Modeling Students Dropout Using Statistical and Data Mining Methods
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F04274644%3A_____%2F19%3A%230000589" target="_blank" >RIV/04274644:_____/19:#0000589 - isvavai.cz</a>
Výsledek na webu
<a href="https://www.atlantis-press.com/proceedings/amse-19/125919265" target="_blank" >https://www.atlantis-press.com/proceedings/amse-19/125919265</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.2991/amse-19.2019.8" target="_blank" >10.2991/amse-19.2019.8</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Modeling Students Dropout Using Statistical and Data Mining Methods
Popis výsledku v původním jazyce
Not completing the study by a large portion of students is a serious problem at the universities worldwide. Regardless of the countries, the numbers are very similar: about one-half of students who enrolled for the bachelor study leave the university before obtaining the degree. To deal with this problem we create models to distinguish between students who successfully completed their study and students who dropped out of the university. Models created using traditional statistical analysis techniques (logistic regression) are compared with models created using data mining methods (decision trees, rules).
Název v anglickém jazyce
Modeling Students Dropout Using Statistical and Data Mining Methods
Popis výsledku anglicky
Not completing the study by a large portion of students is a serious problem at the universities worldwide. Regardless of the countries, the numbers are very similar: about one-half of students who enrolled for the bachelor study leave the university before obtaining the degree. To deal with this problem we create models to distinguish between students who successfully completed their study and students who dropped out of the university. Models created using traditional statistical analysis techniques (logistic regression) are compared with models created using data mining methods (decision trees, rules).
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
—
OECD FORD obor
10200 - Computer and information sciences
Návaznosti výsledku
Projekt
—
Návaznosti
I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace
Ostatní
Rok uplatnění
2019
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
Proceedings of 22nd International Scientific Conference on Applications of Mathematics and Statistics in Economics
ISBN
9789462528048
ISSN
2589-6644
e-ISSN
—
Počet stran výsledku
11
Strana od-do
70-80
Název nakladatele
Atlantis Press
Místo vydání
Paris
Místo konání akce
Nižná
Datum konání akce
28. 8. 2019
Typ akce podle státní příslušnosti
EUR - Evropská akce
Kód UT WoS článku
000558637800008