Skip to the main content

Review article

https://doi.org/10.31784/zvr.12.1.1

Prediktivne metode analitika učenja i rudarenja obrazovnih podataka u visokom obrazovanju temeljene na algoritmima strojnog učenja

Vanja Čotić Poturić orcid id orcid.org/0009-0007-8585-007X ; University of Rijeka, Faculty of Engineering, Rijeka, Croatia *
Sanja Čandrlić orcid id orcid.org/0000-0003-1272-093X ; University of Rijeka,Faculty of Informatics and Digital Technologies, Rijeka, Croatia
Ivan Dražić orcid id orcid.org/0000-0002-1463-996X ; University of Rijeka, Faculty of Engineering, Rijeka, Croatia

* Corresponding author.


Full text: croatian pdf 514 Kb

page 223-242

downloads: 122

cite


Abstract

U radu je prezentiran pregled literature u posljednjih pet godina o prediktivnim metodama analitika učenja i rudarenja obrazovnih podataka temeljenim na algoritmima strojnog učenja. Primarni kriterij odabira za analizirane radove bio je identificirati one koji koriste algoritme strojnog
učenja za predviđanje ishoda u područjima analitika učenja i rudarenja obrazovnih podataka u kontekstu visokog obrazovanja. Važno je naglasiti da ne postoje univerzalne smjernice ili protokoli za predviđanje ishoda u obrazovanju, uključujući i visoko obrazovanje. Metodologija koja se koristi za
takva predviđanja prvenstveno ovisi o ciljanoj varijabli i vrsti korištenih ulaznih podataka. U detaljnu analizu uključeno je 25 radova iz citatnih baza Web of Science CC i Scopus. Pomoću šest istraživačkih pitanja ispitano je što se želi predvidjeti u visokom obrazovanju, koji su ulazni podaci korišteni, koliko je algoritama strojnog učenja korišteno u pojedinom istraživanju i koji su bili najučinkovitiji. Također se ispitalo koje su druge tehnike prediktivnog modeliranja navedene te navodi li se programsko okruženje pomoću kojeg je predikcija izvršena

Keywords

analitike učenja; rudarenje obrazovnih podataka; predikcija; strojno učenje

Hrčak ID:

317625

URI

https://hrcak.srce.hr/317625

Publication date:

18.6.2024.

Article data in other languages: english

Visits: 424 *