論文の概要: A Machine Learning Based DSS in Predicting Undergraduate Freshmen
Enrolment in a Philippine University
- arxiv url: http://arxiv.org/abs/2108.07690v1
- Date: Thu, 29 Jul 2021 03:54:28 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-20 11:03:03.441564
- Title: A Machine Learning Based DSS in Predicting Undergraduate Freshmen
Enrolment in a Philippine University
- Title（参考訳）: フィリピン大学における新入生教育予測のための機械学習によるDSS
- Authors: Dr. Joseph A. Esquivel and Dr. James A. Esquivel
- Abstract要約: フィリピン教育の急激な変化は、K to 12プログラムの実施を含む、高等教育機関が新入生の応募者を惹きつけるのに苦戦している。
本研究はフィリピンの大学に入学する新入生の諸特性について概説した。
ロジスティック回帰(Logistic Regression)を用いることで、入学した学生が施設に入学する可能性を決定する予測モデルが開発された。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The sudden change in the landscape of Philippine education, including the
implementation of K to 12 program, Higher Education institutions, have been
struggling in attracting freshmen applicants coupled with difficulties in
projecting incoming enrollees. Private HEIs Enrolment target directly impacts
success factors of Higher Education Institutions. A review of the various
characteristics of freshman applicants influencing their admission status at a
Philippine university were included in this study. The dataset used was
obtained from the Admissions Office of the University via an online form which
was circulated to all prospective applicants. Using Logistic Regression, a
predictive model was developed to determine the likelihood that an enrolled
student would seek enrolment in the institution or not based on both students
and institution's characteristics. The LR Model was used as the algorithm in
the development of the Decision Support System. Weka was utilized on selection
of features and building the LR model. The DSS was coded and designed using R
Studio and R Shiny which includes data visualization and individual prediction.
- Abstract（参考訳）: 高等教育機関であるk to 12プログラムの実施など、フィリピンの教育の状況が突然変化し、入学者の投射が困難となったため、新入生の募集に苦慮している。
民間HEIs導入は高等教育機関の成功要因に直接影響する。
本研究はフィリピン大学入校資格に影響を及ぼす新入生の諸特性について検討した。
使用したデータセットは、大学受験者全員に配布されたオンラインフォームを通じて、大学受験部から取得した。
ロジスティック回帰(Logistic Regression)を用いて、入学した学生が、学生と機関の特性の両方に基づいて、施設内での教育を受ける可能性を決定する予測モデルを開発した。
LRモデルは決定支援システムの開発においてアルゴリズムとして使用された。
ウェカは特徴の選択とLRモデルの構築に利用された。
DSSは、データビジュアライゼーションと個々の予測を含むR StudioとR Shinyを使ってコーディングされ、設計されている。
関連論文リスト
- From MOOC to MAIC: Reshaping Online Teaching and Learning through LLM-driven Agents [78.15899922698631]
MAIC(Massive AI-empowered Course)は、LLM駆動のマルチエージェントシステムを活用して、AIが強化された教室を構築するオンライン教育の新たな形態である。
中国一の大学である清華大学で予備的な実験を行う。
論文 参考訳（メタデータ） (2024-09-05T13:22:51Z) - Quantifying the Effectiveness of Student Organization Activities using Natural Language Processing [0.0]
本研究では,学生組織活動の有効性を定量化する機械学習ワークフローを開発することを目的とする。
この研究では、Hugging FaceのTransformer Pipelineとして、pysentimientoツールキットを介して呼ばれるBERT(Large Language Model)の双方向表現を使用している。
