den verfügbaren Daten (Studenten- und Kursaufzeichnungen) Muster gibt, die für die Vorhersage der Leistung der Studenten nützlich sein könnten. Die Studie umfasste eine Stichprobe von 150 Studenten der Najran University in Saudi-Arabien. Die Daten wurden mithilfe eines Statistikprogramms für Sozialwissenschaften (SPSS) und eines Data-Mining-Tools (Clementine) erfasst und geordnet. Die Entwicklung eines genauen Modells zur Vorhersage der Leistung der Studenten ist eine anspruchsvolle Aufgabe. Data-Mining-basierte Modelle wurden verwendet, um zu identifizieren, welche der bekannten Faktoren einen frühen Indikator für die erwartete Leistung liefern können. In dieser Arbeit werden sowohl Merkmalsreduktions- als auch Klassifizierungstechniken verwendet, um die Fehlerquote zu senken. Die experimentellen Ergebnisse zeigen signifikante Zusammenhänge zwischen der Einbeziehung von praktischer Arbeit und Aufgaben in den Kurs und der Erfolgsquote. Andererseits hat die Anzahl der gestellten Aufgaben jedoch einen negativen Einfluss auf die akademische Leistung des Kurses. Im Kontext der Faktoren, die die akademische Leistung eines Schülers beeinflussen, ist neben den Abschluss- und Zwischenprüfungsnoten die Anwesenheit des Schülers im Unterricht der einflussreichste Faktor.