Μελέτη και στατιστική επεξεργασία παραγόντων επιρροής στην επιτυχία πρωτοετών φοιτητών του ΤΜΗΥΠ

Υπάρχουν πολλές προσπάθειες σε διεθνές επίπεδο για την κατανόηση των παραγόντων που επηρεάζουν τη διαδικασία μάθησης και των αποτελεσμάτων της, δηλαδή των επιδόσεων των εκπαιδευομένων. Η ανάγκη αυτή, που όλοι όσοι έχουν εμπλακεί ελπίζουν να βελτιώσει τις διαδικασίες μάθησης, έχει οδηγήσει στην...

Πλήρης περιγραφή

Λεπτομέρειες βιβλιογραφικής εγγραφής
Κύριος συγγραφέας: Γαρίζα, Δήμητρα
Άλλοι συγγραφείς: Gariza, Dimitra
Γλώσσα:Greek
Έκδοση: 2022
Θέματα:
Διαθέσιμο Online:http://hdl.handle.net/10889/16138
id nemertes-10889-16138
record_format dspace
institution UPatras
collection Nemertes
language Greek
topic Στατιστική
Μηχανική μάθηση
Επίδοση φοιτητών
Απόφοιτοι
Statistics
Machine learning
Student performance
Alumni
spellingShingle Στατιστική
Μηχανική μάθηση
Επίδοση φοιτητών
Απόφοιτοι
Statistics
Machine learning
Student performance
Alumni
Γαρίζα, Δήμητρα
Μελέτη και στατιστική επεξεργασία παραγόντων επιρροής στην επιτυχία πρωτοετών φοιτητών του ΤΜΗΥΠ
description Υπάρχουν πολλές προσπάθειες σε διεθνές επίπεδο για την κατανόηση των παραγόντων που επηρεάζουν τη διαδικασία μάθησης και των αποτελεσμάτων της, δηλαδή των επιδόσεων των εκπαιδευομένων. Η ανάγκη αυτή, που όλοι όσοι έχουν εμπλακεί ελπίζουν να βελτιώσει τις διαδικασίες μάθησης, έχει οδηγήσει στην διερεύνηση και ανάπτυξη έξυπνων συστημάτων έγκαιρης προειδοποίησης, τα οποία παρακολουθούν την απόδοση των μαθητών κατά τη διάρκεια συγκεκριμένης περιόδου φοίτησης. Πρόκειται για συστήματα που βασίζονται κυρίως σε δεδομένα επιδόσεων των εκπαιδευομένων σε συγκεκριμένα μαθήματα, τα οποία εξετάζονται σε συνδυασμό με παράγοντες που επιλέγουν οι ερευνητές. Οι μεθοδολογίες για την εξαγωγή συμπερασμάτων που έχουν εφαρμοστεί είναι πολλές και συμπεριλαμβάνουν στατιστικές μεθοδολογίες, μεθοδολογίες γραμμικής άλγεβρας, κ.ά., που εφαρμόζονται στα δεδομένα που αφορούν την πορεία των εκπαιδευομένων. Με αυτά σαν εφαλτήριο πραγματοποιείται μελέτη και εξάγονται συμπεράσματα για την συνολικότερη επίδοση και πραγματοποιείται προσπάθεια πρόβλεψης της πορείας που θα ακολουθήσει κάθε εκπαιδευόμενος στις σπουδές του. Η παρούσα διπλωματική εργασία, θα προσπαθήσει να θέσει τη βάση για μια διαφορετική προσέγγιση, κυρίως στα δεδομένα για την πρόβλεψη. Βασική της παράμετρος που εισαγάγει είναι να εξεταστεί- παράλληλα με τις επιδόσεις στα μαθήματα κατά τη διάρκεια των σπουδών- την αρχική κατάσταση των φοιτητών την ημέρα εγγραφής τους στο Πανεπιστήμιο (τμήμα Μηχανικών Ηλεκτρονικών Υπολογιστών και Πληροφορικής- ΤΜΗΥΠ), εξετάζοντας δημογραφικά χαρακτηριστικά τους, τον τρόπο εισαγωγής, της επιθυμία για την επιλογή του αντικειμένου σπουδών, τον τρόπο και το επίπεδο προετοιμασίας για τις εισαγωγικές εξετάσεις, τις πρότερες προαπαιτούμενες γνώσεις τις οποίες θεωρεί το τμήμα ότι είναι αναγκαίες για μια ικανοποιητική πορεία των σπουδών, κ.ά. Πέρα από τα δεδομένα που προέρχονται από τους πρωτοετείς φοιτητές, εξετάστηκαν δεδομένα από απόφοιτους του ΤΜΗΥΠ, όπου η μελέτη πραγματοποιείται γνωρίζοντας το αποτέλεσμα στην τελική επίδοση του αποφοίτου. Όλα τα δεδομένα έχουν συλλεχθεί με σεβασμό στην ανωνυμία του δείγματος που εξετάστηκε. Επιπρόσθετα τέθηκαν μια σειρά από ερευνητικά ερωτήματα, μερικά από αυτά είναι η στατιστική κατανομή βαθμού αποφοίτησης, το πλήθος των αποφοιτήσαντων σε σχέση με τους εισακτέους, η διάρκεια σπουδών, κατανομή βαθμού αποφοίτησης σε σχέση με το βαθμό εισαγωγής, κ.ά. και σε πολλά από τα οποία προσπαθεί να δώσει απαντήσεις, ενώ ορισμένα θα αποτελέσουν μελλοντική εργασία. Για τη μελέτη και την εξαγωγή των συμπερασμάτων σχετικά με τα ερευνητικά ερωτήματα που τέθηκαν και εξέτασε η παρούσα διπλωματική εργασία, χρησιμοποιήθηκαν στατιστικές τεχνικές και αλγόριθμοι εξόρυξης δεδομένων με τις οποίες λαμβάνεται μια πρώτη εικόνα της κατάστασης των φοιτητών πριν και μετά τις σπουδές τους. Για τις στατική επεξεργασία χρησιμοποιήθηκε το SPSS και για την εφαρμογή των αλγορίθμων εξόρυξης υλοποιήθηκε σε PHP εργαλείο και η διασταύρωση της επιτυχίας του δοκιμάστηκε με το WEKA.
