MétaCan
Menu
Retour à la cohorte
Enregistrement W3205940441 · doi:10.59934/jaiea.v1i1.55

Family Economic Correlation To Students Learning Achievment Using Apriori Method

2021· article· en· W3205940441 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueJournal of Artificial Intelligence and Engineering Applications (JAIEA) · 2021
Typearticle
Langueen
DomaineComputer Science
ThématiqueData Mining and Machine Learning Applications
Établissements canadiensKootenay Association for Science & Technology
Organismes subventionnairesnon disponible
Mots-clésApriori algorithmAssociation rule learningA priori and a posterioriValue (mathematics)Transactional leadershipAssociation (psychology)Computer sciencePsychologyMathematics educationArtificial intelligenceMachine learningSocial psychology

Résumé

récupéré en direct d'OpenAlex

The education system in Indonesia as mandated in the GBHN aims to educate the nation while at the same time responding to new challenges to create a decent and prosperous life. Understanding, apprecation, and experience of cultural and religious values in the right and true form will be increasingly needed. The economic status of the family is one of the factors that is sufficient to support the level of continuing education, especially for teenagers who are still student in school. Apriori method is used to obtain association rules that describe the relationship between item in the transactional database. There are two databases used, each of which has a different number of transactions. This study aims to aplly the apriori algorithm, as an analytical technique. The data taken as a case example is familiy economic data. This association search uses WEKA which will later find the rules and MySQL as the placeholder for the Database. From the results of the analysis using apriori, the highest confidence value was obtained at 0.9 with support 0.1 resulting in a students rule whose economics supported the learning achievement was very supportive, and the lowest confidence value of 0.2 with support 0.1 resulted in a students rule who had sufficient economics, so their learning achievement was also quite increased..

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,410
Score d'incertitude au seuil0,572

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,034
Tête enseignante GPT0,340
Écart entre enseignants0,306 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle