46、学生辍学预警系统与室内导航应用的开发

学生辍学预警系统与室内导航应用的开发

1. 学生辍学预警系统

1.1 研究背景与目的

在教育领域，准确预测学生辍学情况对于教育管理者和学生本身都具有重要意义。目前已有不少研究采用机器学习方法来预测大学生辍学，但针对马来西亚公立中小学学生辍学的早期预警系统却较为缺乏。因此，本研究旨在利用决策树、随机森林和朴素贝叶斯这三种有前景的监督学习技术，建立预测模型，以预测马来西亚公立中小学学生的辍学情况。

1.2 相关研究回顾

• 不同研究采用的方法及结果 ：
  • 有研究使用逻辑回归和决策树两种机器学习方法，基于考试数据建立预测模型，结果表明决策树的效果优于逻辑回归。
  • 另一项研究采用决策树、逻辑回归、随机森林、K近邻和神经网络算法预测计算机科学专业本科生的辍学情况，发现逻辑回归模型是预测学生辍学的最佳模型。
  • 还有研究应用合成少数过采样技术（SMOTE）和随机森林算法预测某大学本科生和文凭生的辍学情况，随机森林算法结合SMOTE的准确率达到93.43%。
  • 一项针对印度大学学生辍学的研究使用朴素贝叶斯、决策树和信息增益三种计算技术，发现朴素贝叶斯技术最能准确预测学生辍学。
  • 最后，有研究运用教育数据挖掘和多种监督学习技术（决策树、K近邻、神经网络、朴素贝叶斯、支持向量机和随机森林）评估不同预测模型的行为，以确定有辍学风险的大学生，结果显示随机森林和决策树的效果优于其他监督学习技术。

1.3 研究方法

1.3.1 编程语言