Předpověď hodnocení zkoušek

Kateřina Zapletalová

Bachelor's thesis

Prediction of exam evaluation

Abstract:

Bakalářská práce se zabývá metodou Collaborative filtering používanou pro Recommender systémy. Tato metoda se aplikuje na předpověď hodnocení zkoušky daného studenta pro daný předmět na základě podobnosti s ostatními studenty a ostatními předměty. Datovým podkladem jsou výsledky závěrečných hodnocení zkoušek studentů z šesti předmětů vyučovaných na Katedře ekonometrie Vysoké školy ekonomické v Praze. Předpovědi jsou prováděny pomocí hodnocení z předmětů nebo ostatních studentů. Nejlepší metoda pro předpověď je určena na základě nejmenší celkové chyby měření ze všech hodnocení, a to pomocí střední absolutní chyby a střední kvadratické chyby. Chyby měření zkoumají metody i pro předpověď v rámci jednotlivých předmětů. Pro nejlepší metodu je provedena analýza předpovědí za jednotlivé číselné ohodnocení studentů. Na základě provedených výpočtů, jako nejlepší postup pro tvorbu předpovědí u obou chyb měření vyšla metoda, která pro výpočet vah používá korelační koeficient a hodnocení předpovídá pomocí předmětů.

Abstract:

The bachelor thesis is focused on the Collaborative filtering method used for Recommender systems. This method is applied to the prediction of a student's exams for a given subjects based on similarity with other students and other subjects. As dataset is the results of the final examinations of the students' exams from the six subjects taught at the Department of Econometrics of the University of Economics in Prague. Predictions are done through assessment of subjects and students. The best method is based on the smallest total measurement error of all objects, using the mean absolute error and the root mean square error. Measurement errors investigate methods for prediction within individual subjects. For the best method, a prediction analysis is performed for individual numerical evaluation of students. On the basis of the performed calculations, the method used to calculate the weights using the correlation coefficient has been reached as the best method for predicting the two measurement errors.

Keywords

Recommender systémy, Collaborative filtering, předpověď hodnocení

Keywords

prediction, Recommender systems, Collaborative filtering

Language used: Czech

Date on which the thesis was submitted / produced: 4. 12. 2016

Thesis defence

• Date of defence: 21. 6. 2018
• Supervisor: Vladimír Holý
• Reader: Adam Borovička

Vysoká škola ekonomická v Praze

Bachelor programme / field:
Kvantitativní metody v ekonomice / Matematické metody v ekonomii