.png){kind=icon}
返回
Feature Engineering on LMS Data to Optimize Student Performance Prediction
.png){kind=icon}
PRE
AI
DOI：10.1007/978-3-031-99879-9_8.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
几乎所有教育机构都使用学习管理系统（LMS），这些系统通常产生由数千人产生的数TB数据。我们考察了一所区域性综合性大学的LMS成绩和登录数据，具体记录了在尝试预测学生表现时从这些数据中构建特征的关键考虑因素。我们具体记录了自新冠大流行以来LMS数据模式的变化，这对于数据科学家在使用历史数据时需要考虑这些变化。我们比较了多种构建的特征以及利用这些特征进行机器学习的方法。最后，我们总结了将这些特征纳入更全面的学生表现模型的含义。
Keyword:
College Student Success
Learning Management System Data
Predictive Modeling
LMS Feature Engineering
期刊
N
IF:
0
论文数:
9
被引数:
0
机构
引用论文
Early Identification of Students’ Social Networks: Predicting College Retention and Graduation via Campus Dining通过校园餐饮进行早期识别学生社交网络：预测大学留校率和毕业率
PREAI
分享收藏Analytics of student behaviour in a learning management system as a predictor of learning success
OAAI
OAAI分享收藏分享收藏Do Growth Mindset Interventions Impact Students' Academic Achievement? A Systematic Review and Meta-Analysis With Recommendations for Best Practices成长心态干预会影响学生的学业成绩吗？系统回顾和元分析，并提出最佳实践建议.png)
PSYCHOLOGICAL BULLETIN
OAAI
PSYCHOLOGICAL BULLETINIF19.8
OAAI分享收藏 没有更多内容
没有更多内容