Правильная ссылка на статью:
Булдаев А.А., Найханова Л.В., Евдокимова И.С..
Модель системы поддержки принятия решений в учебном процессе университета, основанной на аналитике обучения
// Программные системы и вычислительные методы. – 2020. – № 4.
– С. 42-52.
Читать статью
Аннотация: В течение последних десятилетий потенциал аналитики и интеллектуального анализа данных — методологий, извлекающих полезную информацию из больших наборов данных — трансформировал одну область научных исследований за другой. Аналитика стала тенденцией в последние несколько лет. Применительно к образованию эти методологии называют аналитикой обучения (LA) и интеллектуальным анализом данных в образовании (EDM). Использование аналитики обучения (учебной аналитики) выросло в последние годы по четырем основным причинам: значительное увеличение количества данных, улучшение форматов данных, достижения в области вычислительной техники и повышение сложности инструментов, доступных для аналитики. Статья посвящена описанию построения модели системы поддержки принятия решений (СППР) вуза на основе образовательных данных, полученных из электронной информационно-образовательной среды (ЭИОС) ВСГУТУ. Предметом исследования является построение СППР с использованием методов учебной аналитики. В статье представлена концептуальная модель системы принятия решений в учебном процессе и концептуальная модель компонента СППР — подсистемы прогнозирования. Особенность модели подсистемы прогнозирования заключается в применении методов аналитики обучения к наборам данных высшего учебного заведения, содержащие результаты работы ЭИОС, и включающие в себя характеристики активности студента. Основным результатом работы являются исследованные и выбранные методы кластеризации и классификации (KNN), апробация которых показала вполне приемлемые результаты. Надо отметить, что было исследованы различные методы кластеризации и метод k-prototypes показал лучшие результаты. Полученные результаты позволяют делать выводы о хорошем потенциале в применении методов учебной аналитики в вузах РФ.
Ключевые слова: поддержка принятия решений, кластеризация, классификация, учебная аналитика, электронная информационно-образовательная среда, прогнозирование успеваемости, методы прогнозирования, группа риска, успеваемость учащихся, искусственный интеллект
Библиография:
Ferguson, R., Brasher, A., Clow, D., Cooper, A., Hillaire, G., Mittelmeier, J., Rienties, B., Ullmann, T., Vuorikari, R. (2016). Research Evidence on the Use of Learning Analytics — Implications for Education Policy. R. Vuorikari, J. Castaño Muñoz (Eds.). Joint Research Centre Science for Policy Report; EUR 28294 EN; doi:10.2791/955210, 8-22.
Белоножко П.П., Карпенко А.П., Храмов Д.А. Анализ образовательных данных: направления и перспективы применения [Электронный ресурс] // Интернет-журнал «Науковедение». — 2017. — Т. 9. — № 4. — URL: http://naukovedenie.ru/PDF/15TVN417.pdf (дата обращения: 09.11.2020), 21 с.
Corbett, A. T. and Anderson, J. R. 1995. Knowledge tracing: Modeling the acquisition of procedural knowledge. User Modeling and User-Adapted Interaction 4, 4, 253—278.
Pavlik, P. I., Cen, H. & Koedinger, K. (2009) Performance Factors Analysis — A New A Pavlik, P. I., Cen, H. & Koedinger, K. (2009) Performance Factors Analysis — A New Alternative to Knowledge. Proceeding