The Application of Machine Learning to Education

The field of education is constantly seeking more innovative and effective methods of teaching foundational knowledge to students. Organizations in both secondary and post-secondary education groups offer Physics Education Groups that try to better teach fundamental physics concepts to students in both university and high school. There are also government agencies such as the Educational Quality and Accountability Office (EQAO) in Ontario, which provides standardized tests to students. Although these standardized tests do not test the full capabilities and thought processes of students, they still provide insights into how students learn. Data from standardized EQAO tests can be analyzed to obtain crucial information about how to improve education standards by showing where resources can be allocated more effectively. One of the most powerful tools that can be used to analyze data is machine learning, which can find patterns and correlations in data that the human eye cannot see. This experiment used the linear regression algorithm to find correlations in data obtained from grade 9 EQAO mathematics tests from 50 schools in Ontario. The algorithm analyzed how students with varying scores answered a multiple-choice questionnaire at the end of the exam, which included statements such as “I am able to answer difficult mathematics questions.” Based on the variables output from the machine learning algorithm, the importance of each statement was then ranked; this ranking can then lead to insights into how students learn, and how to better utilize resources. This experiment has shown that an elementary application of machine learning can lead to valuable insights into student learning and that more should be done to better analyze the abundant data in the education field. Le domaine de l’education recherche continuellement des methodes innovatrices et efficaces pour l’enseignement de connaissances fondamentales aux etudiants. Les organisations de niveau secondaire et post-secondaire offrent des groupes d’education en physique qui essaient d’ameliorer l’enseignement des concepts fondamentaux en physique aux etudiants a l’universite ainsi qu’au secondaire. Il y a egalement des agences gouvernementales telles que l’Office de la qualite et de la responsabilite en education (OQRE) en Ontario, qui offre des tests standardises aux etudiants. Bien que ces tests standardises n’evaluent pas la pleine capacite et le processus de reflexion des eleves, ils offrent tout de meme un apercu des methodes d’apprentissage. Les donnees des tests standardises de l’OQRE peuvent etre analyses afin d’obtenir des renseignements essentiels quant a la facon d’ameliorer les normes d’education en demontrant ou les ressources peuvent etre attribuees plus efficacement. Un des outils les plus puissants qui peut etre utilise pour analyser les donnees est le l’apprentissage automatique, ce qui peut trouver des tendances et des correlations a travers les donnees que l’œil humain ne peut percevoir. Cette experience a utilise l’algorithme a regression lineaire afin de trouver des correlations dans les donnees obtenues des tests de mathematique de l’OQRE pour la mieme annee dans 50 ecoles en Ontario. L’algorithme a analyse comment les etudiants possedant un resultat different ont repondu a un questionnaire de questions a choix multiples a la fin de l’examen incluant des enonces tels que « Je suis en mesure de repondre a des questions mathematiques dif ciles. » Selon les variables produits par l’algorithme d’apprentissage automatique, l’importance de chaque enonce fut classee; ce classement peut ainsi mener a une comprehension envers l’apprentissage de l’etudiant, et comment maximiser les ressources. Cette experience a demontre qu’une application elementaire de l’apprentissage automatique peut mener a de precieux renseignements sur l’apprentissage des etudiants et que plus d’efforts doivent etre accomplis afin de faciliter l’analyse des nombreuses donnees retrouvees dans le domaine de l’education.