Pregled bibliografske jedinice broj: 443586
Neuronske mreže i stabla odlučivanja za predviđanje uspješnosti studiranja
Neuronske mreže i stabla odlučivanja za predviđanje uspješnosti studiranja // Ekonomski vjesnik, 22 (2009), 2; 314-327 (podatak o recenziji nije dostupan, prethodno priopćenje, znanstveni)
CROSBI ID: 443586 Za ispravke kontaktirajte CROSBI podršku putem web obrasca
Naslov
Neuronske mreže i stabla odlučivanja za predviđanje uspješnosti studiranja
(Neural Networks and Decision Trees for Prediction of Efficiency in Studies)
Autori
Zekić-Sušac, Marijana ; Frajman-Jakšić, Anita ; Drvenkar, Nataša
Izvornik
Ekonomski vjesnik (0353-359X) 22
(2009), 2;
314-327
Vrsta, podvrsta i kategorija rada
Radovi u časopisima, prethodno priopćenje, znanstveni
Ključne riječi
analiza osjetljivosti; neuronske mreže; stabla odlučivanja; višeslojni perceptron; uspješnost studiranja
(Sensitivity analysis; neural networks; decision trees; multilayer perceptron; efficiency in studies)
Sažetak
Rad se bavi kreiranjem modela za predviđanje uspješnosti studenata s pomoću neuronskih mreža i klasifikacijskih stabala odlučivanja, te analizom čimbenika koji utječu na uspješnost studenata. Kreiran je model koji na temelju demografskih podataka o studentima, te podacima o njihovom ponašanju i stavovima prema učenju nastoji klasificirati studenta u jednu od dviju kategorija uspješnosti. Uspješnost je mjerena prosjekom ocjena na studiju. Trenirano je i testirano više različitih arhitektura neuronskih mreža, čiji je najbolji model dobiven s pomoću višeslojne perceptron mreže. Stabla odlučivanja dala su znatno veću točnost klasifikacije od neuronskih mreža, te ih se predlaže koristiti kao točniju metodu na promatranom skupu podataka. Analiza osjetljivosti izlaznih varijabli na ulazne provedena kod neuronskih mreža upućuje da su kolokviranje, prisustvo na vježbama, važnost ocjene za studenta, te stipendije među najznačajnijim čimbenicima uspješnosti studenta. Stabla odlučivanja izlučila su vrijeme provedeno u učenju, prisustvo na vježbama, te vrstu materijala iz kojih se uči kao najznačajnije varijable. U budućim istraživanjima, uz proširenje broja ulaznih varijabli i povećanje uzorka, te proširenje metodologije drugih tehnikama umjetne inteligencije i statističkim metodama, moguće bi bilo kreirati uspješniji model koji bi bio osnova za izgradnju sustava za potporu odlučivanju u visokom obrazovanju.
Izvorni jezik
Hrvatski, engleski
Znanstvena područja
Ekonomija, Informacijske i komunikacijske znanosti
POVEZANOST RADA
Projekti:
010-0101195-0866 - Jačanjem regionalne konkurentnosti do gospodarskog prosperiteta (Borozan, Đula, MZOS ) ( CroRIS)
010-0101195-0872 - Transformacija poduzetničkog potencijala u poduzetničko ponašanje (Pfeifer, Sanja, MZOS ) ( CroRIS)
010-0101195-1048 - Modeli za ocjenu rizičnosti poslovanja poduzeća (Šarlija, Nataša, MZOS ) ( CroRIS)
Ustanove:
Ekonomski fakultet, Osijek
Citiraj ovu publikaciju:
Časopis indeksira:
- Web of Science Core Collection (WoSCC)
- Emerging Sources Citation Index (ESCI)
Uključenost u ostale bibliografske baze podataka::
- Sociological Abstracts
- Referativnyi Zhurnal
- EBSCO