Read more
À l'heure actuelle, la quantité de données stockées dans les bases de données éducatives augmente rapidement. Ces bases de données contiennent des informations cachées permettant d'améliorer les performances des élèves. L'arbre de décision est l'algorithme de classification le plus utile dans l'exploration de données éducatives en raison de sa facilité d'exécution et de compréhension par rapport à d'autres algorithmes. L'algorithme de l'arbre de décision permet d'obtenir des résultats plus précis et plus valables, ce qui peut être utile aux enseignants pour améliorer les résultats d'apprentissage des étudiants. Les algorithmes d'arbre de décision ID3, C4.5 et CART ont été appliqués aux données des étudiants pour prédire leurs performances. Mais ces trois algorithmes ne sont utilisés que pour les petites bases de données. Pour les grandes bases de données, nous utilisons un nouvel algorithme, SPRINT, qui élimine toutes les restrictions de mémoire et les problèmes de précision rencontrés avec les autres algorithmes. Il est plus rapide et plus évolutif que les autres car il peut être mis en oeuvre à la fois en série et en parallèle pour un bon placement des données et un bon équilibrage de la charge. Dans ce travail, l'algorithme d'arbre de décision SPRINT est utilisé pour résoudre le problème de la classification dans le système éducatif.
About the author
Assistenzprofessor in der Abteilung für Informatik an der DSMNRU. Er ist seit zwölf Jahren in der IT-Industrie, Forschung und Wissenschaft tätig. Er verfügt über reiche und vielfältige Erfahrungen im akademischen Bereich und war Gastprofessor an verschiedenen Universitäten und Colleges.
