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
|
| 研究 |
一年 |
预测功能 |
结果 |
|
| (51] |
2015年 |
总上场时间,视频播放,倒带,停顿了一下,快速向前,播放速度缓慢的使用数量 |
精度= 76.2% |
| (44] |
2016年 |
Course-specific subdata |
RMSE = (0.63, 0.72), Precisition = 26.86%。 |
| (47] |
2018年 |
练习、作业、测验 |
pMSE = 198.68, pMAPC = 0.81 |
| (48] |
2018年 |
视图/后的学生,课程信息、学生信息、提交作业和作业进度 |
精度= 50% |
| (45] |
2018年 |
总结性评价属性 |
精度= 69% |
| (37] |
2020年 |
性别、年龄、父母教育、家庭规模、试验准备、父亲的工作,母亲工作,缺席的日子里,父母地位,旅行时间,学术成绩 |
- - - - - - |
| (38] |
2020年 |
最后的成绩 |
- - - - - - |
|
|
