nach oben

Erschienen in:

2019 | OriginalPaper | Buchkapitel

Machine Learning for the Identification of Students at Risk of Academic Desertion

verfasst von : Leidy Daniela Forero Zea, Yudy Fernanda Piñeros Reina, José Ignacio Rodríguez Molano

Erschienen in: Learning Technology for Education Challenges

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config

KI-gestützte Suche

Aus

Abstract

In Latin America, desertion rates in higher education range between 40% and 75%. There are many reasons for a student to deserted of their studies. However, the importance of identifying the level of risk related to such desertion is reflected in the socio-economic impact for the institutions as well as for the country. Technological advancements in database management and artificial intelligence have led to the development of techniques such as Machine Learning, which supports decision-making when facing a problem and adapts accordingly to the required conditions.

The following article shows a case study of the identification of students in Industrial Engineering at risk of dropping out in the Universidad Distrital Francisco José de Caldas from the 2003-1 to 2018-1 academic semesters. The algorithm is selected based on which is more suitable to the nature of data, through the comparison of automated learning techniques in Azure Machine Learning Studio.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

über 102.000 Bücher
über 537 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Finance + Banking
Management + Führung
Marketing + Vertrieb
Maschinenbau + Werkstoffe
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 390 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Maschinenbau + Werkstoffe

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 340 Zeitschriften

aus folgenden Fachgebieten:

Bauwesen + Immobilien
Business IT + Informatik
Finance + Banking
Management + Führung
Marketing + Vertrieb
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Vorheriges Kapitel Teaching Effectiveness: An Innovative Evaluation Model

Nächstes Kapitel Evaluation of Computer Assisted Qualitative Data Analysis Software (CAQDAS) Applied to Research

Chung, J.Y., Lee, S.: Desertion early warning systems for high school students using machine learning. Child. Youth Serv. Rev. (2018)

Copeland, M. et al.: Microsoft Azure Machine Learning. In: Microsoft Azure (2015)

Guides, A.M.D.: Amazon Machine Learning

Himmel, E.: Modelo de análisis de la deserción estudiantil en la educación superior. Calidad. en la Educación 17, 91 (2018). (Himmel, E.: Model for the analysis of student desertion in higher education)

Melo-Becerra, L.A., et al.: La educación superior en Colombia: situación actual y análisis de eficiencia. Desarro. Soc. 78, 59–111 (2017). (Melo Becerra, et al.: Higher education in Colombia: current situation and efficiency analysis)CrossRef

Ministerio de Educación.: Estádisticas de deserción y graduación. (Colombian Ministry of National Education: Desertion and graduation statistics) (2016)

Ministerio de Educación Nacional: Deserción estudiantil en la educación superior colombiana. (Colombian Ministry of National Education: Student desertion in Colombian higher education.) (2009)

Ministerio de Educación Nacional.: Estadisticas de Educacion Superior, (Colombian Ministry of National Education: Statistics of higher education) (2016)

Sisodia, D., Sisodia, D.S.: Prediction of diabetes using classification algorithms. Procedia Comput. Sci. 132, 1578–1585 (2018)CrossRef

10.

Tan, M., Shao, P.: Prediction of student desertion in e-Learning program through the use of machine learning method. Int. J. Emerg. Technol. Learn. 10(1), 11–17 (2015)MathSciNetCrossRef

11.

Universidad Distrital: Estadística de la permanencia, graduación y deserción de los estudiantes en la Facultad de Ingeniería en programas de pregrado 2009–2017. (Universidad Distrital: Statistics on the permanence, graduation and desertion of students in the Faculty of Engineering in undergraduate programs 2009–2017). (2018)

12.

Navarro, C.A.T., Neira, J.A.C.: Design of Expert System for Decision Making in Materials Purchasing (n.d.). http://www.scielo.org.co/pdf/cuadm/v30n52/v30n52a03.pdf

13.

