kaggle新赛推荐 | 从游戏中预测学生的表现

news/2024/11/8 7:31:25/

赛题名称：Predict Student Performance from Game Play 从游戏中预测学生的表现

赛题链接：https://www.kaggle.com/competitions/predict-student-performance-from-game-play

赛题背景

学习意味着有趣，这就是基于游戏的学习的用武之地。这种教育方法允许学生在游戏框架内参与教育内容，使其愉快和动态。尽管基于游戏的学习正在越来越多的教育环境中使用，但可用于应用数据科学和学习分析原则来改进基于游戏的学习的开放数据集数量仍然有限。

本次竞赛旨在利用数据科学方法分析学生在游戏中的行为，从而预测他们的学术表现。如果成功，参赛者将使游戏开发人员能够改进教育游戏，并通过仪表板和分析工具进一步支持使用这些游戏的教育工作者。反过来，我们可能会看到对基于游戏的学习平台的更广泛支持。

赛题方向

数据挖掘

赛题任务

本次比赛的目标是实时预测学生在基于游戏的学习中的表现。参赛者将开发一个在最大的游戏日志开放数据集之一上训练的模型。这将有助于推进对基于游戏的学习的知识追踪方法的研究，支持教育游戏的开发人员为学生创造更有效的学习体验。

评估标准

竞赛采用均方误差（Mean Squared Error, MSE）作为评估标准，以衡量参赛者构建的模型在预测学生学术表现方面的性能。

提交的文件应包含标头并具有以下格式：

session_id,correct
20090109393214576_q1,0
20090312143683264_q1,0
20090312331414616_q1,0
20090109393214576_q2,0
20090312143683264_q2,0
20090312331414616_q2,0
20090109393214576_q3,0
20090312143683264_q3,0
20090312331414616_q3,0
...

数据描述

本次比赛使用 Kaggle 的时间序列 API。测试数据将以不允许访问未来数据的分组形式提供。本次比赛的目的是使用在线教育游戏生成的时间序列数据来确定玩家是否会正确回答问题。有三个问题检查点（级别 4、级别 12 和级别 22），每个检查点都有许多问题。在每个检查点，参赛者将可以访问该部分的所有先前测试数据。