<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Prévision des résultats finaux des étudiants avec JMP Pro 12
Thai Cao
Juana Rodriguez
Université d'État d'Oklahoma
Abstrait:
Une foule de facteurs peuvent influer sur les résultats scolaires des adolescents. En comprenant ces facteurs, les écoles et les parents peuvent fournir un soutien adéquat en temps opportun, ce qui peut aider les élèves à améliorer leurs résultats scolaires et à améliorer leurs performances à l'avenir. Nous avons obtenu des données de 1 044 élèves dans deux écoles secondaires publiques portugaises («GP» - Gabriel Pereira et «MS» - Mousinho da Silveira), dans le référentiel UCI Machine Learning. L'ensemble de données d'origine contient 33 variables d'entrée et 1 variable cible nominale identifiée par «G» qui contient la note finale moyenne des étudiants. Au collège portugais, un élève réussit une classe s’il obtient 50% ou plus du résultat final. Pour les besoins de notre analyse, nous avons créé une cible binaire à partir des notes finales moyennes de l'ensemble de données d'origine. La nouvelle variable cible s'appelle «Final» et décrit si les étudiants ont réussi ou échoué le cours. Il n'y a pas de valeurs manquantes dans le jeu de données; aucune multicolinéarité n'a été observée parmi les variables d'entrée et des variables d'entrée importantes pour la construction du modèle ont été sélectionnées à l'aide du test du Khi-deux.
Dans ce projet, nous utilisons JMP 12 Pro pour développer des modèles (régression, arbre de décision et réseau de neurones) permettant de prédire si les élèves réussissent ou non leurs cours, en fonction de leurs caractéristiques personnelles, leurs habitudes, leurs caractéristiques familiales et démographiques et leurs performances scolaires. De tels modèles aideront non seulement à prédire les résultats des élèves mais fourniront également des indications sur la manière dont chaque facteur spécifique influe sur les performances des élèves.
