Student academic performance prediction model in computer related courses field

โมเดลการพยากรณ์สมรรถนะทางวิชาการของนักศึกษาในกลุ่มวิชาด้านคอมพิวเตอร์

Name: Sumana Ganne

LCSH: College students -- Performance

LCSH: Computers -- Instruction and study

Abstract: The phenomenon of student attrition is a pressing issue for higher education institutions globally. Universities aim to maximize their graduation rates, but maintaining a balance between enrollment and graduation has been challenging for decades. It's critical for universities to understand the rates and reasons behind student attrition, as well as when students are most at risk of dropping out, to implement effective strategies to address this issue. Most dropouts occur early in university life, often due to poor academic performance. This independent study aims to use data to identify factors affecting student performance and create a predictive model for their performance in advanced courses. The results will inform institutional policies and strategies to improve faculty-student interactions and increase retention rates. Identifying at-risk students early and creating support pathways are crucial steps toward reducing student attrition.

Abstract: การวิจัยนี้นำเสนอวิธีการใหม่ของการเรียนรู้เชิงลึกในการทำนายช่วงอายุของลูกค้าในการขายทางโทรศัพท์ผ่านการวิเคราะห์ข้อมูลเสียง โดยใช้ชุดข้อมูลที่หลากหลายจากโครงการ 'Common Voice' ของ Mozilla การศึกษานี้มุ่งเน้นไปที่การสกัดคุณลักษณะทางเสียงโดยใช้ Librosa และการสร้างโมเดลด้วย TensorFlow และ Keras ที่มีชั้นของ LSTM โมเดลได้รับการฝึกฝนให้รู้จำรูปแบบที่สอดคล้อง กับคุณสมบัติเสียงของลูกค้ากับช่วงอายุ การวิจัยนี้แสดงถึงประสิทธิภาพของโมเดลผ่านเมตริก การประเมินผลหลายอย่าง โดยมุ่งหวังที่จะเพิ่มการบริการลูกค้าส่วนบุคคลในการขายทางโทรศัพท์ การวิจัยนี้นำเสนอวิธีการนวัตกรรมของการเรียนรู้เชิงลึกในการทำนายช่วงอายุของลูกค้าในการขายทางโทรศัพท์ โดยใช้ชุดข้อมูลที่หลากหลายจากโครงการ 'Common Voice' ของ Mozilla การศึกษานี้แสดงให้เห็นว่าชั้นของ LSTM สามารถรู้จำคุณลักษณะเสียงที่สอดคล้องกับช่วงอายุ ของลูกค้าได้อย่างมีประสิทธิภาพ ผลลัพธ์ที่แสดงให้เห็นถึงความแม่นยำในการตรวจสอบของ 54.25% ชี้ให้เห็นถึงศักยภาพในการเสริมสร้างการบริการลูกค้าส่วนบุคคล ผ่านการวิเคราะห์ข้อมูลเสียง นวัตกรรมทางวิธีการนี้เป็นก้าวที่สำคัญไปสู่การประยุกต์ใช้ในทางปฏิบัติ ในการจัดการความสัมพันธ์กับลูกค้าด้วยเทคนิคการเรียนรู้เชิงลึกขั้นสูง

Chiang Mai University. Library

Address: CHIANG MAI

Email: cmulibref@cmu.ac.th

Name: Chartchai Doungsa-ard

Role: Advisor

Created: 2024

Modified: 2568-02-13

Issued: 2025-02-13

วิทยานิพนธ์/Thesis

application/pdf

eng

DegreeName: Master of Science

Level: Master's Degree

Descipline: Data Science

Grantor: Chiang Mai University

©copyrights Chiang Mai University

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	630632085.pdf	10.49 MB

ใช้เวลา

0.018302 วินาที