원문 논문
Title: A Case Study on the Data Mining-Based Prediction of Students’ Performance for Effective and Sustainable E-Learning
Authors: Evelina Staneviciene, Daina Gudoniene, Vytenis Punys, Arturas Kukstys
Journal: Sustainability, Vol. 16, Article 10442, 2024, MDPI
Published: 28 November 2024
DOI: 10.3390/su162310442
arXiv ID: N/A
Keywords: educational data mining; prediction; academic success; student performance; sustainable development goals; machine learning
IEEE Citation:
E. Staneviciene, D. Gudoniene, V. Punys, and A. Kukstys, “A Case Study on the Data Mining-Based Prediction of Students’ Performance for Effective and Sustainable E-Learning,” Sustainability, vol. 16, Art. no. 10442, 2024, doi: 10.3390/su162310442.
-
Problem: 온라인 학습 환경에서 학습 중도 이탈 또는 실패 위험 학생을 조기에 식별하는 문제
-
Reference Paper: Staneviciene et al. (2024), A Case Study on the Data Mining-Based Prediction of Students’ Performance for Effective and Sustainable E-Learning
-
Reproduction Goal: 원 논문의 student performance prediction 문제 설정, 평가 방식, 모델 비교 흐름을 재현
-
Extension Goal: OULAD 데이터셋을 사용하여 더 큰 규모의 학습 로그 기반 조기 예측 실험으로 확장
-
Key Result: Behavioral feature가 demographic/background feature보다 더 강한 예측력을 보였으며, Week 10 기준 Random Forest behavioral model이 가장 높은 성능을 보임
-
Main Contribution: cutoff-based prediction, leakage prevention, active cohort filtering, feature group ablation, reference paper comparison
온라인 학습 환경에서는 학생의 학습 활동이 로그 데이터로 축적된다. 이러한 데이터는 학생의 학습 참여도, 과제 수행 패턴, 마지막 활동 시점 등을 반영하므로 학업 실패나 중도 이탈 위험을 조기에 예측하는 데 활용될 수 있다.
이 프로젝트는 기존 논문에서 제시한 educational data mining 기반 student performance prediction 접근을 참고하여, OULAD 공개 데이터셋에서 조기 위험 학생 예측 문제를 재구성하였다.