ارسل ملاحظاتك

ارسل ملاحظاتك لنا







الرئيسية > Neutrosophic Deep Learning for...>الوصف

Neutrosophic Deep Learning for Student Performance Prediction: A Novel Approach with Uncertainty Integration and Ethical Considerations

العنوان بلغة أخرى: التعلم العميق النيوتروسوفي للتنبؤ بأداء الطلاب: منهجية جديدة مع تكامل الشكوك والاعتبارات الأخلاقية
المصدر: مجلة العلوم التجارية والبيئية
الناشر: الجمعية العلمية للدراسات والبحوث التطبيقية
المؤلف الرئيسي: Salama, A. A. (Author)
مؤلفين آخرين: Shitaya, Ahmed Mohamed (Co-Author) , Wahed, Mohamed El Syed (Co-Author) , Abd El Khalek, Saied Helemy (Co-Author) , Ismail, Amr (Co-Author)
المجلد/العدد: مج3, ع2
محكمة: نعم
الدولة: مصر
التاريخ الميلادي: 2024
الصفحات: 252 - 274
ISSN: 2974-3117
رقم MD: 1491501
نوع المحتوى: بحوث ومقالات
اللغة: الإنجليزية
قواعد المعلومات: EcoLink
مواضيع:
القيم النيوتروسوفية | الاعتبارات الأخلاقية | تقييم الأداء | أداء الطلبة
كلمات المؤلف المفتاحية:
مجموعات نيوتروسوفية | التعلم العميق | التنبؤ بأداء الطلاب | تكامل الشكوك | تمثيل الميزات | Neutrosophic Sets | Deep Learning | Student Performance Prediction | Uncertainty Integration | Feature Representation
رابط المحتوى:
PDF (صورة)     
صورة الغلاف QR قانون

عدد مرات التحميل

1

حفظ في:
المستخلص: يقدم هذا البحث منهجية للتنبؤ بأداء الطلاب باستخدام مجموعات نيوتروسوفية وتقنيات التعلم العميق. يتضمن النهج المقترح اختيار وتمثيل الميزات باستخدام المجموعات النيوتروسوفية، ثم تطوير النموذج باستخدام بنية تعلم عميق مناسبة. يتم تحقيق تكامل الشكوك من خلال دمج القيم النيوتروسوفية أثناء التدريب باستخدام دوال تفعيل متخصصة ودوال فقدان معدلة. يتم تقييم أداء النموذج باستخدام مقاييس مناسبة، وتستخدم تقنيات التفسير لفهم عمليات اتخاذ القرار. كما يتم تناول الاعتبارات الأخلاقية بشأن جمع واستخدام بيانات الطلاب. تقدم المنهجية المقترحة نهجا جديدًا للتنبؤ بأداء الطلاب يأخذ في الاعتبار الشكوك ويوفر رؤى في عملية اتخاذ القرار، مما يمكن أن يساعد المعلمين في تحديد المجالات التي تحتاج إلى تحسين وتوفير التدخلات المستهدفة.

This paper presents a methodology for predicting student performance using neutrosophic sets and deep learning techniques. The proposed approach involves feature selection and representation using neutrosophic sets, followed by model development using a suitable deep learning architecture. Uncertainty integration is achieved by incorporating neutrosophic values during training using specialized activation functions and modified loss functions. The model's performance is evaluated using appropriate metrics, and interpretation techniques are employed to understand the decision-making processes. Ethical considerations regarding student data collection and usage are also addressed. The proposed methodology offers a novel approach to student performance prediction that considers uncertainty and provides insights into the decision-making process, which can help educators, identify areas for improvement and provide targeted interventions.
ISSN: 2974-3117

عناصر مشابهة


© 2024 المنظومة. جميع الحقوق محفوظة.