인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 저자정보
피인용 0
초록·키워드
Machine learning methods have been increasingly used in educational settings. For the problem of predicting students’ English test scores, first, the number of absences and the average score of usual tests were selected as students’ behavioral features; then, the prediction effects of five machine learning approaches, including K-medoids, support vector regression (SVR), random forest (RF), gradient boosting decision tree (GBDT) and XGBoost, were compared after eliminating the features with weak correlation. The results showed that the XGBoost method best predicted students’ English test scores, with an average accuracy, precision, and recall rate of 0.8619, 0.8322, and 0.8734, respectively, and an F1 value of 0.8523. The findings demonstrate the reliability of the XGBoost method in predicting students’ English test scores. It can be extended and applied in practice. This article makes some contributions to the accurate prediction of students’ grades and the intelligent management of educational information.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-25-02-093686188