Hidalgo, L.A.: Artificial Intelligence (n.d.). https://doi.org/M-26913–2004

14.

Alberto Ruiz Marta Susana Basualdo, C., Jorge Matich, D.: Cátedra: Informática Aplicada a la Ingeniería de Procesos-Orientación I Redes Neuronales: Conceptos Básicos y Aplicaciones. (Alberto Ruiz Marta Susana Basualdo, C., & Jorge Matich, D. Chair: Computer Science Applied to Process Engineering-Orientation I Neural Networks: Basic Concepts and Applications.) https://www.frro.utn.edu.ar/repositorio/catedras/quimica/5_anio/orientadora1/monograias/matich-redesneuronales.pdf

15.

Gómez, J., Sánchez, J., William Restrepo, J.: Aplicación de Redes Neuronales en la Clasificación de Arcillas. Revista EIA (vol. 17). (Gómez, J., Sánchez, J., & William Restrepo, Application of Neural Networks in the Classification of Clays) (2012) http://www.scielo.org.co/pdf/eia/n17/n17a14.pdf

16.

Garcia, M.R., Rodríguez, J.E.R.: Sistemas Basados En El Conocimiento. Revista Vínculos. (Knowledge-Based Systems. Vínculos Magazine) 1(1), 37–44 (2004). https://doi.org/10.14483/2322939X.4070

17.

Gorges, C., Öztürk, K., Liebich, R.: Impact detection using a machine learning approach and experimental road roughness classification (2019). https://doi.org/10.1016/j.ymssp.2018.07.043CrossRef

18.

Cai, J., Luo, J., Wang, S., Yang, S.: Feature selection in machine learning: a new perspective. Neurocomputing 300, 70–79 (2018). https://doi.org/10.1016/j.neucom.2017.11.077CrossRef

19.

Kotsiantis, S.B., Zaharakis, I.D., Pintelas, P.E.: Machine learning: a review of classification and combining techniques. Artif. Intell. Rev. 26(3), 159–190 (2006). https://doi.org/10.1007/s10462-007-9052-3CrossRef

20.

Badaró, S., Javier Ibañez, L., Agüero, M.J.: Sistemas Expertos: Fundamentos, Metodologías y Aplicaciones. (Expert Systems: Fundamentals, Methodologies and Applications) (n.d.). https://www.palermo.edu/ingenieria/pdf2014/13/CyT_13_24.pdf

21.

Goldberg, D.E.: Genetic Algorithms in Search, Optimization, and Machine Learning. Addison-Wesley Longman Publishing Co., Inc., London (1989). https://dl.acm.org/citation.cfm?id=534133

22.

Moreno-Eva, A. et al.: Aprendizaje automático (n.d.). www.edicionsupc.es

23.

Kim, I., et al: A predictive model for high/low risk group according to oncotype DX recurrence score using machine learning (2018). https://doi.org/10.1016/j.ejso.2018.09.011CrossRef

24.

Patricia, S., Moreno, B., Támara, L.G.: Acercamiento a la deserción estudiantil desde la integración social y académica (Approach to student desertions from the perspective of social and academic integration). Revista de La Educación Superior 46(183), 63–86 (2017). https://doi.org/10.1016/j.resu.2017.05.004CrossRef

Titel: Machine Learning for the Identification of Students at Risk of Academic Desertion
verfasst von: Leidy Daniela Forero Zea
Yudy Fernanda Piñeros Reina
José Ignacio Rodríguez Molano
Verlag: Springer International Publishing
Buch: Learning Technology for Education Challenges
Print ISBN: 978-3-030-20797-7

Electronic ISBN: 978-3-030-20798-4

Copyright-Jahr: 2019
DOI: https://doi.org/10.1007/978-3-030-20798-4_40

Springer Professional

Abstract

Bitte loggen Sie sich ein, um Zugang zu Ihrer Lizenz zu erhalten.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Springer Professional "Technik"

Springer Professional "Wirtschaft"