Analyzing and predicting students' performance by means of Machine Learning: a review

Abstract

La predicción del rendimiento de los estudiantes es uno de los temas más importantes para contextos de aprendizaje como escuelas y universidades, ya que ayuda a diseñar mecanismos eficaces que mejoren los resultados académicos y eviten el abandono escolar, entre otras cosas. Estos se ven beneficiados por la automatización de muchos procesos implicados en las actividades habituales de los estudiantes, que manejan volúmenes masivos de datos recogidos a partir de herramientas de software para el aprendizaje potenciado por la tecnología. Así, analizar y procesar estos datos cuidadosamente puede proporcionarnos información útil sobre los conocimientos de los alumnos y la relación entre ellos y las tareas académicas. Esta información es la fuente que alimenta algoritmos y métodos prometedores capaces de predecir el rendimiento de los estudiantes. En este estudio, se analizaron casi 70 artículos para mostrar diferentes técnicas modernas ampliamente aplicadas para predecir el rendimiento de los estudiantes, junto con los objetivos que deben alcanzar en este campo. Estas técnicas y métodos, que pertenecen al área de la Inteligencia Artificial, son principalmente el Aprendizaje Automático, el Filtrado Colaborativo, los Sistemas de Recomendación y las Redes Neuronales Artificiales, entre otros.

Predicting students’ performance is one of the most important topics for learning contexts such as schools and universities, since it helps to design effective mechanisms that improve academic results and avoid dropout, among other things. These are benefited by the automation of many processes involved in usual students’ activities which handle massive volumes of data collected from software tools for technology-enhanced learning. Thus, analyzing and processing these data carefully can give us useful information about the students’ knowledge and the relationship between them and the academic tasks. This information is the source that feeds promising algorithms and methods able to predict students’ performance. In this study, almost 70 papers were analyzed to show different modern techniques widely applied for predicting students’ performance, together with the objectives they must reach in this field. These techniques and methods, which pertain to the area of Artificial Intelligence, are mainly Machine Learning, Collaborative Filtering, Recommender Systems, and Artificial Neural Networks, among others.