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.
초록·키워드
Predicting students' performance in high-risk exams, such as the baccalaureate, is essential for early identification of at-risk students and designing targeted interventions. This study introduces a deep learning approach to predict final baccalaureate outcomes among Moroccan high school students based on their current performance in the first semester and previous academic achievements. The dataset comprises 182.636 records containing demographic, socioeconomic, and prior academic performance features. We used a neural network model to predict the cumulative grade point average (CGPA). In the testing set, the model achieved a Mean Squared Error (MSE) of 0.258 and a Mean Absolute Error (MAE) of 0.392 . Moreover, the model explains 72.3% (R 2 score = 0.723 ) of the variance in the target variable (CGPA), capturing a significant portion of the underlying relationships in this dataset. We also integrate the SHapley Additive exPlanations (SHAP) tool to enhance model interpretability. The SHAP analysis highlights that academic performance, particularly on the regional exam and first-semester overall average , is the most important factor in predicting students' CGPA; poverty and class size also play a role. This work emphasizes the potential of combining deep learning models with interpretability tools to provide actionable insights in educational settings.
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
