العنوان بلغة أخرى: |
تقييم أداء الطلاب باستخدام خوارزميات التعلم الآلي |
---|---|
المصدر: | مجلة أبحاث كلية التربية الأساسية |
الناشر: | جامعة الموصل - كلية التربية الأساسية |
المؤلف الرئيسي: | عزيز، سماح فخرى (مؤلف) |
المؤلف الرئيسي (الإنجليزية): | Aziz, Samah Fakhri |
المجلد/العدد: | مج16, ع3 |
محكمة: | نعم |
الدولة: |
العراق |
التاريخ الميلادي: |
2020
|
الصفحات: | 976 - 986 |
DOI: |
10.33899/berj.2020.166006 |
ISSN: |
1992-7452 |
رقم MD: | 1075152 |
نوع المحتوى: | بحوث ومقالات |
اللغة: | الإنجليزية |
قواعد المعلومات: | EduSearch |
مواضيع: | |
كلمات المؤلف المفتاحية: |
أداء الطالب | التنبؤ | Student Performance | GBDT | RFDT | Deeplearning | Prediction
|
رابط المحتوى: |
الناشر لهذه المادة لم يسمح بإتاحتها. |
LEADER | 02867nam a22002537a 4500 | ||
---|---|---|---|
001 | 1814494 | ||
024 | |3 10.33899/berj.2020.166006 | ||
041 | |a eng | ||
044 | |b العراق | ||
100 | |9 580807 |a عزيز، سماح فخرى |e مؤلف |g Aziz, Samah Fakhri | ||
245 | |a Students' Performance Evaluation Using Machine Learning Algorithms | ||
246 | |a تقييم أداء الطلاب باستخدام خوارزميات التعلم الآلي | ||
260 | |b جامعة الموصل - كلية التربية الأساسية |c 2020 | ||
300 | |a 976 - 986 | ||
336 | |a بحوث ومقالات |b Article | ||
520 | |a إن التنبؤ بأداء الطالب مهم جدا لنجاح أي عملية تعليمية. يمكن لتسخير طرق استخراج البيانات والتعلم الآلي للتنبؤ بأدائها استناداً إلى البيانات المتاحة في المدارس وسجلات الطلاب أن يشرح سلوكهم وتأثير كل عامل على تقدم العملية التعليمية للطلاب والعلاقة بين المرحلة العمرية والمتابعة حتى الآباء وأيام الغياب. تناقش هذه الورقة إمكانية تسخير خوارزميات التعلم الآلي للتنبؤ بأداء الطالب وتحديد أهمية كل عامل لهذا الأداء ومقارنة أداء خوارزميات التعلم الآلي ((GBDT -RFDT- Deeplearning في استكشاف البيانات التعليمية. | ||
520 | |b Predicting student performance is very important to the success of any educational process. Harnessing methods of data mining and machine learning to predict their performance based on data available in schools and student records can explain their behavior, the impact of each factor on the progress of the educational process for students, the relationship of the age stage and follow-up of parents and days of absence. This paper discusses the possibility of harnessing machine learning algorithms to predict student performance and determine the importance of each factor to that performance and Comparing the performance of machine learning algorithms (GBDT- RFDT- Deeplearning) in exploring educational data. | ||
653 | |a تكنولوجيا التعليم |a التعلم الإلكتروني |a الخوارزميات | ||
692 | |a أداء الطالب |a التنبؤ |b Student Performance |b GBDT |b RFDT |b Deeplearning |b Prediction | ||
773 | |4 التربية والتعليم |6 Education & Educational Research |c 041 |e College of Basic Education Researches Journal |f Maǧallaẗ abḥāṯ kulliyyaẗ al-tarbiyaẗ al-asāsiyyaẗ |l 003 |m مج16, ع3 |o 1127 |s مجلة أبحاث كلية التربية الأساسية |t |v 016 |x 1992-7452 | ||
856 | |u 1127-016-003-041.pdf | ||
930 | |d n |p y |q n | ||
995 | |a EduSearch | ||
999 | |c 1075152 |d 1075152 |