Subscribe to the gold package and get unlimited access to Shamra Academy
Register a new userEDUCATIONAL DATA MINING
تنقيب المعلومات التعليمي
1630
0 34
4.0
(
1
)
Added by
Damascus University حلقة بحث
Publication date
2018
fields
Informatics Engineering
and research's language is
العربية
Created by
Mirna Arbach
Ask ChatGPT about the research
تنقيب المعلومات التعليمي : هو عملية تحويل المعلومات الخام القادمة من الأنظمة التعليمية الى معلومات مفيدة يمكن استخدامها من قبل مطورين الأنظمة التعليمية والطلاب والمعلمين و حتى الباحثين في مجال التعليم نظم هذا البحث على فصلين : 1 -التعرف على منهجيات الDM المستخدمة في المجال التعليمي و التحدث عن بعض التطبيقات باستخدام هذه المنهجيات. 2 -التحدث بشكل مفصل عن مشكلة التنبؤ بأداء الطلاب و عرض بعض الطرق الكلاسيكية المستخدمة لحل هذه المشكلة ثم عرض النموذج المقترح باستخدام أنظمة التوصية.
No English abstract
Artificial intelligence review:
Research summary
الورقة البحثية تتناول موضوع تنقيب البيانات التعليمية (EDM) الذي يهدف إلى تحويل المعلومات الخام القادمة من الأنظمة التعليمية إلى معلومات مفيدة يمكن استخدامها من قبل مطوري الأنظمة التعليمية والطلاب والمعلمين والباحثين في مجال التعليم. يتكون البحث من فصلين: الأول يتناول منهجيات التنقيب عن البيانات المستخدمة في المجال التعليمي وتطبيقاتها، والثاني يتناول مشكلة التنبؤ بأداء الطلاب وعرض بعض الطرق الكلاسيكية لحل هذه المشكلة ثم عرض النموذج المقترح باستخدام أنظمة التوصية. تشمل منهجيات EDM التنبؤ، العنقدة، تنقيب العلاقات، الاكتشاف ضمن النموذج، وتقطير البيانات للحكم البشري. يتم استخدام هذه المنهجيات في تطبيقات مختلفة مثل تحليل البيانات، دعم المعلمين، أنظمة التوصية للطلاب، توقع أداء الطلاب، الكشف عن سلوك الطلاب غير المرغوب، نمذجة الطلاب، تجميع الطلاب في مجموعات، تحليل الشبكة الاجتماعية، تطوير خرائط المفاهيم، وبناء مناهج تعليمية. في الفصل الثاني، يتم اقتراح نظام توصية جديد للتنبؤ بأداء الطلاب باستخدام تقنيات مثل مصفوفة التحليل التعاوني وتقنيات الانحدار الخطي واللوجستي. يتم تقييم النظام المقترح باستخدام بيانات من تحدي KDD لعام 2010، وتظهر النتائج أن النظام المقترح يتفوق على الطرق التقليدية في التنبؤ بأداء الطلاب.
Critical review
دراسة نقدية: الورقة البحثية تقدم إسهاماً مهماً في مجال تنقيب البيانات التعليمية من خلال تقديم نموذج جديد للتنبؤ بأداء الطلاب باستخدام أنظمة التوصية. ومع ذلك، هناك بعض النقاط التي يمكن تحسينها. أولاً، يمكن توسيع نطاق البيانات المستخدمة في التقييم لتشمل بيانات من مصادر مختلفة لضمان تعميم النتائج. ثانياً، يمكن تقديم تحليل أكثر تفصيلاً حول كيفية تأثير المتغيرات المختلفة على أداء النموذج المقترح. ثالثاً، يمكن تضمين مناقشة حول التحديات والمشاكل التي قد تواجه تطبيق النموذج في بيئات تعليمية حقيقية وكيفية التغلب عليها. أخيراً، يمكن تحسين العرض البصري للنتائج لتكون أكثر وضوحاً وسهولة في الفهم.
