Mining Educational Data to Predict Student’s academic Performance using Ensemble Methods

(2004), pp. 29-34. 
[3]
C. Romero and S. Ventura, “Educational data mining: a review of the state of the art. Systems, Man, and 
Cybernetics”, Part C: Applications and Reviews, IEEE Transactions on, vol. 40, no. 6, (2010), pp. 601-
618. 
[4]
M. E. Zorrilla, E. Menasalvas, D. Marin, E. Mora and J. Segovia, “Web usage mining project for 
improving web-based learning sites”, In Computer Aided Systems Theory–EUROCAST 2005, Springer 
Berlin Heidelberg, (2005), pp. 205-210. 
[5]
A. M. Shahiri and W. Husain, “A Review on Predicting Student's Performance Using Data Mining 
Techniques”, Proceeding Computer Science, vol. 72, (2015), pp. 414-422. 
[6]
“Kalboard360-E-learning system”, http://kalboard360.com/ (accessed February 28, 2016). 
[7]
G. Kakasevski, M. Mihajlov, S. Arsenovski and S. Chungurski, “Evaluating usability in learning 
management system Moodle”, Information Technology Interfaces, 2008. ITI 2008. 30th International 
Conference on IEEE, (2008), pp. 613-618. 
[8]
S. Rapuano and F. Zoino, “A learning management system including laboratory experiments on 
measurement instrumentation”, Instrumentation and Measurement, IEEE Transactions on, vol. 55, no. 5, 
(2006), pp. 1757-1766. 
[9]
V. Moisa, “Adaptive Learning Management System”, Journal of Mobile, Embedded and Distributed 
Systems, vol. 5, no. 2, (2013), pp. 70-77. 
[10]
E. A. Amrieh, T. Hamtini and I. Aljarah, “Preprocessing and analysing educational data set using X-API 
for improving student's performance”, In Applied Electrical Engineering and Computing Technologies 
(AEECT), 2015 IEEE Jordan Conference on. IEEE, (2015), pp. 1-5. 
[11]
S. Putrevu, “Exploring the origins and information processing differences between men and women: 
Implications for advertisers”, Academy of marketing science review, vol. 2001, no. 1, (2001). 
[12]
S. S. Meit, N. J. Borges, B. A. Cubic and H. R. Seibel, “Personality differences in incoming male and 
female medical students”, Online Submission. 
[13]
F. G. Gómez, J. Guardiola, O. M. Rodríguez and M. A. M. Alonso, “Gender differences in e-learning 
satisfaction”, Computers & Education, vol. 58, no. 1, (2012), pp. 283-290. 
[14]
C. S. Ong, and J. Y. Lai, “Gender differences in perceptions and relationships among dominants of e-
learning acceptance”, Computers in human behavior, vol. 22, no. 5, (2006), pp. 816-829. 
[15]
C. Romero, S. Ventura, P. G. Espejo and C. Herv´as, “Data mining algorithms to classify students”, in: 
Educational Data Mining, vol. 2008, (2008). 
[16]
J. Ermisch and M. Francesconi, “Family matter: Impacts of family background on educational 
attainment”, Economical, vol. 68, (2001), pp. 137-156. 
[17]
A. Agus and Z. K. Makhbul, “An empirical study on academic achievement of business students in 
pursuing higher education: An emphasis on the influence of family backgrounds”, In International 
Conference on the Challenges of Learning and Teaching in a Brave New World: Issues and 
Opportunities in Borderless Education. Hatyai Thailand, (2002).
[18]
S. Rothman, “School absence and student background factors: A multilevel analysis”, International 
Education Journal, vol. 2, no. 1, (2001), pp. 59-68. 
[19]
J. DeKalb, “Student truancy. (Report No. EDO-EA-99-1). Washington, DC: Office of Educational 
Research and Improvement”, (ERIC Document Reproduction Service No. ED429334), (1999). 
[20]
S. Gunuc and A. Kuzu, “Student engagement scale: development, reliability and validity”, Assessment 
& Evaluation in Higher Education, vol. 40, no. 4,