Prethodno priopćenje
https://doi.org/10.17818/EMIP/2023/2.3
PREDIKCIJA USPJEŠNOSTI STUDENATA PRIMJENOM UMJETNIH NEURONSKIH MREŽA
Teo Ljubičić
orcid.org/0000-0002-1543-7729
; A1 Hrvatska d.o.o.
Marko Hell
orcid.org/0000-0003-1685-3561
; Sveučilište u Splitu, Ekonomski fakultet
*
* Dopisni autor.
Sažetak
Višegodišnja elektronička obrada podataka omogućila je pohranu velike količine podataka koja se danas može iskoristiti za poboljšanje procesa u obrazovanju putem algoritama strojnog učenja. Koristeći se podacima iz sustava Moodle za učenje na daljinu, stvoren je model umjetne neuronske mreže s ciljem predviđanja konačnog ishoda studenta na kraju studija na temelju njegovih zaključnih ocjena prve godine studija. Kroz ukupno tri modela umjetne neuronske mreže pokazana je snaga ovog algoritma, gdje su svi modeli ostvarili vrlo nisku pogrešku, a najbolji rezultati postignuti su modelom umjetne neuronske mreže s dva skrivena sloja od devet neurona, čija je apsolutna greška iznosila 0,1920, a kvadratna pogreška 0,0562. Istraživanje pokazuje da su umjetne neuronske mreže vrlo učinkovite u predikciji konačnog ishoda studenata na temelju ocjena s prve godine studija te da takvi modeli imaju potencijal postati pomoćni alat i sredstvo donošenja odluka u obrazovnim institucijama.
Ključne riječi
strojno učenje; duboko učenje; umjetne neuronske mreže; prediktivno modeliranje; obrazovni sustav
Hrčak ID:
310853
URI
Datum izdavanja:
7.12.2023.
Posjeta: 880 *