入学前教育データを用いた成績予測システムの性能における学習期間への依存性

• Item type: SIG Technical Reports(1)
• 公開日: 2024-07-04
• タイトル: 入学前教育データを用いた成績予測システムの性能における学習期間への依存性
• タイトル / 言語: en
• タイトル: Dependence on Training Period of Performance of Forecast System of Post-enrollment Grade Using Pre-admission Education Data
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: LOIS 4
• 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: 北海道科学大学工学部情報工学科
• 著者所属: 北海道科学大学工学部情報工学科
• 著者所属: 北海道科学大学工学部情報工学科
• 著者所属: 龍谷大学先端理工学部
• 著者所属: 滋賀県立大学工学部電子システム工学科
• 著者所属(英): en
• 著者所属(英): Department of Information and Computer Science, Faculty of Engineering, Hokaido University of Science
• 著者所属(英): en
• 著者所属(英): Department of Information and Computer Science, Faculty of Engineering, Hokaido University of Science
• 著者所属(英): en
• 著者所属(英): Department of Information and Computer Science, Faculty of Engineering, Hokaido University of Science
• 著者所属(英): en
• 著者所属(英): Faculty of Advanced Science and Technology, Ryukoku University
• 著者所属(英): en
• 著者所属(英): Department of Electronic Systems Engineering, Faculty of Engineering, The University of Shiga Prefecture
• 著者名: 荒澤, 孔明; 松川, 瞬; 杉尾, 信行; 高原, まどか; 服部, 峻
• 著者名(英): Komei, Arasawa; Shun, Matsukawa; Nobuyuki, Sugio; Madoka, Takahara; Shun, Hattori
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 日本の大学では，中途退学者の増加が深刻化している．学生の退学理由には，成績不振が大きな要因であると主張する研究者らも多くおり，早い段階で学生の成績を予測し，教員らが早期にサポートできる仕組みの確立が求められている．我々はこれまで，入学前教育の学修記録や高校在籍時の成績，また入試情報などを特徴量とした機械学習手法に基づき，大学の新入生の 1 年後の GPA の順位区分が，下位になるか否かを予測する手法について研究を行ってきた．本稿では，学習データを 2 ヶ年度分の新入生情報に増やした際，テストデータに対する予測の適合率と再現率またそれらの F 値にどのような影響を与えるかについて報告する．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: The number of dropouts from universities is increasing in Japan, many papers claim that poor academic performance is a major reason for students to drop out of university. Therefore, there is a need to develop a system that can forecast students’ GPA at an early stage and help students with poor GPA. We have proposed the method that forecast whether or not the GPA of each admitted student would be in the lower in one year based on a machine learning method using features such as pre-admission education data, high school grades, and admission examination data. In this paper, we report on the impact of increasing the training data to two years of student information on Precision, Recall, F-measure to the test data.
• 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: AN10539261
• 書誌情報: 研究報告ドキュメントコミュニケーション（DC）; 巻 2024-DC-133, 号 11, p. 1-6, 発行日 2024-07-04
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8892
• 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