WEKO3
アイテム
ドロップアウトを早期に予測するための学生の特性をとらえた分類モデルの構築
https://ipsj.ixsq.nii.ac.jp/records/2001596
https://ipsj.ixsq.nii.ac.jp/records/200159697beab8a-c426-4608-9086-5a40c58106a2
| 名前 / ファイル | ライセンス | アクション |
|---|---|---|
IPSJ-CLE25045006.pdf (1.2 MB)
2027年3月13日からダウンロード可能です。
|
Copyright (c) 2025 by the Information Processing Society of Japan
|
|
| 非会員：¥660, IPSJ:学会員：¥330, CLE:会員：¥0, DLIB:会員：¥0 | ||
| Item type | SIG Technical Reports(1) | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| 公開日 | 2025-03-13 | |||||||||
| タイトル | ||||||||||
| 言語 | ja | |||||||||
| タイトル | ドロップアウトを早期に予測するための学生の特性をとらえた分類モデルの構築 | |||||||||
| タイトル | ||||||||||
| 言語 | en | |||||||||
| タイトル | Classification model based on student traits to predict dropout early | |||||||||
| 言語 | ||||||||||
| 言語 | jpn | |||||||||
| 資源タイプ | ||||||||||
| 資源タイプ識別子 | http://purl.org/coar/resource_type/c_18gh | |||||||||
| 資源タイプ | technical report | |||||||||
| 著者所属 | ||||||||||
| 筑波大学 | ||||||||||
| 著者所属 | ||||||||||
| 筑波大学 | ||||||||||
| 著者所属(英) | ||||||||||
| en | ||||||||||
| University of Tsukuba | ||||||||||
| 著者所属(英) | ||||||||||
| en | ||||||||||
| University of Tsukuba | ||||||||||
| 著者名 |
小高,一
× 小高,一
× 三末,和男
|
|||||||||
| 論文抄録 | ||||||||||
| 内容記述タイプ | Other | |||||||||
| 内容記述 | 専門学校では，早期にドロップアウトを予測することで、対象の学生への指導を迅速に行い，ドロップアウトを抑制することが重要である．教員がドロップアウトを把握することは，経験を基に行っていることが多いが，経験の浅い教員には困難である．本研究では，教員への支援を行うことを目的とし，ドロップアウトを早期に予測するモデルを構築した．まず，学生の入学前の情報とドロップアウトする学生を予測する月までの出席状況を使用してクラスタリングを行い，学生を特性別のグループに分けた．次に，階層クラスタリングを行うことでクラスタ間の関連性を確認した．そして，予測モデルの学習に必要なクラスタ内の学生の最小数を決め，クラスタ内の学生数が最小数に満たない場合には，階層クラスタリングによる階層構造から，対象のクラスタと他のクラスタをクラスタ間の階層が近い順に併合することで，データ数を増やして，クラスタごとに作成した予測モデルの学習に使用した．最後に，教員が指導する上での基準となる予測モデルの精度を基に，全学生を学習データとした予測モデルとクラスタリングを使用した予測モデルの比較を行った．結果として，クラスタリングを使用した予測モデルは，全学生を学習データとした予測モデルよりおよそ一か月早くドロップアウトを予測することができた． | |||||||||
| 論文抄録(英) | ||||||||||
| 内容記述タイプ | Other | |||||||||
| 内容記述 | In technical schools, it is important to predict dropout students at an early stage so that guidance to targeted students can be provided promptly and dropout can be controlled. Teachers often identify dropout based on their experience, but it is difficult for inexperienced teachers to do so. In this study, we constructed a model for early prediction of dropout students with the aim of providing support to teachers. First, we obtained information on students' pre-enrollment and attendance status up to the month when dropout are predicted. The students were divided into groups according to their traits by clustering using the students' pre-enrollment information and their attendance status up to the month in which dropout were predicted. Next, hierarchical clustering was used to determine the relationships among the clusters. If the number of students in a cluster was less than the minimum number, the number of data was increased by merging the target cluster with other clusters in order of the closeness of the hierarchy between the clusters from the hierarchical structure by hierarchical clustering, and the number of students in each cluster was used to create a prediction model. This was used to train the predictive model created for each cluster. Finally, a comparison was made between the prediction model using clustering and the prediction model using all students as training data, based on the accuracy of the prediction model as a basis for instructing the teachers. The results showed that the predictive model using clustering was able to predict dropout students approximately one month earlier than the predictive model using all students as learning data. | |||||||||
| 書誌レコードID | ||||||||||
| 収録物識別子タイプ | NCID | |||||||||
| 収録物識別子 | AA12496725 | |||||||||
| 書誌情報 |
研究報告教育学習支援情報システム（CLE） 巻 2025-CLE-45, 号 6, p. 1-8, 発行日 2025-03-13 |
|||||||||
| ISSN | ||||||||||
| 収録物識別子タイプ | ISSN | |||||||||
| 収録物識別子 | 2188-8620 | |||||||||
| Notice | ||||||||||
| SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc. | ||||||||||
| 出版者 | ||||||||||
| 言語 | ja | |||||||||
| 出版者 | 情報処理学会 | |||||||||
