Document Recognition in Education Sector Using Machine Learning Algorithms
Notice bibliographique
Résumé
Machine learning (ML) is a widespread technique in classification tasks, fraud detection, time series analysis, and many such challenging problems.One such problem in the education sector is recognizing the different types of educational credentials to verify the genuineness of such credentials.We have not found any research work to identify educational documents using ML.The objective of this work is to recognize the educational credentials across multiple categories to avoid manual processes.This novel study recognizes credentials from large datasets into five categories: Choice-Based Credit System (CBCS), Computerized, Handwritten, Non-CBCS, and Degree Certificate.The two statistical feature extraction methods, namely Gray Level Cooccurrence Matrix (GLCM), and Gray Level Histogram Analysis (GLHA) were used to extract the features from these credentials, and we stored them in the database.These features were trained using six supervised classifier algorithms including Na ve Bayes (NB), Multinomial Logistic Regression (MLR), Decision Tree (DT), K-Nearest Neighbours (KNN), Support Vector Machine (SVM), and Random Forest (RF) to recognize the credentials.We analyzed the performances of these algorithms as follows: (i) the impact of hyper-parameters on each algorithm, (ii) the performance of two feature extraction methods, and (iii) the recommendation of classifiers based on accuracy.SVM yielded good results using the GLCM feature extraction method among the above-mentioned algorithms, attaining a high accuracy of 98.4%.This approach can also recognize documents like employment agreements, contracts agreements, financial statements, etc., in business, and industry sectors.
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 | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».