Dự báo kết quả học tập bằng kỹ thuật học sâu với mạng nơ-ron đa tầng
Abstract
Tóm tắt
Article Details
Tài liệu tham khảo
Altabrawee, H., Ali, O. A. J. and Ajmi, S. Q., 2019. Predicting students’ performance using machine learning techniques. Journal of University of Babylon for Pure and Applied Sciences, 27(1): 194-205.
Đại học Cần Thơ, 2020. Hệ thống thông tin quản lý, ngày truy cập 12/5/2020. Địa chỉ: https://htql.ctu.edu.vn/.
Fu, M., Qu, H., Yi, Z., Lu, L. and Liu, Y., 2019. A novel deep learning-based collaborative filtering model for recommendation system. IEEE Transactions on Cybernetics. 49(3): 1084-1096.
Guo, B., Zhang, R., Xu, G., Shi, C. and Yang, L., 2015. Predicting Students Performance in Educational Data Mining. 2015 International Symposium on Educational Technology (ISET), pp. 125-128.
Hai, N. P., Sheu, T.-W. and Nagai, M., 2015. Dự báo kết quả học tập của học sinh dựa trên sự kết hợp phương pháp gần đúng Taylor và các mô hình xám. VNU Journal of Science: Education Research. 31 (2): 70-83.
Huynh-Ly, T.-N. and Thai-Nghe, N., 2013. Hệ thống dự đoán kết quả học tập của sinh viên sử dụng thư viện hệ thống gợi ý mã nguồn mở Mymedialite. Hội thảo Quốc gia lần thứ XVI "Một số vấn đề chọn lọc của Công nghệ thông tin và Truyền thông", Trường Đại học Cần Thơ.
Iqbal, Z., Qadir, J., Mian, A. and Kamiran, F., 2017. Machine Learning Based Student Grade Prediction: A Case Study. Computers and Society. DOI: arxiv.org/abs/1708.08744.
Khanal, S. S., Prasad, P. W. C., Alsadoon, A. and Maag, A., 2019. A systematic review: machine learning based recommendation systems for e-learning. Education and Information Technologies. DOI: 10.1007/s10639-019-10063-9
Koren, Y., Bell, R. and Volinsky, C., 2009. Matrix factorization techniques for recommender systems. Computer. (8): 30-37.
Nguyen Thai, N., Janecek, P. and Haddawy, P., 2007. A comparative analysis of techniques for predicting academic performance. 2007 37th Annual Frontiers InEducation Conference - Global Engineering: Knowledge Without Borders, Opportunities Without Passports, pp. T2G-7-T2G-12.
Srivastava, N., Hinton, G., Krizhevsky, A., Sutskever, I. and Salakhutdinov, R., 2014. Dropout: A Simple Way to Prevent Neural Networks from Overfitting. Journal of machine learning research. 15: 1929-1958.
Tanuar, E., Heryadi, Y., Lukas, Abbas, B. S. and Gaol, F. L., 2018. Using Machine Learning Techniques to Earlier Predict Student's Performance. 2018 Indonesian Association for Pattern Recognition International Conference (INAPR), pp. 85-89.
Thai-Nghe, N. and Schmidt-Thieme, L., 2015. Factorization forecasting approach for user modeling. Journal of Computer Science and Cybernetics. 31: 133-147.
Thai-Nghe, N., Horvath, T. and Schmidt-Thieme, L., 2011. Factorization Models for Forecasting Student Performance. Proceedings of the 4th International Conference on Educational Data Mining. Eindhoven, The Netherlands, pp. 11-20.
Zhang, L., Luo, T., Zhang, F. and Wu, Y., 2018. A Recommendation Model Based on Deep Neural Network. IEEE Access. 6: 9454-9463.