Перевод названия: IMPORTANCE OF E-LEARNING DATA TO PREDICT LEARNING SUCCESS
Тип публикации: доклад, тезисы доклада, статья из сборника материалов конференций
Конференция: Информатизация образования и методика электронного обучения: цифровые технологии в образовании; Красноярск; Красноярск
Год издания: 2021
Ключевые слова: XGBoost, learning analytics, learning success, gradient boosting, анализ образовательных данных, успешность обучения, градиентный бустинг
Аннотация: Статья посвящена проблеме предсказания успешности обучения с использованием данных из электронной среды. В работе проводится анализ значимости различных предикторов для предсказания успешности обучения в курсе «Теория вероятностей и математическая статистика» для модели градиентного бустинга на решающих деревьях (xgboost). Представлены результаты эмпирического исследования моделей, использующих в качестве предикторов характеристики как аудиторной работы студентов, так их работы в электронной среде. The article is devoted to the problem of predicting learning success using data from e-learning. The paper studies the importance of various predictors of learning success in the model on decision trees (xgboost). The results of an empirical study of models with various sets of predictors from both in-class work and e-learning.
Издание
Журнал: Информатизация образования и методика электронного обучения: цифровые технологии в образовании
Выпуск журнала: Часть 1
Номера страниц: 160-165
Место издания: Красноярск
Издатель: Сибирский федеральный университет
Персоны
- Есин Р. В. (Сибирский федеральный университет)
- Кустицкая Т. А. (Сибирский федеральный университет)
Вхождение в базы данных
Информация о публикациях загружается с сайта службы поддержки публикационной активности СФУ. Сообщите, если заметили неточности.