Resumen

En las últimas décadas, predecir el rendimiento de los estudiantes en el campo académico ha revelado la atención de los investigadores por mejorar las debilidades y brindar apoyo a los futuros estudiantes. Para facilitar la tarea, se utilizan técnicas de minería de datos educativos (EDM) para construir modelos de predicción basados en registros académicos históricos de los estudiantes. Estos modelos presentan el conocimiento incrustado que es más legible e interpretable por los humanos. Por lo tanto, en este artículo, se presentan las contribuciones en tres aspectos que incluyen lo siguiente: (i) proporcionar un análisis exhaustivo sobre las características seleccionadas y sus efectos en el valor de rendimiento utilizando técnicas de análisis estadístico, (ii) construir y estudiar el rendimiento de varios clasificadores de diferentes familias de técnicas de aprendizaje automático (ML), (iii) proponer una técnica de clasificación de modelo de árbol basada en meta-ensemble (EMT) para predecir el rendimiento del estudiante. Los resultados experimentales muestran que el

• Materias:Sensores Seguridad informática Rendimiento del hardware Matriz
• Subjects:sensors Computer security Hardware performance Matrix
• Palabras claves:Décadas recientes; Predecir el rendimiento; Campo académico; Minería de datos educativos; Modelos de predicción; Rendimiento estudiantil
• Keywords:Recent decades; Predicting performance; Academic field; Educational data mining; Prediction models; Student performance