评论文章

评估和评价不同的机器学习算法来预测学生的表现

表2

属性用于预测学生的表现。

属性分类 属性 频率 研究参考

人口 性别;年龄;国籍;出生地;婚姻状况;《卫报》;地址;运输 21 (3,17,19,20.,22- - - - - -38]
学术 CGPA;阶段ID;年级的ID;部分标识;主题;学期;程序;出席;最终成绩 20. (15,17,19,20.,22- - - - - -27,30.- - - - - -32,34,37,39- - - - - -41,41,42),引用(36- - - - - -38,43- - - - - -45]。
内部评估 课程;作业;测验;实验室测试;中期选举;考试;每天学习时间;剽窃;虚拟学习访问;小组报告; personal report 15 (3,15,18,19,21,36,37,39,40,42,43,46- - - - - -49]
家庭/个人 父母的地位;家长调查;家长满意度;家庭规模;父母教育;父母工作;收入;旅行时间;学习时间;空闲时间; health 12 (3,20.,22,23,26,28,33- - - - - -37,39,50]
行为 提高手;访问资源;声明视图;讨论 5 (3,20.,22,26,34,51]
沟通 消息;电子邮件;响应时间;登录/注销时间;时间;单词量;投票系统 4 (18,25,43,46]
心理 个性;动机;语境影响;学习策略;社会经济地位;学习方法 2 (40,52]