author2 Gariza, Dimitra
author_facet Gariza, Dimitra
Γαρίζα, Δήμητρα
author Γαρίζα, Δήμητρα
author_sort Γαρίζα, Δήμητρα
title Μελέτη και στατιστική επεξεργασία παραγόντων επιρροής στην επιτυχία πρωτοετών φοιτητών του ΤΜΗΥΠ
title_short Μελέτη και στατιστική επεξεργασία παραγόντων επιρροής στην επιτυχία πρωτοετών φοιτητών του ΤΜΗΥΠ
title_full Μελέτη και στατιστική επεξεργασία παραγόντων επιρροής στην επιτυχία πρωτοετών φοιτητών του ΤΜΗΥΠ
title_fullStr Μελέτη και στατιστική επεξεργασία παραγόντων επιρροής στην επιτυχία πρωτοετών φοιτητών του ΤΜΗΥΠ
title_full_unstemmed Μελέτη και στατιστική επεξεργασία παραγόντων επιρροής στην επιτυχία πρωτοετών φοιτητών του ΤΜΗΥΠ
title_sort μελέτη και στατιστική επεξεργασία παραγόντων επιρροής στην επιτυχία πρωτοετών φοιτητών του τμηυπ
publishDate 2022
url http://hdl.handle.net/10889/16138
work_keys_str_mv AT garizadēmētra meletēkaistatistikēepexergasiaparagontōnepirroēsstēnepitychiaprōtoetōnphoitētōntoutmēyp
AT garizadēmētra studyandstatisticalestimationoffactorinfluencingthesuccessofthefirstyearstudentsofceid
_version_ 1771297286525026304
spelling nemertes-10889-161382022-09-05T20:37:44Z Μελέτη και στατιστική επεξεργασία παραγόντων επιρροής στην επιτυχία πρωτοετών φοιτητών του ΤΜΗΥΠ Study and statistical estimation of factor influencing the success of the first-year students of CEID Γαρίζα, Δήμητρα Gariza, Dimitra Στατιστική Μηχανική μάθηση Επίδοση φοιτητών Απόφοιτοι Statistics Machine learning Student performance Alumni Υπάρχουν πολλές προσπάθειες σε διεθνές επίπεδο για την κατανόηση των παραγόντων που επηρεάζουν τη διαδικασία μάθησης και των αποτελεσμάτων της, δηλαδή των επιδόσεων των εκπαιδευομένων. Η ανάγκη αυτή, που όλοι όσοι έχουν εμπλακεί ελπίζουν να βελτιώσει τις διαδικασίες μάθησης, έχει οδηγήσει στην διερεύνηση και ανάπτυξη έξυπνων συστημάτων έγκαιρης προειδοποίησης, τα οποία παρακολουθούν την απόδοση των μαθητών κατά τη διάρκεια συγκεκριμένης περιόδου φοίτησης. Πρόκειται για συστήματα που βασίζονται κυρίως σε δεδομένα επιδόσεων των εκπαιδευομένων σε συγκεκριμένα μαθήματα, τα οποία εξετάζονται σε συνδυασμό με παράγοντες που επιλέγουν οι ερευνητές. Οι μεθοδολογίες για την εξαγωγή συμπερασμάτων που έχουν εφαρμοστεί είναι πολλές και συμπεριλαμβάνουν στατιστικές μεθοδολογίες, μεθοδολογίες γραμμικής άλγεβρας, κ.ά., που εφαρμόζονται στα δεδομένα που αφορούν την πορεία των εκπαιδευομένων. Με αυτά σαν εφαλτήριο πραγματοποιείται μελέτη και εξάγονται συμπεράσματα για την συνολικότερη επίδοση και πραγματοποιείται προσπάθεια πρόβλεψης της πορείας που θα ακολουθήσει κάθε εκπαιδευόμενος στις σπουδές του. Η παρούσα διπλωματική εργασία, θα προσπαθήσει να θέσει τη βάση για μια διαφορετική προσέγγιση, κυρίως στα δεδομένα για την πρόβλεψη. Βασική της παράμετρος που εισαγάγει είναι να εξεταστεί- παράλληλα με τις επιδόσεις στα μαθήματα κατά τη διάρκεια των σπουδών- την αρχική κατάσταση των φοιτητών την ημέρα εγγραφής τους στο Πανεπιστήμιο (τμήμα Μηχανικών Ηλεκτρονικών Υπολογιστών και Πληροφορικής- ΤΜΗΥΠ), εξετάζοντας δημογραφικά χαρακτηριστικά τους, τον τρόπο εισαγωγής, της επιθυμία για την επιλογή του αντικειμένου σπουδών, τον τρόπο και το επίπεδο προετοιμασίας για τις εισαγωγικές εξετάσεις, τις πρότερες προαπαιτούμενες γνώσεις τις οποίες θεωρεί το τμήμα ότι είναι αναγκαίες για μια ικανοποιητική πορεία των σπουδών, κ.ά. Πέρα από τα δεδομένα που προέρχονται από τους πρωτοετείς φοιτητές, εξετάστηκαν δεδομένα από απόφοιτους του ΤΜΗΥΠ, όπου η μελέτη πραγματοποιείται γνωρίζοντας το αποτέλεσμα στην τελική επίδοση του αποφοίτου. Όλα τα δεδομένα έχουν συλλεχθεί με σεβασμό στην ανωνυμία του δείγματος που εξετάστηκε. Επιπρόσθετα τέθηκαν μια σειρά από ερευνητικά ερωτήματα, μερικά από αυτά είναι η στατιστική κατανομή βαθμού αποφοίτησης, το πλήθος των αποφοιτήσαντων σε σχέση με τους εισακτέους, η διάρκεια σπουδών, κατανομή βαθμού αποφοίτησης σε σχέση με το βαθμό εισαγωγής, κ.