ข้อมูลจากบทคัดย่อ
ยังไม่มีสรุปภาษาไทยสำหรับระเบียนนี้
ด้านล่างเป็นบทคัดย่อต้นฉบับภาษาอังกฤษจากข้อมูลบรรณานุกรม โปรดตรวจบทความต้นฉบับก่อนอ้างอิง
Accurately predicting students' academic performance is crucial for identifying students with learning difficulties and tailoring educational interventions effectively. This study proposed a PSO-LSTM framework that combines Particle Swarm Optimization (PSO) with Long Short-Term Memory (LSTM) to improve prediction accuracy by optimizing LSTM hyperparameters. The model was evaluated on a dataset of 722 students from the Computer Science program at Wenzhou Business College, covering six academic years (2018–2024). Two experimental scenarios were designed: semester-based GPA prediction and year-based CGPA prediction. The results indicated that PSO-LSTM outperformed traditional machine learning models (Decision Tree, Random Forest, SVM, KNN) and standard deep learning models (ANN, LSTM) in both experimental settings. In predicting the cumulative grade point average (CGPA), the model's accuracy increased from 87.59% in DSTU5 to 95.17% in DSTU7, and further to 96.55% after applying SMOTE. This method effectively alleviates bias caused by class imbalance, particularly by improving recall for identifying the minority (at-risk) class, thereby significantly enhancing fairness and robustness (e.g., DSTU5 increased by 8.0%). These findings highlight PSO-LSTM as a highly effective framework for predicting academic performance, with strong potential for early intervention strategies and personalized learning recommendations.
เหตุผลที่อยู่ในฐานติดตาม
ระเบียนนี้ได้รับ Impact Signal 85/100 จากความใหม่ แหล่งเผยแพร่ ความร่วมมือ และสัญญาณในข้อมูลบรรณานุกรม คะแนนนี้ใช้จัดลำดับการติดตาม ไม่ใช่การตัดสินคุณภาพงานวิจัย
ประเด็นที่เกี่ยวข้อง: Online Learning and Analytics · Educational Outcomes and Influences · Educational Technology and Pedagogy
บทบาทของนักวิจัยและสถาบันไทย
Wenting Cui · Adisak Sangsongfa · N. Amdee · Muban Chombueng Rajabhat University
ข้อจำกัดของข้อมูล
หน้านี้เป็นระเบียนบรรณานุกรมและข้อมูลจากบทคัดย่อ ยังไม่ใช่บทวิเคราะห์ฉบับเต็มหรือการประเมินคุณภาพงานวิจัย ควรตรวจสอบ DOI และเอกสารต้นฉบับก่อนนำไปอ้างอิง