Read more
En la actualidad, la cantidad de datos almacenados en bases de datos educativas aumenta rápidamente. Estas bases de datos contienen información oculta para mejorar el rendimiento de los alumnos. El árbol de decisión es el algoritmo de clasificación más útil en la minería de datos educativos por su facilidad de ejecución y su mayor facilidad de comprensión en comparación con otros algoritmos. Podemos obtener resultados más precisos y valiosos con la ayuda del algoritmo de árbol de decisión que puede ser útil para los instructores para mejorar los resultados de aprendizaje de los estudiantes. Los algoritmos de árbol de decisión ID3, C4.5 y CART se han aplicado a los datos de los estudiantes para predecir su rendimiento. Sin embargo, estos tres algoritmos sólo se utilizan para bases de datos pequeñas. Para bases de datos grandes, utilizamos un nuevo algoritmo, SPRINT, que elimina todas las restricciones de memoria y los problemas de precisión de otros algoritmos. Es más rápido y escalable que otros porque puede implementarse tanto en serie como en paralelo para una buena colocación de datos y equilibrio de carga. En este trabajo, el algoritmo de árbol de decisión SPRINT se utiliza para resolver el problema de clasificación en el sistema educativo.
About the author
Profesor asistente en el Departamento de Informática de DSMNRU. Ha estado asociado con la industria de TI, la investigación y el mundo académico durante los últimos doce años. Tiene una rica y diversa experiencia en el mundo académico y ha sido profesor visitante en varias universidades y colegios.