その結果,BERT LLMは製品レビューや投稿コメント以外の感情分析にも有効であることがわかった。
論文 参考訳（メタデータ） (2024-08-16T12:16:59Z) - Improving On-Time Undergraduate Graduation Rate For Undergraduate Students Using Predictive Analytics [0.0]
プエルトリコの大学における在学期間の卒業率は、アメリカ合衆国本土よりも大幅に低い。
本研究は,学生の学習開始時期を正確に把握し,時間通りに卒業しないリスクを負う予測モデルの構築を目的とする。
論文 参考訳（メタデータ） (2024-05-02T22:33:42Z) - Continual Learning with Pre-Trained Models: A Survey [61.97613090666247]
継続的な学習は、新しい知識を学ぶ際に、かつての知識の破滅的な忘れを克服することを目的としている。
本稿では, PTM を用いた CL の最近の進歩を包括的に調査する。
論文 参考訳（メタデータ） (2024-01-29T18:27:52Z) - Intelligent System for Assessing University Student Personality
Development and Career Readiness [0.0]
本研究は,大学生が変化と移行への準備に様々な要因が与える影響について考察する。
KBTUの学生調査から収集したデータは、機械学習モデルによって処理された。
これらのモデルとファジィセットを使用してインテリジェントシステムを構築した。
論文 参考訳（メタデータ） (2023-08-29T20:32:58Z) - Evaluating a Learned Admission-Prediction Model as a Replacement for
Standardized Tests in College Admissions [21.70450099249114]
大学入学事務所は歴史的に、審査のために大規模な応募者プールを実行可能なサブセットに編成するために標準化されたテストスコアに依存してきた。
サブセット生成における標準化テストの役割を置き換えるための機械学習ベースのアプローチを検討する。
過去の入試データに基づいてトレーニングされた予測モデルはSATモデルよりも優れており、最終入試クラスの人口構成と一致していることがわかった。
論文 参考訳（メタデータ） (2023-02-07T17:14:26Z) - Process-BERT: A Framework for Representation Learning on Educational
Process Data [68.8204255655161]
本稿では,教育プロセスデータの表現を学習するためのフレームワークを提案する。
我々のフレームワークは、BERT型の目的を用いて、シーケンシャルなプロセスデータから表現を学習する事前学習ステップで構成されています。
当社のフレームワークは,2019年国のレポートカードデータマイニングコンペティションデータセットに適用しています。
論文 参考訳（メタデータ） (2022-04-28T16:07:28Z) - Sim-to-Real 6D Object Pose Estimation via Iterative Self-training for
Robotic Bin-picking [98.5984733963713]
コスト効率の良いロボットグルーピングを容易にするために,シミュレート・トゥ・リアルな6次元オブジェクトのポーズ推定のための反復的自己学習フレームワークを提案する。
我々は、豊富な仮想データを合成するためのフォトリアリスティックシミュレータを構築し、これを初期ポーズ推定ネットワークのトレーニングに利用する。
このネットワークは教師モデルの役割を担い、未ラベルの実データに対するポーズ予測を生成する。
論文 参考訳（メタデータ） (2022-04-14T15:54:01Z) - Cognitive Diagnosis with Explicit Student Vector Estimation and
Unsupervised Question Matrix Learning [53.79108239032941]
本研究では,DINA の学生ベクトルを推定するための明示的な学生ベクトル推定法を提案する。
また,Q行列を自動的にラベル付けする双方向キャリブレーションアルゴリズム (HBCA) を提案する。
2つの実世界のデータセットによる実験結果から,ESVE-DINAはDINAモデルよりも精度が高く,HBCAによって自動的にラベル付けされたQ行列は,手動でラベル付けしたQ行列に匹敵する性能が得られることが示された。
論文 参考訳（メタデータ） (2022-03-01T03:53:19Z) - Personalized Education in the AI Era: What to Expect Next? [76.37000521334585]
パーソナライズ学習の目的は、学習者の強みに合致する効果的な知識獲得トラックをデザインし、目標を達成するために弱みをバイパスすることである。
近年、人工知能(AI)と機械学習(ML)の隆盛は、パーソナライズされた教育を強化するための新しい視点を広げています。
論文 参考訳（メタデータ） (2021-01-19T12:23:32Z) - Using a Binary Classification Model to Predict the Likelihood of
Enrolment to the Undergraduate Program of a Philippine University [0.0]
本研究はフィリピンの大学における入所資格に影響する新入生応募者の諸特性について分析した。
受験生が施設への入学を追求する確率を評価するために,ロジスティック回帰を用いた予測モデルを開発した。
論文 参考訳（メタデータ） (2020-10-26T06:58:03Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。