کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
4944892 | 1438015 | 2016 | 15 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Finding informative code metrics under uncertainty for predicting the pass rate of online courses
ترجمه فارسی عنوان
پیدا کردن معیارهای کد قابل اطمینان تحت عدم اطمینان برای پیش بینی میزان گذر از دوره های آنلاین
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
داده های با کیفیت پایین اطلاعات مبهم، سیستم های فازی ژنتیکی، انتخاب ویژگی، درجه بندی خودکار،
ترجمه چکیده
یک روش برای پیش بینی میزان گذر از یک دوره علوم رایانه پیشنهاد شده است. داده های ورودی شامل معیارهای نرم افزاری مختلفی است که در مجموعه ای از برنامه ها ارزیابی می شوند و شامل پاسخ های دانشجویان به لیست چالش های محاسباتی است که توسط مدرس دوره ارائه شده است. انواع عدم اطمینان پذیرفته شده اند، از جمله پاسخ های گم شده و پاسخ های چندگانه به همان چالش. معیارهای اطلاعاتی بیشتر بر اساس یک افزونه برای داده های مبهم اطلاعات مربوط به فیشر انتخاب می شوند. روش پیشنهادی بر روی داده های تجربی که در طول دو سال گذشته در دانشگاه اوهایو جمع آوری شد، مورد آزمایش قرار گرفت. تغییرات سالانه در میزان گذر از دو گروه به طور دقیق بر اساس 7 معیار نرم افزار پیش بینی شده بود. 73 دانشجوی داوطلب و 1500 فایل منبع در این آزمایش شرکت داشتند.
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی کامپیوتر
هوش مصنوعی
چکیده انگلیسی
A method is proposed for predicting the pass rate of a Computer Science course. Input data comprises different software metrics that are evaluated on a set of programs, comprising students' answers to a list of computing challenges proposed by the course instructor. Different kinds of uncertainty are accepted, including missing answers and multiple responses to the same challenge. The most informative metrics are selected according to an extension to vague data of the observed Fisher information. The proposed method was tested on experimental data collected during two years at Oviedo University. Yearly changes in the pass rate of two groups were accurately predicted on the basis of 7 software metrics. 73 volunteer students and 1500 source files were involved in the experimentation.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Information Sciences - Volume 373, 10 December 2016, Pages 42-56
Journal: Information Sciences - Volume 373, 10 December 2016, Pages 42-56
نویسندگان
José Otero, Luis Junco, Rosario Suárez, Ana Palacios, Inés Couso, Luciano Sánchez,