Questions related to the research
-
ما هو الهدف الرئيسي من تنقيب البيانات التعليمية (EDM)؟
الهدف الرئيسي من تنقيب البيانات التعليمية هو تحويل المعلومات الخام القادمة من الأنظمة التعليمية إلى معلومات مفيدة يمكن استخدامها من قبل مطوري الأنظمة التعليمية والطلاب والمعلمين والباحثين في مجال التعليم.
-
ما هي المنهجيات الرئيسية المستخدمة في EDM؟
المنهجيات الرئيسية المستخدمة في EDM تشمل التنبؤ، العنقدة، تنقيب العلاقات، الاكتشاف ضمن النموذج، وتقطير البيانات للحكم البشري.
-
ما هي التطبيقات العملية لمنهجيات EDM؟
التطبيقات العملية لمنهجيات EDM تشمل تحليل البيانات، دعم المعلمين، أنظمة التوصية للطلاب، توقع أداء الطلاب، الكشف عن سلوك الطلاب غير المرغوب، نمذجة الطلاب، تجميع الطلاب في مجموعات، تحليل الشبكة الاجتماعية، تطوير خرائط المفاهيم، وبناء مناهج تعليمية.
-
كيف يتم تقييم النموذج المقترح في الورقة البحثية؟
يتم تقييم النموذج المقترح باستخدام بيانات من تحدي KDD لعام 2010، وتظهر النتائج أن النظام المقترح يتفوق على الطرق التقليدية في التنبؤ بأداء الطلاب.
References used
Recommender System for Predicting Student Performance
E-Learning Using Data Mining
Data Mining for Education
rate research
Read More
Data mining is becoming a pervasive technology in activities as diverse as using historical data to predict the success of a marketing campaign looking for patterns in financial transactions to discover illegal activities. From this perspective it wa
s just a matter of time for the discipline to reach the important area of computer security This research presents a collection of research efforts on the use of data mining in computer security.
The advances in location-acquisition and mobile computing techniques have generated massive spatial trajectory data, which represent the mobility of a diversity of moving objects, such as people, vehicles and animals. Many techniques have been propos
ed for processing, managing and mining trajectory data in the past decade, fostering a broad range of applications. In this article, we conduct a systematic survey on the major research into trajectory data mining, providing a panorama of the field as well as the scope of its research topics. Following a roadmap from the derivation of trajectory data, to trajectory data preprocessing, to trajectory data management, and to a variety of mining tasks (such as trajectory pattern mining, outlier detection, and trajectory classification), the survey explores the connections, correlations and differences among these existing techniques. This survey also introduces the methods that transform trajectories into other data formats, such as graphs, matrices, and tensors, to which more data mining and machine learning techniques can be applied. Finally, some public trajectory datasets are presented. This survey can help shape the field of trajectory data mining, providing a quick understanding of this field to the community.
This research presents literature review on using Artificial intelligence and Data Mining techniques in Anti Money Laundering systems. We compare many methodologies used in different research papers with the purpose of shedding some light on real life applications using Artificial intelligence
. تعد إدارة وفهم بيانات المواقع المجمعة قضيتين مهمتين لهذه التطبيقات. تقدم هذه الورقة طرقًا لاستخراج مواقع مثيرة للاهتمام من البيانات المكانية والزمانية. الهدف من هذه الورقة هو تجميع آثار GPS الفردية للحصول على رؤى عن الأماكن المثيرة للاهتمام. يمكن ا
لحصول على هذه المواقع المهمة من خلال معالجة البيانات من الأجهزة التي تعمل بنظام GPS للمستخدمين الذين يعيشون في منطقة جغرافية معينة.
In this paper we introduce a comparison for some of data mining algorithm for traffic accidents analysis.
We start by describing available data for entry by analyzing the structure of statistical reports in Lattakia traffic directorate, and proceed
to data mining stage which enables us to smart study of factors that play roles in traffic accident and find its inter-relations and importance for causing traffic accident.
That comes after building data warehouse upon the database we built to store the data we gathered.
In this research we list a some of models was tested which is a sample of a many cases we checked to have the research results.
suggested questions
Log in to be able to interact and post comments
comments
Fetching comments
Sign in to be able to follow your search criteria
