Volltextdatei(en) in REPOSIT vorhanden Open Access
DC ElementWertSprache
dc.contributor.advisorTropmann-Frick, Marina-
dc.contributor.authorNguyen, Quang Huy-
dc.date.accessioned2024-07-31T06:10:17Z-
dc.date.available2024-07-31T06:10:17Z-
dc.date.created2022-05-24-
dc.date.issued2024-07-31-
dc.identifier.urihttps://hdl.handle.net/20.500.12738/16115-
dc.description.abstractDie Vorhersagefähigkeit eines Studiengangs auf der Grundlage der damit verbundenen Kompetenzen ist eine entscheidende Komponente eines KI-Systems, das weitere Empfehlungen für Studierende und fundierte Entscheidungen für Lehrkräfte und Tutoren liefern kann. In dieser Arbeit wird ein intelligentes Vorhersagemodell entwickelt, das den Informatikstudiengang eines immatrikulierten Studenten auf der Grundlage von Kompetenzdaten dieses Studenten prognostizieren kann. Die verwendeten Daten stammen aus den Modulhandbüchern des Departments Informatik der HAW. Es werden verschiedene Klassifikationsalgorithmen des maschinellen Lernens eingesetzt und evaluiert.de
dc.description.abstractThe predictive capability of a course of study based on its associated competencies is a critical component of an AI system that can provide further recommendations for students and informed decisions for teachers and tutors. In this work, an intelligent prediction model is developed that can predict the computer science course of an enrolled student based on competency data of that student. The data used is taken from the module handbooks in Department of Computer Science from HAW. Different classification algorithms in machine learning are used and evaluated.en
dc.language.isodeen_US
dc.subjectKompetenzerfassungen_US
dc.subjectKompetenzen_US
dc.subjectKlassifikationsalgorithmenen_US
dc.subjectKompetenzorientierungen_US
dc.subjectInformatikstudiengangen_US
dc.subjectmaschinelles Lernenen_US
dc.subjectCompetence assessmenten_US
dc.subjectcompetenceen_US
dc.subjectclassification algorithmsen_US
dc.subjectcompetence orientationen_US
dc.subjectComputer Science Programen_US
dc.subjectmachine learningen_US
dc.subject.ddc004: Informatiken_US
dc.titleKünstliche Intelligenz in der Kompetenzentwicklung zur Steigerung des Studienerfolgsde
dc.typeThesisen_US
openaire.rightsinfo:eu-repo/semantics/openAccessen_US
thesis.grantor.departmentDepartment Informatiken_US
thesis.grantor.universityOrInstitutionHochschule für Angewandte Wissenschaften Hamburgen_US
tuhh.contributor.refereeSchultz, Martin-
tuhh.identifier.urnurn:nbn:de:gbv:18302-reposit-191282-
tuhh.oai.showtrueen_US
tuhh.publication.instituteDepartment Informatiken_US
tuhh.publication.instituteFakultät Technik und Informatiken_US
tuhh.type.opusBachelor Thesis-
dc.type.casraiSupervised Student Publication-
dc.type.dinibachelorThesis-
dc.type.driverbachelorThesis-
dc.type.statusinfo:eu-repo/semantics/publishedVersionen_US
dc.type.thesisbachelorThesisen_US
dcterms.DCMITypeText-
tuhh.dnb.statusdomainen_US
item.advisorGNDTropmann-Frick, Marina-
item.creatorGNDNguyen, Quang Huy-
item.languageiso639-1de-
item.cerifentitytypePublications-
item.openairecristypehttp://purl.org/coar/resource_type/c_46ec-
item.creatorOrcidNguyen, Quang Huy-
item.fulltextWith Fulltext-
item.grantfulltextopen-
item.openairetypeThesis-
Enthalten in den Sammlungen:Theses
Dateien zu dieser Ressource:
Zur Kurzanzeige

Seitenansichten

71
checked on 24.11.2024

Download(s)

48
checked on 24.11.2024

Google ScholarTM

Prüfe

HAW Katalog

Prüfe

Feedback zu diesem Datensatz


Alle Ressourcen in diesem Repository sind urheberrechtlich geschützt.