Recommender System for Predicting Student Performance: We compare recommender system techniques with traditional regression methods such as logistic/linear regression by using educational data for intelligent tutoring systems. Experimental results show that the proposed approach can improve prediction results. Supervisor : Mohammad Fadi Taqi Al-Din. https://www.shamra.sy/academia/show/5b0b46c82b551

1. Educational data mining
Predict student preformance

2. ‫اسراء‬ ‫عرموش‬ ‫رهف‬‫السموري‬
‫ميرنا‬‫عربش‬‫عمران‬ ‫زينب‬

3. Educational data mining
‫األنظمة‬ ‫من‬ ‫القادمة‬ ‫الخام‬ ‫المعلومات‬ ‫تحويل‬ ‫عملية‬ ‫هو‬
‫قبل‬ ‫من‬ ‫استخدامها‬ ‫يمكن‬ ‫مفيدة‬ ‫معلومات‬ ‫الى‬ ‫التعليمية‬
‫حتى‬ ‫و‬ ‫والمعلمين‬ ‫والطالب‬ ‫التعليمية‬ ‫األنظمة‬ ‫مطورين‬
‫التعليم‬ ‫مجال‬ ‫في‬ ‫الباحثين‬

4. ‫تطبيقات‬ ‫مجاالت‬EDM:
‫المعلمين‬ ‫دعم‬ ‫اجل‬ ‫من‬ ‫النتائج‬ ‫تحضير‬
‫للطالب‬ ‫توصية‬ ‫نظم‬
‫الطالب‬ ‫أداء‬ ‫توقع‬
‫مرغوب‬ ‫الغير‬ ‫الطالب‬ ‫سلوك‬ ‫على‬ ‫الكشف‬
‫نمذجة‬‫الطالب‬
‫مجموعات‬ ‫في‬ ‫الطالب‬ ‫تجميع‬
‫االجتماعية‬ ‫الشبكة‬ ‫تحليل‬
‫مفاهيم‬ ‫خرائط‬ ‫تطوير‬
‫الداتا‬ ‫عرض‬ ‫و‬ ‫تحليل‬
‫تعليمية‬ ‫مناهج‬ ‫بناء‬

5. ‫منهجيات‬EDM
• Prediction
• Clustering
• Relationship mining
• Discovery with model
• disstilation of data for
human judgment

6. RECOMMENDER SYSTEM FOR
PREDICTING STUDENT
PERFORMANCE

7. ‫التطبيق‬ ‫أهمية‬
‫و‬ ، ‫التقييم‬ ‫على‬ ‫كبير‬ ‫بشكل‬ ‫الجامعات‬ ‫من‬ ‫العديد‬ ‫تركز‬، ‫بالتالي‬
‫فكرة‬ ‫على‬ ‫التركيز‬ ‫فإن‬"‫لالختبار‬ ‫التعليم‬"‫انفاق‬ ‫إلى‬ ‫يؤدي‬
‫الموحدة‬ ‫االختبارات‬ ‫وإجراء‬ ‫إلعداد‬ ‫الوقت‬ ‫من‬ ‫كبير‬ ‫مقدار‬
‫نظر‬ ‫وجهة‬ ‫من‬educational data mining
‫يح‬ ‫أن‬ ‫بدقة‬ ‫الطالب‬ ‫أداء‬ ‫يتوقع‬ ‫الذي‬ ‫الجيد‬ ‫للنموذج‬ ‫يمكن‬‫ل‬
‫الحالي‬ ‫القياسية‬ ‫االختبارات‬ ‫بعض‬ ‫محل‬

8. ‫مختلفة‬ ‫وتقنيات‬ ‫أساليب‬ ‫مقارنة‬‫الطالب‬ ‫اداء‬ ‫لتوقع‬
‫بال‬Data mining:
‫على‬ ‫القواعد‬ ‫من‬ ‫مجموعة‬ ‫يستخدم‬ ‫نظام‬ ‫اقتراح‬ ‫تم‬
‫شكل‬IF-THEN rules
Bayesian Networks
logistic regression
decision trees and Bayesian networks

9. PROPOSED MODEL
‫التوصية‬ ‫نظم‬ ‫استخدام‬ ‫اقتراح‬ ‫تم‬‫بتقينة‬matrix factorization
‫التقليدية‬ ‫الطرق‬ ‫من‬ ‫بدال‬ ‫الطالب‬ ‫بأداء‬ ‫التنبؤ‬ ‫مشكلة‬ ‫لحل‬

10. ‫المشكلة‬ ‫صياغة‬:
•let S be a set of student
• T be a set of task
• f ⊆ R be a performance
measure
• then D ⊆ (S × T × f) is the
triple data collected from the
computer-aided tutoring
systems
•Given s ∈ S and t ∈ T, our
problem is to predict f

11. Data Sets and Method
‫تم‬‫استخدام‬:
KnowledgeDiscoveryandDataMining(KDD)Challenge20101

12. ‫على‬ ‫التدريب‬ ‫بيانات‬ ‫تحتوي‬ ‫كما‬
‫التالية‬: features
• Incorrects
• corrects
• Hints
• time information
• Target : correct first attempt (CFA)

13. ‫التوصية‬ ‫نظام‬ ‫مع‬ ‫الطالب‬ ‫أداء‬ ‫بيانات‬ ‫مطابقة‬:
‫تمت‬‫مقابلة‬
user => student
rating => correct first attempt (CFA)
: items‫تمت‬‫بالمسألة‬ ‫مقابلته‬)‫التمرين‬(‫خي‬ ‫عدت‬ ‫لدينا‬ ‫يوجد‬ ‫حيث‬‫ارات‬
‫من‬(data set) KDD‫من‬ ‫بعدد‬ ‫تمثيلها‬ ‫يمكن‬ ‫والتي‬combination :
PH : problem hierarchy
PN : problem name
SN : step name
PV : problem view

14. ‫التقييم‬

15. ‫نتيجة‬
‫يستخدم‬ ‫الذي‬ ‫المقترح‬ ‫النموذج‬ ‫ان‬ ‫الواضح‬ ‫من‬‫تقنيات‬
‫النموذج‬ ‫من‬ ‫افضل‬ ‫بشكل‬ ‫الطالب‬ ‫أداء‬ ‫يتوقع‬ ‫الوصية‬ ‫أنظمة‬
‫التقليدي‬