Прогностична модель оцінювання успішності студентів
DOI:
https://doi.org/10.30837/bi.2023.1(99).09Ключові слова:
ПРОГНОЗУВАННЯ УСПІШНОСТІ СТУДЕНТІВ, МОДЕЛЬ МАШИННОГО НАВЧАННЯ, НАБІР ДАНИХ, КЛАСИФІКАЦІЯАнотація
Об'єктом дослідження є процес розробки прогнозної моделі для оцінки успішності студентів університету за підсумками поточного навчання. Мета роботи – побудова прогнозної моделі підсумків сесії студентів залежно від оціночних параметрів поточної успішності. Було проведено аналіз основних проблем у цій галузі, поставлено цілі для їх безпосереднього виконання, зроблено попередню обробку даних для побудови моделі машинного навчання. Було побудовано різні моделі машинного навчання та оцінено якісні показники кожної моделі. Після вибору оптимальної моделі було створено графічний інтерфейс користувача прогнозної моделі. Було створено прогнозну модель успішності студентів вишу, а також графічний інтерфейс для її використання. Визначено значущі фактори під час прогнозування успішності у студентів.
Посилання
В.О. Шевченко. Прогнозування успішності студентів на основі методів кластерного аналізу // Вісник ХНАДУ. 2015. №68. – C. 15-18.
В.О. Шевченко. Інформаційна технологія формування індивідуальних траєкторій самостійної роботи студентів // Вісник НТУ “ХПІ» 2015. №21(1130). – C. 76-83.
В.О. Шевченко, А.І. Кудін. Алгоритмізація процедури кластерного аналізу для прогнозування успішності студентів // Автомобіль і електроніка. Сучасні технології, 11/2017. – C. 64-67.
О. Haitan, O. Nazarov. Hybrid approach to solving of the automated timetabling problem in higher educational institution // Системи управління, навігації та зв'язку, 2020, випуск 2(60). – С. 60-69.
Al-Shehri H. et al. Student performance prediction using support vector machine and k-nearest neighbor //2017 IEEE 30th Canadian Conference on Electrical and Computer Engineering (CCECE). – IEEE, 2017. – С. 1-4.
Breazley, D. Python Cookbook, Third Edition / D. Breasley, B. K. Jones. – USA: O’Reilly Media, 2013. – 688 p.
McKinney, W. Python for Data Analysis. – USA: O’Reilly Media, 2013. – 453 p.
