Analisi dei dati di apprendimento per la formazione online: Previsione del rendimento scolastico e miglioramento coinvolgimento attraverso modelli basati sui

Questo libro approfondisce le questioni urgenti relative al coinvolgimento degli studenti e all'abbandono scolastico negli ambienti di formazione online. Concentrandosi sugli studenti dei corsi tecnici nel Karnataka, in India, la ricerca introduce il quadro di riferimento EDU Insight per analizzare i principali fattori comportamentali e demografici che influenzano il rendimento degli studenti. Propone un modello di previsione dei punteggi che utilizza la tecnica della foresta casuale (random forest) e l'aumento sintetico dei dati tramite GAN tabulari per prevedere i risultati degli studenti con elevata accuratezza. Inoltre, viene sviluppato un approccio ibrido di apprendimento ensemble che integra classificatori ponderati e meta-apprenditori per affinare ulteriormente le prestazioni predittive. A supporto dell'apprendimento personalizzato, viene introdotto un sistema di raccomandazione basato sul filtraggio collaborativo con autoencoder, che personalizza i suggerimenti sui corsi in base al comportamento e ai dati demografici degli studenti. L'uso integrato, nell'ambito dello studio, dell'analisi dell'apprendimento e dell'apprendimento automatico contribuisce a sviluppare metodologie innovative per l'accuratezza predittiva, la privacy dei dati e gli interventi di apprendimento personalizzati nei sistemi di istruzione online.