There are many applications or task

There are many applications or tasks in educational environments that have been resolved through DM. For example, Baker [20],[21] suggests four key areas of application for EDM: improving student models, improving domain models, studying the pedagogical support provided by learning software, scientific research into learning and learners; and five approaches/methods: prediction, clustering, relationship mining, distillation of data for human judgment and discovery with models. Castro [60] suggests thefollowing EDM subjects/tasks: applications dealing with the assessment of the student’s learning performance, applications that provide course adaptation and learning recommendations based on the student’s learning behavior, approaches dealing with the evaluation of learning material and educational web based courses, applications that involve feedback to both teacher and students in e-learning courses, and developments for detection of atypical students’ learning behaviors. However, as we think that there are even more possible applications, we have established our own categories for the main educational tasks which haveemployed data mining techniques. These categories come from different research communities (as we have previously described in the Introduction) and they also use different DM tasks and techniques. On the one hand, we can see in Table IIthat the most active communities are e-learning/LMS and ITS/AEHS. On the other hand, we will see in the following subsections that the most commonly applied DM tasks are regression, clustering, classification and association rule mining; and the most used DM techniques/methods are decision trees, neural networks and bayesian networks.

Kết quả (Việt) 1:

Có rất nhiều ứng dụng hoặc các công việc trong các môi trường giáo dục đã được giải quyết thông qua DM. Ví dụ, Baker [20], [21] cho thấy bốn lĩnh vực chính của ứng dụng cho EDM: cải thiện các mô hình học sinh, cải thiện các mô hình domain, nghiên cứu sư phạm hỗ trợ được cung cấp bởi học phần mềm, nghiên cứu khoa học vào việc học tập và người học; và phương pháp tiếp cận năm, phương pháp: dự đoán, clustering, khai thác mối quan hệ, chưng cất của dữ liệu để phán xét con người và phát hiện ra với các mô hình. Castro [60] cho thấy thefollowing EDM đối tượng/nhiệm vụ: ứng dụng đối phó với việc đánh giá hiệu suất học tập của học sinh, ứng dụng cung cấp các khóa học thích ứng và học tập khuyến nghị dựa trên hành vi của học sinh học tập, phương pháp tiếp cận đối phó với việc đánh giá học tập tài liệu và các khóa học giáo dục dựa trên web, ứng dụng liên quan đến thông tin phản hồi để giáo viên và học sinh trong các khóa học e-learning, và phát triển để phát hiện không điển hình học sinh học hành vi. Tuy nhiên, như chúng ta nghĩ rằng có những ứng dụng có thể thậm chí nhiều hơn, chúng tôi đã thiết lập riêng của chúng tôi danh mục cho giáo dục chính nhiệm vụ mà haveemployed kỹ thuật khai thác dữ liệu. Các loại này đến từ cộng đồng nghiên cứu khác nhau (như trước đây, chúng tôi đã mô tả trong phần giới thiệu) và họ cũng sử dụng DM nhiệm vụ khác nhau và kỹ thuật. Một mặt, chúng tôi có thể thấy trong bảng IIthat các cộng đồng năng động nhất e-learning/LMS và ITS/AEHS. Mặt khác, chúng ta sẽ thấy trong phần phụ sau các nhiệm vụ phổ biến nhất ứng dụng DM là hồi qui, clustering, phân loại và Hiệp hội quy định khai thác khoáng sản; và sử dụng nhiều nhất DM kỹ thuật/phương pháp cây quyết định, mạng nơ-ron và mạng Bayes.

Kết quả (Việt) 2:

Có nhiều ứng dụng hoặc các công việc trong môi trường giáo dục đã được giải quyết thông qua DM. Ví dụ, Baker [20], [21] cho bốn lĩnh vực chính của ứng dụng cho EDM: cải thiện mô hình sinh viên, cải thiện các mô hình miền, nghiên cứu hỗ trợ sư phạm cung cấp bởi phần mềm học tập, nghiên cứu khoa học vào học tập và học viên; và năm phương pháp / phương pháp: dự đoán, clustering, khai thác mối quan hệ, chưng cất dữ liệu để xét đoán con người và khám phá với các mô hình. Castro [60] cho thấy thefollowing EDM đề tài / nhiệm vụ: ứng dụng đối phó với việc đánh giá hiệu suất học tập của học sinh, ứng dụng cung cấp thích ứng và học tập khuyến nghị khóa học dựa trên hành vi học tập của học sinh, phương pháp tiếp cận đối với việc đánh giá các nguyên liệu và các khóa học dựa trên web giáo dục học tập , các ứng dụng có liên quan đến thông tin phản hồi cho cả giáo viên và học sinh trong khóa học e-learning và phát triển để phát hiện các hành vi học sinh không điển hình '. Tuy nhiên, như chúng ta nghĩ rằng có nhiều hơn ứng dụng có thể, chúng tôi đã thành lập chuyên mục riêng của chúng tôi cho các nhiệm vụ giáo dục chính mà haveemployed kỹ thuật khai thác dữ liệu. Các loại này đến từ các cộng đồng nghiên cứu khác nhau (như chúng tôi đã mô tả trước đây trong phần giới thiệu) và họ cũng sử dụng các tác vụ DM khác nhau và kỹ thuật. Một mặt, chúng ta có thể thấy trong Bảng IIthat cộng đồng tích cực nhất là e-learning / LMS và ITS / AEHS. Mặt khác, chúng ta sẽ thấy trong phần phụ sau đó nhiệm vụ DM áp dụng phổ biến nhất là hồi quy, phân cụm, phân loại và luật kết hợp khai thác khoáng sản; và các kỹ thuật DM sử dụng nhiều nhất / phương pháp cây quyết định, mạng nơron và mạng Bayes.