Prediction of Student Performance in Academic and Military Learning Environment: Use of Multiple Linear Regression Predictive Model and Hypothesis Testing
Notice bibliographique
Résumé
The variance in students’ academic performance in a civilian institute and in a military technological institute could be linked to the environment of the competition available to the students. The magnitude of talent, domain of skills and volume of efforts students put are identical in both type of institutes. The significant factor is the physical training, students undergo in a military college. It is important to couple the dominating factor which is academic perceivable effort under a different environment with each students learning capability. This paper determine whether there is a relationship between students’ performance and influencing factors like academic aptitude, military or physical training, and the time spent on training need analysis (TNA) modules. A sample of 242 first year- undergraduate students from four different engineering programs (Marine, System, Civil, and Aeronautical) at Military College was used to explore this relationship. The multiple regression model used for predicting the students’ performance is adequate for independent variables of aptitude test score, time spent in physical training, and time spent in TNA modules. The values of R2 indicate that at least one of the predictor variables contributes to information for the prediction of the students’ performance. The model makes it possible to predict moderately the possibility of attrition in engineering program. This study verifies that military academy has a very defined and directed core engineering course load and TNA course load which every student must take. Therefore, choice of specific discipline have less impact than at civilian institutions. The early detection of students at academic risk is a useful instrument that can help to design mentoring strategies right from the end of admission process.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».