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6

精度结果人工神经网络(ann)。

研究 一年 预测功能 精度

(17] 2015年 性别、位置、类型的学校,高中成绩,CGPA,学分,和结果 84.6%
(39] 2016年 测试马克,类和实验室性能、考勤、作业、学习时间,以前的结果,家庭教育、生活区域,药物成瘾,事件,社会媒体,最后一年的结果 88%
(18] 2016年 在线测试、电子邮件沟通内容创作和内容互动 98.3%
(22] 2018年 年级、性别、国籍、出生地、部分ID、话题,举起的手,讨论,在1号和2号条款,出勤率,家长满意 85.4%,
(23] 2018年 性别、考勤结果,经济地位,父母的教育 - - - - - -
(24] 2019年 性别、CGPA、英文、中文、数学、科学和水平测试 84.8%
(25] 2019年 性别、内容评分时间,作业成绩和出勤率 80.5%
(46] 2019年 CourseID,总学习会议,会议的长度,第一学期总评估,成绩,测验,和电子邮件发送 97.4%
(26] 2019年 性别、国籍、出生地、StageID GradeID, SectionID,话题,学期,关系,举起双手,讨论,家长调查和满意度,出勤率 73.5%
(36] 2020年 性别、年龄、地址位置、家长工作、旅行时间、学习时间,空闲时间,失败,活动,健康,和abstance 64.40%
(56] 2021年 性别、地区、受教育程度、年龄范围,社区犯罪率(IMD),他们以前参加的次数,登记学分,残疾,期末考试结果(通过/失败)。此外,学生的次数与任何在线课程内容已经计算在整个课程 78.20%
(63年] 2020年 分性别、内容、时间、数量的条目内容,作业成绩,出勤率,存档的课程 80.47%
(57] 2021年 123年变量 82.10%(高)
70.89%(低)
(58] 2021年 116 84年生产和功能学习阶段 80.76%和86.57%