墨尔本自适应学习数据集1963-2021
数据来源：互联网公开数据
标签：自适应学习,预测建模,教育分析,学生数据,机器学习,深度学习,个性化教育
数据概述：
墨尔本自适应学习数据集（MALD）是一个全面的现实世界数据集，旨在支持自适应学习、预测建模和教育分析的研究。该数据集收集了澳大利亚墨尔本一项合作教育倡议在三个学年中的数据，反映了多样化的学生人口统计特征，包括不同的英语水平、学习成果和社会经济背景。它为探索先进的机器学习和深度学习技术以改进自适应学习系统、个性化教育和预测建模任务提供了独特的机会。
数据集包含42,600条匿名学生记录，包括评估结果和互动指标。每条记录包括学生概况、自适应测试改进、技能发展和个人化学习建议等信息，适合用于分类、回归和聚类任务。
数据用途概述：
该数据集适用于自适应学习研究、个性化教育开发、预测建模、算法开发和基准测试等场景。研究人员可以利用此数据集进行学生行为和学习模式的分析；教育机构可以借助数据优化教学策略；技术开发者可以开发更有效的自适应学习系统。此外，数据集也适合用于教育培训，帮助学习者理解自适应学习系统的运作机制。
特征概述：
1. Student_ID：每个学生的唯一标识符。
2. Age：数据收集时学生的年龄。
3. Gender：学生的性别（男、女或其他）。
4. Socioeconomic_Status：学生所属的社会经济类别（高、中、低）。
5. Native_Language：学生的第一语言。
6. English_Proficiency_Level：学生的英语水平（初级、中级、高级）。
7. Study_Hours：学生每周记录的学习总时长。
8. Device_Type：学生用于学习的主要设备（笔记本电脑、手机、平板电脑）。
9. Quiz_Scores：学生在测验中获得的平均分数（0-100）。
10. Exercise_Completion_Rate：学生完成指定练习的百分比。
11. Adaptive_Test_Improvement：自适应测试结果的分类（改善、无变化、下降）。
12. Skill_Development_Success：技能发展结果的分类（改善、部分改善、无改善、下降）。
13. Learning_Path：推荐的学习路径（高级、继续当前水平、补救支持、自定义路径）。
14. Assessment_Performance：整体表现的分类（差、中、好、优秀）。
15. Final_Exam_Score：学生在期末考试中获得的分数（0-100）。
16. Feedback_Rating：学生对教学质量的评分（1-5分）。