ά. και σε πολλά από τα οποία προσπαθεί να δώσει απαντήσεις, ενώ ορισμένα θα αποτελέσουν μελλοντική εργασία. Για τη μελέτη και την εξαγωγή των συμπερασμάτων σχετικά με τα ερευνητικά ερωτήματα που τέθηκαν και εξέτασε η παρούσα διπλωματική εργασία, χρησιμοποιήθηκαν στατιστικές τεχνικές και αλγόριθμοι εξόρυξης δεδομένων με τις οποίες λαμβάνεται μια πρώτη εικόνα της κατάστασης των φοιτητών πριν και μετά τις σπουδές τους. Για τις στατική επεξεργασία χρησιμοποιήθηκε το SPSS και για την εφαρμογή των αλγορίθμων εξόρυξης υλοποιήθηκε σε PHP εργαλείο και η διασταύρωση της επιτυχίας του δοκιμάστηκε με το WEKA. There are many attempts at the international level to understand the factors that affect the learning process and its outcomes, such as the performance of learners. This need, which everyone involved hopes to improve learning processes, has led to the investigation and development of intelligent early warning systems that monitor student performance during a given period of study. These are systems that are based mainly on performance data of learners in specific courses, which are examined in conjunction with factors selected by researchers. The methodologies for drawing conclusions that have been applied are many and include statistical methodologies, linear algebra methodologies, etc., which are applied to the data concerning the course of the trainees. With these as a springboard, a study is carried out and conclusions are drawn for the overall performance and an attempt is made to predict the course that each trainee will follow in his studies. This dissertation will try to lay the groundwork for a different approach, mainly in forecasting data. Its main parameter is to examine - in addition to the performance in the courses during the studies- the initial situation of the students on the day of their enrolment in the University (Department of Computer Engineering and Informatics- CEID), examining their demographic characteristics, the way the desire for the choice of the subject of study, the way and the level of preparation for the entrance exams, the prerequisite knowledge which the department considers necessary for a satisfactory course of studies, etc. In addition to the data coming from the first-year students, data from graduates of CEID were examined, where the study is carried out knowing the result in the final performance of the graduate. All data were collected with respect to the anonymity of the sample examined. In addition, a number of research questions were asked, some of which are the statistical distribution of graduation grade, the number of graduates in relation to the admissions, the duration of studies, the distribution of graduation grade in relation to the admission grade, etc. and many of which he tries to answer, some of which will be future work. In order to study and draw conclusions about the research questions posed and examined in this dissertation, statistical techniques and data mining algorithms were used which provide a first picture of the situation of students before and after their studies. SPSS was used for the static processing and for the application of the mining algorithms it was implemented in a PHP tool and the cross- section of its success was tested with WEKA. 2022-04-01T06:00:25Z 2022-04-01T06:00:25Z 2022-03 http://hdl.handle.net/10889/16138 gr application/pdf