Predicting academic performance in traditional environments at higher-education institutions using data mining: A review
Barra lateral del artículo
Contenido principal del artículo
Resumen
The purpose of this review paper is to survey the academic literature of the past five years in the area of data mining applied to the educational domain in a traditional classroom-based environment at Institutions of Higher Education (IHEs). We describe Educational Data Mining (EDM) and its main methods
and techniques as they are applied to predicting academic performance in a traditional setting, and we proceed then to review 56 primary-research articles on the subject. We also examine 5 other review papers that have preceded this one in the last five years. To our knowledge, this is the first review article to focus exclusively on applying EDM to predict academic performance in a traditional setting. We determine that classification is by far the most popular method used by the primary-research studies, followed by clustering and association rule mining. We conclude that the success experienced by researchers abroad in predicting academic performance can be replicated in Ecuador, provided that we avoid the pitfalls of overreliance on software and that we do not underestimate the complexities and need for human intervention that are involved in an EDM project. Moreover, the shortage of Big Data expertise in the country will need to start getting addressed.
Descargas
Detalles del artículo
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Los autores transfieren los derechos de publicación a la revista en todos sus formatos y medios digitales.
En lo referente al Copyright CC BY-NC-SA 4.0 Esta revista está bajo una licencia de https://creativecommons.org/licenses/by-nc-sa/4.0/.
Usted es libre de:
- Compartir: copiar y redistribuir el material en cualquier medio o formato
- Adaptar: remezclar, transformar y construir sobre el material
- El licenciante no puede revocar estas libertades siempre y cuando usted siga los términos de la licencia.
Bajo los siguientes términos:
- Atribución: debe dar el crédito apropiado, proporcionar un enlace a la licencia e indicar si se hicieron cambios. Puede hacerlo de cualquier manera razonable, pero no de ninguna manera que sugiera que el licenciante lo respalda a usted o a su uso.
- No comercial: no puede utilizar el material con fines comerciales.
- ShareAlike - Si remezcla, transforma o construye sobre el material, debe distribuir sus contribuciones bajo la misma licencia que el original.
- Sin restricciones adicionales: no puede aplicar términos legales o medidas tecnológicas que restrinjan legalmente a otros de hacer cualquier cosa que la licencia permita.
Avisos:
No tiene que cumplir con la licencia para los elementos del material en el dominio público o cuando su uso esté permitido por una excepción o limitación aplicable.
No se dan garantías. Es posible que la licencia no le dé todos los permisos necesarios para su uso previsto. Por ejemplo, otros derechos como la publicidad, la privacidad o los derechos morales pueden limitar la forma en que utiliza el material.