×

Вы используете устаревший браузер Internet Explorer. Некоторые функции сайта им не поддерживаются.

Рекомендуем установить один из следующих браузеров: Firefox, Opera или Chrome.

Контактная информация

+7-863-218-40-00 доб.200-80
ivdon3@bk.ru

  • Регрессионная модель успеваемости студенческих групп вуза

    В статье рассматриваются подходы к решению задачи повышения успеваемости обучающихся. На базе мультипликативной свертки базовых факторов, влияющие на результаты экзаменов, предложена структура регрессионной модели. Рассмотрены проблемы мультиколлинеарности факторов и «грубых ошибок». Разработана математическая модель и метод построения регрессионных моделей учебных групп. Предложена система классификации групп, в зависимости от классов сопоставляемых им моделей. С помощью предложенного метода была обработана информация из базы данных оценок портала УУ Донского государственного технического университета. Анализ обработанной информации показал, что адекватность порожденных регрессионных моделей выполнялась для 99,7% групп. Показано, что предложенные модель и метод могут быть использованы в системах поддержки образовательного процесса.

    Ключевые слова: высшее образование, успеваемость, регрессионный анализ, факторы, выходная переменная, адекватность модели, коэффициент корреляции

    05.13.01 - Системный анализ, управление и обработка информации (по отраслям)

  • Анализ и кластеризация основных факторов, влияющих на успеваемость учебных групп вуза

    В статье рассматриваются подходы к задаче повышения успеваемости студентов вузов. Под успеваемостью понимается процент положительных оценок, полученных студентами по результатам сессий, без учета пересдач. Анализ факторов, влияющих на успеваемость, рассматривается на примере информации из базы данных оценок портала УМУ Донского государственного технического университета. Выделены основные факторы (объекты), влияющие на успеваемость: учебные группы, преподаватели, предметы, расписание экзаменов. Применение методов кластеризации позволило использовать в настоящей работе дисперсионный анализ средних. С помощью двухфакторного дисперсионного анализа установлено существенное влияние классов объектов «Преподаватель» и «Предмет» на процент положительных оценок, полученных студентами по результатам сессии. Приведен пример классов групп, преподавателей и предметов, на результаты экзаменов которых оказали существенное влияние расписания проведения экзаменов

    Ключевые слова: высшее образование, успеваемость, дисперсионный анализ, факторы, кластеризация

    05.13.01 - Системный анализ, управление и обработка информации (по отраслям)

  • Метод и алгоритм построения допустимой последовательности изучения контента образовательного модуля

    В статье рассмотрена проблема формального доказательства существования логически допустимой последовательности изучения контента образовательного модуля (дисциплины). При этом контент рассматривается как некоторая иерархическая модульная структура, состоящая из элементарных модулей. Каждый модуль такой структуры рассматривается как отображение входных понятий (термов) в выходные, которые осваиваются в данном модуле. Под входными термами понимаются понятия, необходимые для освоения в данном модуле выходных термов. В статье вводится понятие дидактической зависимости между входными и выходными термами. Данные зависимости являются формальным аппаратом описания ограничений в логической модели контента. Приведены правила преобразования дидактических зависимостей. Модульная структура контента и дидактические зависимости рассматриваются как формальный аппарат описания семантики предметной области. Показано, что введение множества неявных термов и правила преобразований дидактических зависимостей позволяют упростить логическую модель контента, не нарушая ее семантику. Введено понятие «замыкание множества входных термов модуля», приведен алгоритм его построения и алгоритм проверки логической связности образовательного контента.

    Ключевые слова: модуль, учебно-методические комплексы, контет, дисциплина, алгоритм, терм, автоматизация

    05.13.01 - Системный анализ, управление и обработка информации (по отраслям)