Resumen

La predicción del rendimiento estudiantil es extremadamente importante en el sistema educativo actual. Predecir el logro estudiantil con anticipación puede ayudar a los estudiantes y profesores a dar seguimiento al progreso de los alumnos. Hoy en día, varias instituciones han implementado un método manual de evaluación continua. Los estudiantes se benefician de tales métodos ya que les ayudan a mejorar su desempeño. En este estudio, podemos utilizar la minería de datos educativos (EDM), que recomendamos como un clasificador conjunto para anticipar el modelo de pronóstico del logro del estudiante basado en técnicas de minería de datos como técnicas de clasificación. Este modelo utiliza conjuntos de datos distintos que representan la interacción de los estudiantes con el modelo educativo. La evaluación de un modelo predictivo de un estudiante se realiza mediante diversos clasificadores, como regresión logística, árbol de Bayes ingenuo, red neuronal artificial, sistema de vectores de soporte, árbol de decisión, bosque aleatorio y vecinos más cercanos. Además, utilizamos procesos establecidos para mejorar la presentación de

• Materias:Comunicación inalámbrica Dispositivos móviles Seguridad de la información Algoritmo de inteligencia Sensor inteligente
• Subjects:Wireless communication Mobile devices Information security Algorithm intelligence Intelligent sensor
• Palabras claves:Predicción del rendimiento estudiantil; Minería de datos educativos; Clasificador de conjunto; Técnicas de minería de datos; Técnicas de clasificación; Mejora del rendimiento
• Keywords:Student performance prediction; Educational data mining; Ensemble classifier; Data mining techniques; Classification techniques; Performance improvement