Дослідження впливу якості засвоєння попереднього матеріалу на успішність здобувачів освіти з окремої дисципліни
Вантажиться...
Дата
2022
DOI
doi.org/10.20998/2079-0023.2022.01.12
Науковий ступінь
Рівень дисертації
Шифр та назва спеціальності
Рада захисту
Установа захисту
Науковий керівник
Члени комітету
Видавець
Національний технічний університет "Харківський політехнічний інститут"
Анотація
У роботі розглянуто основні поняття, пов'язані з якістю освіти у цілому та засвоєнням студентами навчального матеріалу. Сформульовано задачу прогнозування оцінки студента з будь-якої дисципліни, маючи дані щодо оцінок з «забезпечуючих» дисциплін. Наведено перелік методів, які можуть бути застосовані для розв'язання задачі (метод багатовимірного регресійного аналізу, метод штучних нейронних мереж, метод k найближчих сусідів), зроблено висновок щодо доцільності використання методу штучних нейронних мереж. Описано постановку задачі прогнозування засвоєння знань та навичок програмування; використана архітектура – персептрон з чотирма вхідними нейронами, одним вихідним і 10 нейронами прихованого шару. Шляхом проведення низки числових експериментів підібрано оптимальну архітектуру нейронної мережі. У якості прикладу використано навчальний план та структурно-логічну схему освітньо-професійної програми «Інтелектуальні системи прийняття рішень» спеціальності 124 «Системний аналіз». Описано створену інформаційну модель проєктованої системи мовою візуального моделювання UML (діаграми варіантів використання, класів, кооперації, послідовності, станів, діяльності та компонентів). Описано можливості системи для дослідження впливу якості засвоєння попереднього матеріалу на прогнозування оцінок студентів з окремої дисципліни, наведено приклад функціонування цієї системи та проведено аналіз результатів розрахунків. Зазначено, що система дозволяє проведення аналізу результатів розрахунків для подальшого вибору найкращого методу для прогнозування.
The paper considers the basic concepts related to the quality of education in general and the assimilation of students of educational material. The problem of predicting a student's grade in any discipline is formulated, having grades in "providing" disciplines. A list of methods that can be applied to solve the problem (multivariate regression analysis method, artificial neural networks method, k nearest neighbors method) is presented, a conclusion is made about the expediency of using the artificial neural networks method. The formulation of the problem of predicting the assimilation of knowledge and programming skills is described. The architecture used was a perceptron with four input neurons, one output neuron, and 10 hidden layer neurons. By conducting a series of numerical experiments, the optimal architecture of the neural network was selected. As an example, the curriculum and the structural and logical scheme of the educational and professional program "Intelligent Decision Making Systems" of the specialty 124 "System Analysis" were used. The created information model of the designed system is described in the visual modeling language UML (diagrams of use cases, classes, cooperation, sequence, states, activities and components). The possibilities of the system for studying the influence of the assimilation of the previous material on the prediction of students' grades in a particular discipline are described, an example of the functioning of this system is given, and an analysis of the results of calculations is carried out. It is indicated that the system allows analysis of the results of calculations for further selection of the best method for forecasting.
The paper considers the basic concepts related to the quality of education in general and the assimilation of students of educational material. The problem of predicting a student's grade in any discipline is formulated, having grades in "providing" disciplines. A list of methods that can be applied to solve the problem (multivariate regression analysis method, artificial neural networks method, k nearest neighbors method) is presented, a conclusion is made about the expediency of using the artificial neural networks method. The formulation of the problem of predicting the assimilation of knowledge and programming skills is described. The architecture used was a perceptron with four input neurons, one output neuron, and 10 hidden layer neurons. By conducting a series of numerical experiments, the optimal architecture of the neural network was selected. As an example, the curriculum and the structural and logical scheme of the educational and professional program "Intelligent Decision Making Systems" of the specialty 124 "System Analysis" were used. The created information model of the designed system is described in the visual modeling language UML (diagrams of use cases, classes, cooperation, sequence, states, activities and components). The possibilities of the system for studying the influence of the assimilation of the previous material on the prediction of students' grades in a particular discipline are described, an example of the functioning of this system is given, and an analysis of the results of calculations is carried out. It is indicated that the system allows analysis of the results of calculations for further selection of the best method for forecasting.
Опис
Ключові слова
освітньо-професійна програма, структурно-логічна схема, штучна нейронна мережа, система підтримки прийняття рішень, уніфікована мова моделювання, educational and professional program, structural logic diagram, artificial neural network, decision support system, information model, unified modeling language
Бібліографічний опис
Мельников О. Ю. Дослідження впливу якості засвоєння попереднього матеріалу на успішність здобувачів освіти з окремої дисципліни / О. Ю. Мельников, В. Б. Гітіс // Вісник Національного технічного університету "ХПІ". Сер. : Системний аналіз, управління та інформаційні технології = Bulletin of the National Technical University "KhPI". Ser. : System analysis, control and information technology : зб. наук. пр. – Харків : НТУ "ХПІ", 2022. – № 1 (7). – С. 70-78.