Högskolan i Skövde

his.sePublikationer
Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • apa-cv
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Sequence classification on gamified behavior data from a learning management system: Predicting student outcome using neural networks and Markov chain
Högskolan i Skövde, Institutionen för informationsteknologi.
2020 (Engelska)Självständigt arbete på avancerad nivå (masterexamen), 20 poäng / 30 hpStudentuppsats (Examensarbete)
Abstract [en]

This study has investigated whether it is possible to classify time series data originating from a gamified learning management system. By using the school data provided by the gamification company Insert Coin AB, the aim was to distribute the teacher’s supervision more efficiently among students who are more likely to fail. Motivating this is the possibility that the student retention and completion rate can be increased. This was done by using Long short-term memory and convolutional neural networks and Markov chain to classify time series of event data. Since the classes are balanced the classification was evaluated using only the accuracy metric. The results for the neural networks show positive results but overfitting seems to occur strongly for the convolutional network and less so for the Long short-term memory network. The Markov chain show potential but further work is needed to mitigate the problem of a strong correlation between sequence length and likelihood.

Ort, förlag, år, upplaga, sidor
2020. , s. 26
Nyckelord [en]
Long Short-term Memory, Convolutional neural network, Markov Chain, Time series Classification, Gamification
Nationell ämneskategori
Systemvetenskap, informationssystem och informatik med samhällsvetenskaplig inriktning
Identifikatorer
URN: urn:nbn:se:his:diva-18654OAI: oai:DiVA.org:his-18654DiVA, id: diva2:1448016
Externt samarbete
Insert Coin AB
Ämne / kurs
Informationsteknologi
Utbildningsprogram
Data Science - masterprogram
Handledare
Examinatorer
Tillgänglig från: 2020-06-26 Skapad: 2020-06-26 Senast uppdaterad: 2020-06-26Bibliografiskt granskad

Open Access i DiVA

fulltext(1241 kB)214 nedladdningar
Filinformation
Filnamn FULLTEXT01.pdfFilstorlek 1241 kBChecksumma SHA-512
20b5b1041d9c9fd43401d332cc342efd78050b8de69725b6a362228350bb693578cd0be65d243ca69d7b6179a02f60e9ab716988f9cf68a2e2a1db2bad277fee
Typ fulltextMimetyp application/pdf

Av organisationen
Institutionen för informationsteknologi
Systemvetenskap, informationssystem och informatik med samhällsvetenskaplig inriktning

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 214 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

urn-nbn

Altmetricpoäng

urn-nbn
Totalt: 248 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • apa-cv
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf