多段階学習アンサンブルモデルを用いた非同期オンライン授業における2週連続者欠席者の予測

• Item type: SIG Technical Reports(1)
• 公開日: 2023-11-25
• タイトル: 多段階学習アンサンブルモデルを用いた非同期オンライン授業における2週連続者欠席者の予測
• タイトル / 言語: en
• タイトル: Using a Multi-Stage Learning Ensemble Model to Predicting 2 Consecutive Weeks of Absenteeism in Asynchronous Online Classes
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: CLE一般セッション(1)
• 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: 熊本大学
• 著者所属: 熊本大学
• 著者所属: 熊本大学
• 著者所属: 熊本大学
• 著者所属: 熊本大学
• 著者所属: 熊本大学
• 著者所属: 熊本大学
• 著者所属(英): en
• 著者所属(英): Kumamoto University
• 著者所属(英): en
• 著者所属(英): Kumamoto University
• 著者所属(英): en
• 著者所属(英): Kumamoto University
• 著者所属(英): en
• 著者所属(英): Kumamoto University
• 著者所属(英): en
• 著者所属(英): Kumamoto University
• 著者所属(英): en
• 著者所属(英): Kumamoto University
• 著者所属(英): en
• 著者所属(英): Kumamoto University
• 著者名: 渡邊, 健太; 杉谷, 賢一; 中野, 裕司; 久保田, 真一郎; 市原, 大裕; 田村, 祐貴; 山品, 壱平
• 著者名(英): Kenta, Watanabe; Kenichi, Sugitani; Hiroshi, Nakano; Shinichiro, Kubota; Daisuke, Ichihara; Yuki, Tamura; Ippei, Yamashina
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 本研究は複数科目の学習ログで抽出した特徴量から多段階学習アンサンブルモデルを用いて，対象の非同期オンライン授業における 2 週連続で欠席する学生の予測を目的としている．前回の研究では，クラスタ分類と機械学習を用いて連続欠席して単位を落としてしまう学生の予測を行ったが，Precision が 0.50 を下回ってしまった．本研究では多段階学習アンサンブルモデルを用いることで予測精度の向上を行った．多段階学習アンサンブルモデルはアンダーサンプリングをした学習データを分割し，複数の弱学習器を作成し，作成された予測モデルで誤分類されたデータで繰り返し弱学習器を作成して予測を行う．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: This study aims to predict students who will be absent for two consecutive weeks in a target asynchronous online class using a multi-stage learning ensemble model based on features extracted from learning logs of multiple courses. In our previous study, we used cluster classification and machine learning to predict students who would miss two consecutive weeks of classes and fail to earn credits, but the Precision was less than 0.50. In this study, we improved the prediction accuracy by using a multi-stage learning ensemble model. The multistage learning ensemble model divides the undersampled training data, creates multiple weak learners, and repeatedly creates weak learners using the data misclassified by the created prediction model to make predictions.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AN10096193
• 書誌情報: 研究報告コンピュータと教育（CE）; 巻 2023-CE-172, 号 1, p. 1-7, 発行日 2023-11-25
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8930
• 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