교육 기관 학생들의 학업 성취도를 예측하기 위한 고급 딥러닝 모델

교육 기관은 학업에 어려움을 겪고 있을 수 있는 학생들을 지원하는 데 점점 더 집중하고 있으며, 목표 지향적 개입을 통해 교육 성과를 향상시키려 합니다. 이러한 틀 내에서 고급 딥러닝 기법을 활용한 추천 시스템 개발이 필수적입니다. 이 시스템들은 학생들의 과거 학업 데이터를 분석하여 저조한 성과 위험에 처한 학생들을 식별함으로써 개인 맞춤형 지원 전략을 가능하게 합니다. 본 연구는 학업 지원이 필요한 학생을 정확히 찾아내기 위해 고안된 혁신적인 딥러닝 모델을 소개합니다. Gated Recurrent Neural Network (GRU) 아키텍처를 활용하며, 밀집 층, 맥스 풀링 층 및 성능 최적화를 위한 ADAM 최적화 기법 등 풍부한 특징을 포함합니다. 이 모델의 효과는 여러 교육 기관에서 수집된 15,165개 학생 평가 기록의 종합 데이터셋을 사용하여 테스트되었습니다. 기존의 교육 추천 모델인 Recurrent Neural Network (RNN), AdaBoost, Artificial Immune Recognition System v2와의 비교 분석 결과, 제안된 GRU 모델이 99.70%의 뛰어난 전반적 정확도를 달성하여 우수성을 입증하였습니다. 이 획기적인 결과는 교육 기관들이 학생들을 선제적으로 지원하여 저조한 성과 및 중도 탈락 위험을 줄이는 데 있어 이 모델의 잠재력을 강조합니다.