is Íslenska en English

Lokaverkefni (Meistara)

Háskóli Íslands > Verkfræði- og náttúruvísindasvið > Meistaraprófsritgerðir - Verkfræði- og náttúruvísindasvið >

Vinsamlegast notið þetta auðkenni þegar þið vitnið til verksins eða tengið í það: http://hdl.handle.net/1946/32291

Titill: 
  • Titill er á ensku Using Machine Learning for Predicting the Likelihood of Upper Secondary School Student Dropout
Námsstig: 
  • Meistara
Útdráttur: 
  • Útdráttur er á ensku

    According to research there is much room for improving student retention in upper secondary schools in Iceland. Inna is a school administrative and learning management system used by all upper secondary schools in Iceland to some extent. Commissioned in 2001 by the Icelandic Ministry of Education, Science and Culture, the system has a large digital history of student attendance and school work performance data. The aim of this research is to evaluate the possibility of using machine learning algorithms to predict whether students in upper secondary schools in Iceland are in danger of dropping out of their studies. In this research a feature assessment is done on the data available in Inna. The performance of 13 batch learning supervised machine learning algorithms is evaluated. The algorithms are trained using 28 features from 53674 records of previous student registrations that have been enrolled in matriculation examination studies in Iceland in the years 2003–2018. The best performing classifier after tuning the parameters is Gradient Boosting, followed by Random Forest and AdaBoost. The Gradient Boosting classifier is able to reliably predict with 84% accuracy whether a student is in danger of dropping out or their studies or not. An end user interface for school administrative users to view the classification results for their students currently enrolled in matriculation examination studies is presented.

  • Rannsóknir hafa sýnt fram á að mikið svigrúm er til staðar til að bæta úr brottfalli nemenda úr framhaldsskólum á Íslandi. Inna er stjórnunar- og námskerfi sem notað er af öllum framhaldsskólum á Íslandi á einn veg eða annan. Kerfið var stofnað árið 2001 eftir beiðni frá Mennta- og menningarmálaráðuneytinu og hefur kerfið að geyma langa stafræna sögu um viðveru og frammistöðu nemenda í námi. Tilgangur þessarar rannsóknar er að meta hvort hægt sé að þjálfa reiknigreindarlíkan sem getur spáð fyrir um það hvort nemendur í framhaldsskólum á Íslandi eru í hættu á að detta úr námi. Í rannsókninni eru eiginleikar sem eru til staðar varðandi nemendur í Innu kannaðir. Metin er geta 13 reiknigreindaraðferða til að spá fyrir brottfalli nemenda úr námi. Líkönin eru þjálfuð með 28 eiginleikum frá 53674 skráningum nemenda sem hafa verið skráðir í stúdentspróf árin 2003–2018. Komist er að þeirri niðurstöðu að Gradient Boosting líkan hentar best til þess að spá fyrir brottfalli í verkefni þessu og gerir það áreiðanlega með 84% nákvæmni. Random Forest og AdaBoost fylgja fast á hæla þess. Viðmót sem skólastjórnendur geta notað til þess að sjá brottfallsspá fyrir núverandi nemendur skráða í stúdentspróf í skóla þeirra er kynnt til sögunnar.

Samþykkt: 
  • 29.1.2019
URI: 
  • http://hdl.handle.net/1946/32291


Skrár
Skráarnafn Stærð AðgangurLýsingSkráartegund 
Predicting Student Dropouts Using Machine Learning.pdf1.35 MBOpinnHeildartextiPDFSkoða/Opna
Skemman_yfirlysing.png1.79 MBLokaðurYfirlýsingPNG