Vorhersage der Abschlussergebnisse von Studenten mit JMP Pro 12
Thai Cao
Juana Rodriguez
Oklahoma State Universität
Abstrakt:
Es gibt eine Vielzahl von Faktoren, die die Schulleistungen von Jugendlichen beeinflussen können. Durch das Verständnis dieser Faktoren können Schulen und Eltern rechtzeitig und angemessen unterstützen, was den Schülern helfen kann, ihre Schulnoten zu verbessern und auch in Zukunft bessere Leistungen zu erbringen. Wir haben Daten von 1.044 Schülern zweier portugiesischer öffentlicher Sekundarschulen („GP“ – Gabriel Pereira und „MS“ – Mousinho da Silveira) aus dem UCI Machine Learning Repository erhalten. Der ursprüngliche Datensatz enthält 33 Eingangsvariablen und eine nominale Zielvariable namens „G“, die die durchschnittliche Abschlussnote der Schüler enthält. In der portugiesischen Mittelschule besteht ein Schüler eine Klasse, wenn er im Abschlussergebnis 50 % oder mehr erreicht. Für unsere Analyse haben wir aus den durchschnittlichen Abschlussnoten des ursprünglichen Datensatzes eine binäre Zielvariable erstellt. Die neue Zielvariable heißt „Final“ und beschreibt, ob die Schüler die Klasse bestanden oder nicht bestanden haben. Der Datensatz enthält keine fehlenden Werte; es wurde keine Multikollinearität zwischen den Eingangsvariablen beobachtet, und wichtige Eingangsvariablen für die Modellbildung wurden mithilfe des Chi-Quadrat-Tests ausgewählt.
In diesem Projekt verwenden wir JMP 12 Pro, um Modelle (Regression, Entscheidungsbaum und neuronales Netz) zu entwickeln, die vorhersagen, ob Schüler ihre Kurse bestehen oder nicht. Dabei werden ihre persönlichen Eigenschaften, Gewohnheiten, familiären und demografischen Merkmale sowie ihre schulischen Leistungen berücksichtigt. Solche Modelle helfen nicht nur bei der Vorhersage der Schülerergebnisse, sondern liefern auch Erkenntnisse darüber, wie sich einzelne Faktoren auf die Leistung der Schüler auswirken.
