Prediction for CET-4 Based on Random Forest

Song, Zhenhua; Ke, Ke

doi:10.1016/j.procs.2023.11.049

Procedia Computer Science

2023

DOI: 10.1016/j.procs.2023.11.049

|View full text |Cite

Prediction for CET-4 Based on Random Forest

Zhenhua Song,

Ke Ke

Help me understand this report

Search citation statements

Order By: Relevance

Paper Sections

Select...

Citation Types

Supporting

Mentioning

Contrasting

Year Published

2024

Publication Types

Select...

Article1

Relationship

Self Cite0

Independent1

Authors

Journals

Cited by 1 publication

References 2 publications

Supporting

Mentioning

Contrasting

Order By: Relevance

Aplicación de Modelos de Inteligencia Artificial en Pruebas Estandarizadas para la Optimización del Rendimiento Académico en Educación Superior

Orozco Morales,

Osorio García

2024

epsir

View full text Add to dashboard Cite

Introducción: Aunque, la IA ha demostrado potencial para predecir resultados académicos, diseñar programas de aprendizaje personalizados y apoyar la orientación académica, se encuentran desafíos significativos como la necesidad de datos de alta calidad, problemas de interpretabilidad de algunos modelos y el riesgo de perpetuar sesgos existentes. El objetivo de la presente revisión sistemática es explorar el uso de la inteligencia artificial en el ámbito educativo, específicamente en el contexto de las pruebas estandarizadas. Metodología: Para ello, se lleva a cabo una revisión exhaustiva de la literatura científica siguiendo las directrices de la declaración PRISMA, con una muestra de 17 artículos publicados entre el 2019 y 2023 en revistas indexadas en Scopus. Resultados: Se encontró que los modelos predictivos más utilizados en los estudios fueron: Redes Neuronales Artificiales, Árboles de Decisión, Máquinas de Soporte Vectorial (SVM) y Random Forest, Discusión: identificando beneficios que incluyen la optimización del rendimiento académico, individualización del aprendizaje y mejora en la toma de decisiones educativas. Conclusiones: Se concluye que la IA tiene un gran potencial para mejorar la medición de la calidad educativa, pero es crucial abordar estas limitaciones y consideraciones éticas para garantizar su aplicación efectiva y responsable en el ámbito educativo.

show abstract

Aplicación de Modelos de Inteligencia Artificial en Pruebas Estandarizadas para la Optimización del Rendimiento Académico en Educación Superior

Orozco Morales,

Osorio García

2024

epsir

View full text Add to dashboard Cite

show abstract

scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.

Contact Info

customersupport@researchsolutions.com

10624 S. Eastern Ave., Ste. A-614

Henderson, NV 89052, USA

This site is protected by reCAPTCHA and the Google Privacy Policy and Terms of Service apply.

Blog Terms and Conditions API Terms Privacy Policy Contact Cookie Preferences Do Not Sell or Share My Personal Information

Made with 💙 for researchers

Part of the Research Solutions Family.

Prediction for CET-4 Based on Random Forest

Cited by 1 publication

References 2 publications

Aplicación de Modelos de Inteligencia Artificial en Pruebas Estandarizadas para la Optimización del Rendimiento Académico en Educación Superior

Aplicación de Modelos de Inteligencia Artificial en Pruebas Estandarizadas para la Optimización del Rendimiento Académico en Educación Superior

Contact Info

Product

Resources

About