| Form of studies |
Bachelor |
| Title of the study programm |
Computer Systems |
| Title in original language |
Mašīnmācīšanās metožu analīze studenta uzvedības modelēšanai |
| Title in English |
Analysis of machine learning methods for the student behavior modeling |
| Department |
Faculty Of Computer Science Information Tehnology And Energy |
| Scientific advisor |
Sintija Petroviča-Kļaviņa |
| Reviewer |
Mihails Ivanovs |
| Abstract |
Studentu uzvedības analīze, izmantojot mašīnmācīšanos, sniedz pedagogiem vērtīgu ieskatu agrīnai iejaukšanās, rezultātu prognozēšanai, studentu iesaistīšanās prognozēšanai utt. Tas palīdz nepārtraukti uzlabot izglītības stratēģijas un mācību materiālus, galu galā atbalstot individuālu mācīšanos atsevišķiem studentiem. Pastāv dažādi studentu uzvedības veidi, piemēram, sistēmas spēlēšanas uzvedība, ārpusuzdevumu uzvedība un iesaistīšanās uzvedība, ko var novērot dažādās mācību vidēs, piemēram, intelektuālās mācības sistēmās, mācību pārvaldības sistēmās un virtuālajās mācību vidēs. Darba mērķis ir izpētīt un salīdzināt mašīnmācīšanās metodes studentu uzvedības modelēšanai mācību vidēs. Lai to panāktu, autors izmantoja četrus mašīnmācīšanās modeļus, t.i., gadījumu mežu, neironu tīklus, loģistisko regresiju un lēmumu koku, kas tika izmantoti, lai prognozētu studentu iesaistīšanos un uzvedību uzdevuma laikā un ārpus uzdevuma trīs dažādās datu kopās, kas savāktas no trim dažādām mācību vidēm. Mašīnmācīšanās modeļi tika salīdzināti un novērtēti, pamatojoties tādām uz novērtēšanas metrikām kā apgabals zem līknes (AUC), klasifikācijas precizitāte, F1, precizitāte un atsaukšana. Darba analīzi un rezultātus var izmantot, lai izvēlētos mašīnmācīšanās modeļus studentu uzvedības prognozēšanai mācību vidē. |
| Keywords |
Studentu uzvedība, Studentu uzvedības modelēšana, Mašīnmācīšanās metodes studentu uzvedībai, Studentu iesaistīšanās prognozēšana, Uzdevumu izpildes uzvedības prognozēšana |
| Keywords in English |
Student behaviour, Student behaviour modelling, Machine learning methods for student behaviour, Predicting student engagement, On-task behaviour prediction |
| Language |
eng |
| Year |
2024 |
| Date and time of uploading |
05.01.2024 15:07:55 |
