The data collected by university IT systems can be considered promising starting points for improving the effectiveness of learning, predicting student performance and advising them in choosing the most suitable study path for them. This thesis uses educational process mining techniques to analyze students' careers, in particular to identify any bottlenecks in the path and study the behaviors of students preparing exams, highlighting the differences between early and late students. Predictive models are used to identify the impact of different factors, for example the number of exams passed during the first semester and the first year, and to predict student performance based on which exams they took during the first year and the time taken to prepare them. The results obtained provide insights to universities that seek to improve the courses they offer and reduce the school dropout rate, above all to reduce the difficulties that students encounter during their career and disprove the stereotypes that make a faculty "more difficult" or not, to ensure that the choice of the ideal course of study is not influenced by this type of fears.

I dati raccolti dai sistemi informatici delle Università possono essere considerati dei punti di partenza promettenti per migliorare l’efficacia dell’apprendimento, predire le performance degli studenti e consigliarli nella scelta del percorso di studi più adatto a loro. Questo lavoro di tesi utilizza le tecniche di educational process mining per analizzare le carriere degli studenti, in particolare per identificare eventuali colli di bottiglia nel percorso e studiare i comportamenti degli studenti che si approcciano alla preparazione degli esami, evidenziando le differenze tra studenti in corso e fuori corso. Vengono quindi utilizzati modelli predittivi per chiarire l'impatto di diversi fattori, ad esempio il numero di esami superati durante il primo semestre ed il primo anno, e per la predizione delle performance degli studenti in base a quali esami hanno volto durante il primo anno ed il tempo impiegato per prepararli. I risultati ottenuti forniscono spunti per le università che cercano di migliorare i corsi da loro offerti e diminuire il tasso di abbandono scolastico, soprattutto per abbattere le difficoltà che gli studenti incontrano durante il loro percorso e smentire gli stereotipi che rendono una facoltà “più difficile” o meno, per assicurare che la scelta del corso di studi ideale non sia influenzata da paure di questo tipo.

Tecniche di Process Mining applicate all’analisi dei modelli di comportamento degli studenti nell’affrontare esami universitari

BASTA, ANNALISA
2022/2023

Abstract

The data collected by university IT systems can be considered promising starting points for improving the effectiveness of learning, predicting student performance and advising them in choosing the most suitable study path for them. This thesis uses educational process mining techniques to analyze students' careers, in particular to identify any bottlenecks in the path and study the behaviors of students preparing exams, highlighting the differences between early and late students. Predictive models are used to identify the impact of different factors, for example the number of exams passed during the first semester and the first year, and to predict student performance based on which exams they took during the first year and the time taken to prepare them. The results obtained provide insights to universities that seek to improve the courses they offer and reduce the school dropout rate, above all to reduce the difficulties that students encounter during their career and disprove the stereotypes that make a faculty "more difficult" or not, to ensure that the choice of the ideal course of study is not influenced by this type of fears.
2022
2023-10-13
Process Mining techniques applied to the analysis of students' behavior patterns in taking university exams
I dati raccolti dai sistemi informatici delle Università possono essere considerati dei punti di partenza promettenti per migliorare l’efficacia dell’apprendimento, predire le performance degli studenti e consigliarli nella scelta del percorso di studi più adatto a loro. Questo lavoro di tesi utilizza le tecniche di educational process mining per analizzare le carriere degli studenti, in particolare per identificare eventuali colli di bottiglia nel percorso e studiare i comportamenti degli studenti che si approcciano alla preparazione degli esami, evidenziando le differenze tra studenti in corso e fuori corso. Vengono quindi utilizzati modelli predittivi per chiarire l'impatto di diversi fattori, ad esempio il numero di esami superati durante il primo semestre ed il primo anno, e per la predizione delle performance degli studenti in base a quali esami hanno volto durante il primo anno ed il tempo impiegato per prepararli. I risultati ottenuti forniscono spunti per le università che cercano di migliorare i corsi da loro offerti e diminuire il tasso di abbandono scolastico, soprattutto per abbattere le difficoltà che gli studenti incontrano durante il loro percorso e smentire gli stereotipi che rendono una facoltà “più difficile” o meno, per assicurare che la scelta del corso di studi ideale non sia influenzata da paure di questo tipo.
File in questo prodotto:
File Dimensione Formato  
Tesi Basta Annalisa.pdf

accesso aperto

Dimensione 3.48 MB
Formato Adobe PDF
3.48 MB Adobe PDF Visualizza/Apri

I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.12075/14669