A Supervised Hybrid Statistical Catch-Up System Built on GABECE Gambian Data

Abstract

In this paper we want to find a statistical rule that assigns a passing or failing grade to students who undertook at least three exams out of four in a national exam, instead of completely dismissing them. While it is cruel to declare them as failing, especially if the reason for their absence it not intentional, they should have demonstrated enough merit in the three exams taken to deserve a chance to be declared passing. We use a special classification method and nearest neighbors methods based on the average grade and on the most modal grade to build a statistical rule in a supervised learning process. The study is built on the national GABECE educational data which is a considerable data covering seven years and all the six regions of the Gambia.

Dans cet article, nous voulons trouver une règle statistique qui attribue une note de réussite ou d'échec aux étudiants qui ont passé au moins trois examens sur quatre dans un examen national, au lieu de les rejeter complètement. S'il est cruel de les recaler sans aucune autre chance, surtout si la raison de leur absence n'est pas intentionnelle, ils doivent aussi démontrer suffisamment de mérite dans les trois examens passés pour mériter une chance d'être déclarés réussis. Nous utilisons une méthode de classification spéciale et des méthodes de voisins les plus proches basées sur la note moyenne et la note la plus fréquente pour construire une règle statistique de repêchage dans un processus d'apprentissage supervisé. L'étude est basée sur les données gambiennes relatives aux resultats de fin d'étude primaires. Ces données ont été recueillies sur six régions entre 2012 et 2017.