DATA MINING ALGORITHMS FOR PREDICTION OF STUDENT TEACHERS’ PERFORMANCE IN ICT: A SYSTEMATIC LITERATURE REVIEW
Інформаційні технології і засоби навчання
View Archive Info| Field | Value | |
| Title |
DATA MINING ALGORITHMS FOR PREDICTION OF STUDENT TEACHERS’ PERFORMANCE IN ICT: A SYSTEMATIC LITERATURE REVIEW
АЛГОРИТМИ ІНТЕЛЕКТУАЛЬНОГО АНАЛІЗУ ДАНИХ ДЛЯ ПРОГНОЗУВАННЯ УСПІШНОСТІ СТУДЕНТІВ ПЕДАГОГІЧНИХ СПЕЦІАЛЬНОСТЕЙ З ВОЛОДІННЯ ІКТ: СИСТЕМАТИЧНИЙ ОГЛЯД ЛІТЕРАТУРИ |
|
| Creator |
Шиндо, Джума Х.
Мджахіді, Мохамед М. Вазірі, Мохамед Д. |
|
| Subject |
data mining algorithms
educational data mining student teachers teacher training colleges алгоритми інтелектуального аналізу даних інтелектуальний аналіз освітніх даних студенти-педагоги педагогічні коледжі |
|
| Description |
Poor ICT performance in teacher training colleges makes it more difficult for the majority of teachers to successfully use ICT resources in their teaching and learning. When teachers can efficiently utilize ICT resources, it empowers them to update their knowledge through online learning, consequently enhancing the overall quality of teaching and learning. This positive outcome can be observed through improved ICT performance. The aim of this article is to identify the appropriate Data Mining algorithms for predicting student teachers’ performance in ICT. The systematic literature review that was guided by the PRISMA statement 2020 served as the study methodology. It makes for clear reporting and offers a detailed checklist and flow diagram that direct the review procedure. On November 6, 2022, about 196 scholarly articles were downloaded from three digital libraries: Science Direct (38), ACM Digital Library (72), IEEE Xplore (51), and 35 from the Google Scholar search engine. After screening and eligibility checking, 28 scholarly articles were selected and analysed through content analysis in terms of the most commonly used algorithms, the year of publication, the study purposes, and the accuracy performance metrics. Considering the specific study findings represented quantitatively, Decision Trees and Naive Bayes were found to be the most commonly used Data Mining algorithms, with a count of 20.6% each. The most recently identified articles were published between 2014 and 2022. In terms of study purposes, a large number of studies focused on predicting student performance. Furthermore, about 6 out of 8 algorithms used in previous studies were found to score 80% or above in the average percentage of the highest and lowest accuracy metrics. Therefore, considering the general findings, the study identified five Data Mining algorithms as appropriate and most commonly used for prediction of student teachers’ performance in ICT. They are Naive Bayes, K-Nearest Neighbour, Support Vector Machine, Random Forest, and Decision Tree. The findings of this study would assist the government, college tutors, and student teachers in making better decisions to improve ICT performance for pre-service and in-service teachers.
Низький рівень володіння ІКТ студентів педагогічних коледжів ускладнює для більшості з них успішне використання ресурсів ІКТ у викладанні та навчанні. Коли викладачі можуть ефективно використовувати ресурси ІКТ, це дає їм можливість оновлювати свої знання за допомогою онлайн-навчання, а отже, підвищує загальну якість викладання і навчання. Такий позитивний результат спостерігається у разі ефективного використання ІКТ. Метою цієї статті є визначення відповідних алгоритмів інтелектуального аналізу даних для прогнозування успішності студентів-педагогів у галузі ІКТ. Методологією дослідження слугував систематичний огляд літератури, проводячи який ми керувалися положенням PRISMA-2020. Цей документ визначає, як чітко представити дані, детальний контрольний список, а також блок-схему, які окреслюють процес огляду. Станом на 6 листопада 2022 року з трьох електронних бібліотек було завантажено близько 196 наукових статей: Science Direct (38), ACM Digital Library (72), IEEE Xplore (51) та 35 з пошукової системи Google Scholar. Після відбору та перевірки на відповідність критеріям відбору було відібрано 28 наукових статей, які було проаналізовано за допомогою контент-аналізу з точки зору найбільш поширених алгоритмів, року публікації, цілей дослідження, показників точності та ефективності. Розглядаючи конкретні результати досліджень, представлені кількісно, було виявлено, що найбільш часто використовуваними алгоритмами інтелектуального аналізу даних є "Дерева рішень" та "Наївний Байєс", частка кожного з них становить 20,6%. Обрані для аналізу статті були опубліковані між 2014 і 2022 роками. З точки зору цілей дослідження велика кількість робіт була зосереджена на прогнозуванні успішності студентів. Крім того, близько 6 з 8 алгоритмів, що використовувались у попередніх дослідженнях, отримали 80% або вище за середнім відсотком найвищої та найнижчої метрик точності. Отже, враховуючи загальні висновки у дослідженні визначено п'ять алгоритмів інтелектуального аналізу даних, які є найбільш придатними та найчастіше використовуються для прогнозування успішності студентів-педагогів у галузі ІКТ. Це "Наївний Байєс", "Метод К-найближчого сусіда", "Машина опорних векторів", "Випадковий ліс" і "Дерево рішень". Результати цього дослідження допоможуть уряду, викладачам коледжів і студентам-педагогам приймати кращі рішення для підвищення ефективності використання ІКТ викладачами під час підготовки та підвищення кваліфікації. |
|
| Publisher |
Institute for Digitalisation of Education of NAES of Ukraine
|
|
| Date |
2023-09-30
|
|
| Type |
info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion Peer-reviewed Article рецензируемая статья рецензована стаття |
|
| Format |
application/pdf
|
|
| Identifier |
https://journal.iitta.gov.ua/index.php/itlt/article/view/5246
10.33407/itlt.v96i4.5246 |
|
| Source |
Information Technologies and Learning Tools; Vol. 96 No. 4 (2023); 29-45
Информационные технологии и средства обучения; Том 96 № 4 (2023); 29-45 Інформаційні технології і засоби навчання; Том 96 № 4 (2023); 29-45 Інформаційні технології і засоби навчання; ##issue.vol## 96 ##issue.no## 4 (2023); 29-45 2076-8184 10.33407/.v96i4 |
|
| Language |
eng
|
|
| Relation |
https://journal.iitta.gov.ua/index.php/itlt/article/view/5246/2147
|
|
| Rights |
Авторське право (c) 2023 Juma Habibu Shindo, Mohamedi Mohamedi Mjahidi, Mohamed Dewa Waziri
https://creativecommons.org/licenses/by-nc-sa/4.0 |
|