Modeling Academic Performance Using the PISA 2022 Database

Tietueen suppeat tiedot
dc.contributor.authorNecula, Andreea-stefania
dc.contributor.departmentfi=Matematiikan ja tilastotieteen laitos|en=Department of Mathematics and Statistics|
dc.contributor.facultyfi=Matemaattis-luonnontieteellinen tiedekunta|en=Faculty of Science|
dc.contributor.studysubjectfi=Matematiikka|en=Mathematics|
dc.date.accessioned2025-06-16T21:06:15Z
dc.date.available2025-06-16T21:06:15Z
dc.date.issued2025-05-22
dc.description.abstractThe study aims to explore the predictive modeling of students’ achievements using PISA 2022 dataset and directing attention to estimate scores in mathematics, reading and science. Moreover, the research wants to discover key features that influence directly student achievement, assessing the efficacy of some machine learning models trained on this dataset.
dc.format.extent78
dc.identifier.olddbid199204
dc.identifier.oldhandle10024/182241
dc.identifier.urihttps://www.utupub.fi/handle/11111/20385
dc.identifier.urnURN:NBN:fi-fe2025061669564
dc.language.isoeng
dc.rightsfi=Julkaisu on tekijänoikeussäännösten alainen. Teosta voi lukea ja tulostaa henkilökohtaista käyttöä varten. Käyttö kaupallisiin tarkoituksiin on kielletty.|en=This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.|
dc.rights.accessrightsavoin
dc.source.identifierhttps://www.utupub.fi/handle/10024/182241
dc.subjectPISA 2022, predictive modeling, machine learning, student achievement
dc.titleModeling Academic Performance Using the PISA 2022 Database
dc.type.ontasotfi=Sivuaineen tutkielma|en=Minor's thesis|

Tiedostot

Näytetään 1 - 1 / 1
Name:
NECULA_ANDREEA_2205.pdf
Size:
13.98 MB
Format:
Adobe Portable Document Format
Lataa

Kokoelmat

Pro gradu -tutkielmat ja diplomityöt sekä syventävien opintojen opinnäytetyöt (kokotekstit)