Organizace U  S Kód
hodnocení
Skupina
oborů
Body
výsledku
Body
upravené
Podíl VOBody VOBody VO
upravené
H14
Masarykova univerzita / Fakulta informatiky1213 neu 400100
Výsledky hodnocení dříve prezentovala speciální podoba stránek výskytů výsledků doplněná informacemi o hodnocení daného výskytu a výsledku. To zde supluji doplněním kopií stránek z rvvi.cz/riv z 18.12.2017 o relevantní údaje z dat H16. Najetí myší na kód či skupinu zobrazí vysvětlující text (u některých vyřazených není k dispozici). Čísla jsou oproti zdroji zaokrouhlena na 3 desetinná místa.

Predicting drop-out from social behaviour of students (2012)výskyt výsledku

Identifikační kódRIV/00216224:14330/12:00060271
Název v anglickém jazycePredicting drop-out from social behaviour of students
DruhD - Článek ve sborníku
Jazykeng - angličtina
Obor - skupinaI - Informatika
OborIN - Informatika
Rok uplatnění2012
Kód důvěrnosti údajůS - Úplné a pravdivé údaje o výsledku nepodléhající ochraně podle zvláštních právních předpisů.
Počet výskytů výsledku1
Počet tvůrců celkem5
Počet domácích tvůrců5
Výčet všech uvedených jednotlivých tvůrcůJaroslav Bayer (státní příslušnost: CZ - Česká republika, domácí tvůrce: A, vedidk: 9897690)
Hana Bydžovská (státní příslušnost: CZ - Česká republika, domácí tvůrce: A, vedidk: 2422999)
Jan Géryk (státní příslušnost: CZ - Česká republika, domácí tvůrce: A, vedidk: 8411867)
Tomáš Obšívač (státní příslušnost: CZ - Česká republika, domácí tvůrce: A, vedidk: 6298125)
Lubomír Popelínský (státní příslušnost: CZ - Česká republika, domácí tvůrce: A, vedidk: 9343199)
Popis výsledku v anglickém jazyceThis paper focuses on predicting drop-out and school failure when student data has been enriched with data derived from students social behaviour. These data describe social dependencies gathered from e-mail and discussion boards conversation, among other sources. We describe an extraction of new features from both student data and behaviour data (or more precisely from social graph which we construct). Then we introduce a novel method for learning classier for student failure prediction that employs cost-sensitive learning to lower the number of incorrectly classified unsuccessful students. We show that a use of social behaviour data results in significant prediction accuracy increase.
Klíčová slova oddělená středníkemdata mining; study-related data; social behaviour data; social network analysis
Stránka www, na které se nachází výsledek-

Údaje o výsledku v závislosti na druhu výsledku

Název sborníkuProceedings of the 5th International Conference on Educational Data Mining - EDM 2012
ISBN9781742102764
ISSN-
Počet stran výsledku7
Strana od-do103-109
Název nakladatelewww.educationaldatamining.org
Místo vydáníŘecko
Místo konání akceChania, Řecko
Datum konání akce2012
Typ akce podle státní příslušnosti účastníkůWRD - Celosvětová
Kód UT WoS článku podle Web of Science-

Ostatní informace o výsledku

PředkladatelMasarykova univerzita / Fakulta informatiky
DodavatelMSM - Ministerstvo školství, mládeže a tělovýchovy (MŠMT)
Rok sběru2013
SpecifikaceRIV/00216224:14330/12:00060271!RIV13-MSM-14330___
Datum poslední aktualizace výsledku09.08.2013
Kontrolní číslo43449774

Odkazy na výzkumné aktivity, při jejichž řešení výsledek vznikl

Projekt podporovaný MŠMT v programu LALA09016 - Účast ČR v European Research Consortium for Informatics and Mathematics (ERCIM) (2009 - 2012)