Akadeemiliste tulemuste ennustamine sisseastumispunktide ja -avalduste põhjal - juhtumiuuring

Abstract

Tartu Ülikooli magistriõppesse vastuvõtmisprotsessi käigus saavad tudengid punktid, mis arvutatakse välja nende motivatsioonikirja ja bakalauseuseõppe keskmise hinde alusel. Ideaalis peaksid sisseastumispunktid ennustama tudengi akadeemilisi tulemusi magistriõppes, mistõttu võib eeldada, et mida kõrgemad on sisseastumispunktid, seda paremad on kandidaadi akadeemilised tulemused pärast magistriõppesse astumist. Seda hüpoteesi pole aga Tartu Ülikooli vastuvõtmisprotsessi kontekstis testitud. Selles lõputöös hinnatakse sisseastumispunktide efektiivsust ning koostatakse täpsem ja usaldusväärsem tudengite akadeemiliste tulemuste prognoosimismudel, analüüsides sisseastumisdokumente andmekaevandamise metoodikate abil.

During the admissions process at the University of Tartu’s Master's programme, students get an admission score, which is calculated based on their motivation letter and their Bachelor’s Grade Point Average (GPA). Ideally, the admission score should be predictive of student’s academic performance during their Master's studies. Hence, one would expect that the higher the admission score is, the better is the academic performance of the candidate once they join the Master's program. However, this hypothesis has not been tested in the context of University of Tartu's admission process. In this thesis, we evaluate the efficiency of the admission score and produce more accurate and reliable student’s academic performance prediction model by analysing the application documents using data mining techniques.