البحث المتقدم

التنبؤ بأداء الطالب باستخدام التنقيب عن البيانات وتقنيات تحليل التعلم: مراجعة منهجية للأدبيات

Title Predicting student performance using data mining and learning analytics techniques: A systematic literature review

الباحث الرئيس عبدالله نعمون

الباحثون المشاركون

التخصص: علوم الحاسب
التخصص الدقيق:
المستخلص: جذب التنبؤ بالأداء الأكاديمي للطلاب اهتمامًا كبيرًا في مجال التعليم. ومع ذلك ، على الرغم من الاعتقاد بأن نتائج التعلم تعمل على تحسين التعلم والتعليم ، إلا أن التنبؤ بتحقيق نتائج الطلاب لا يزال غير مستكشَف. تم إجراء استطلاع على مدى عقد من العمل البحثي بين 2010 ونوفمبر 2020 لتقديم فهم أساسي للتقنيات الذكية المستخدمة للتنبؤ بأداء الطلاب ، حيث يتم قياس النجاح الأكاديمي بدقة باستخدام نتائج تعلم الطلاب. تشمل قواعد البيانات الببليوغرافية الإلكترونية التي تم البحث عنها ACM و IEEE Xplore و Google Scholar و Science Direct و Scopus و Springer و Web of Science. في النهاية ، قمنا بتجميع وتحليل ما مجموعه 62 ورقة بحثية ذات صلة مع التركيز على ثلاث وجهات نظر ، (1) الأشكال التي يتم فيها توقع نتائج التعلم ، (2) نماذج التحليلات التنبؤية التي تم تطويرها للتنبؤ بتعلم الطلاب ، و (3) العوامل المهيمنة التي تؤثر على نتائج الطلاب. تم تطبيق أفضل الممارسات لإجراء مراجعات منهجية للأدبيات ، مثل PICO و PRISMA ، لتجميع النتائج الرئيسية والإبلاغ عنها. تم قياس تحقيق نتائج التعلم بشكل أساسي على أساس تصنيفات فئة الأداء (أي الرتب) ودرجات الإنجاز (أي الدرجات). تم استخدام نماذج الانحدار والتعلم الآلي الخاضع للإشراف بشكل متكرر لتصنيف أداء الطلاب. أخيرًا ، كانت أنشطة التعلم عبر الإنترنت للطلاب ، ودرجات تقييم الفصل الدراسي ، والعواطف الأكاديمية للطلاب من أكثر المؤشرات وضوحًا لنتائج التعلم. نختتم المسح من خلال تسليط الضوء على بعض التحديات البحثية الرئيسية واقتراح ملخص للتوصيات الهامة لتحفيز الأعمال المستقبلية في هذا المجال.
Abstract: The prediction of student academic performance has drawn considerable attention in education. However, although the learning outcomes are believed to improve learning and teaching, prognosticating the attainment of student outcomes remains underexplored. A decade of research work conducted between 2010 and November 2020 was surveyed to present a fundamental understanding of the intelligent techniques used for the prediction of student performance, where academic success is strictly measured using student learning outcomes. The electronic bibliographic databases searched include ACM, IEEE Xplore, Google Scholar, Science Direct, Scopus, Springer, and Web of Science. Eventually, we synthesized and analyzed a total of 62 relevant papers with a focus on three perspectives, (1) the forms in which the learning outcomes are predicted, (2) the predictive analytics models developed to forecast student learning, and (3) the dominant factors impacting student outcomes. The best practices for conducting systematic literature reviews, e.g., PICO and PRISMA, were applied to synthesize and report the main results. The attainment of learning outcomes was measured mainly as performance class standings (i.e., ranks) and achievement scores (i.e., grades). Regression and supervised machine learning models were frequently employed to classify student performance. Finally, student online learning activities, term assessment grades, and student academic emotions were the most evident predictors of learning outcomes. We conclude the survey by highlighting some major research challenges and suggesting a summary of significant recommendations to motivate future works in this field.
الحالة: محكم ومنشور
جهة التحكيم: Applied Sciences
دار النشر: MDPI
سنة النشر: 2021
تحويل التاريخ