机构名称：
¥ 1.0
阿曼a夫准确地确定高等教育中的高风险学生对于及时的干预至关重要。本研究提出了一种基于AI的解决方案，用于使用机器学习分类器来预测学生的绩效。使用信息增益评估选择了过去两年中208个学生记录的数据集，并进行了关键的预测因素，例如中期等级，上学期GPA和累积GPA。通过10倍的交叉验证评估了多个分类器，包括支持向量机（SVM），决策树，天真的贝叶斯，人工神经网络（ANN）和K-Nearest邻居（K-NN）。svm的表现最高，精度为85.1％，F2得分为94.0％，有效地识别出低于65％的学生（GPA <2.0）。该模型是在教育工作者的桌面应用程序中实现的，提供了班级和个人级别的预测。这个用户友好的工具使讲师能够监视绩效，预测结果并实施及时的干预措施，以支持陷入困境的学生。该研究强调了机器学习在增强学术绩效监控方面的有效性，并为AI驱动的教育工具提供了可扩展的方法。k eywords人工智能，机器学习，学生绩效预测，高等教育，基于AI的应用程序1。介绍信息和通信技术的快速发展（ICT）通过重塑教育系统，促使采用数字策略的采用以及突出数字能力的关键差距和不平等现象，对包括教育的各个部门（包括教育）产生了重大影响[1]。在高等教育机构（HEI）中，保持高教育标准并确保学生成功已成为关键的优先事项。政府和认证机构，例如阿曼学术认证机构和质量保证（OAAAQA）参与了阿曼的高等教育机构（HEI）的质量[2]。因此，监视学生绩效已成为符合这些标准并提供问责制的重要因素[3]。讲师经常面临大量的责任，这使得连续监控每个学生的学术进步并实施及时的干预措施具有挑战性[4]。依靠定期评估的传统监测方法可能无法提供支持表现不佳的学生所需的早期见解[5]。教师增加的工作量增加了对整合心理的技术解决方案的需求
基于AI的早期预测和高等教育学生学业成绩的干预
主要关键词
相关文件推荐
