| Форма представления | Статьи в российских журналах и сборниках |
| Год публикации | 2023 |
| Язык | русский |
|
Гафаров Фаиль Мубаракович, автор
Руднева Яна Борисовна, автор
Шарифов Умар Юсуфович, автор
|
| Библиографическое описание на языке оригинала |
Гафаров Ф.М., Руднева Я.Б., Шарифов У.Ю. Прогностическое моделирование в высшем образовании: определение факторов академической успеваемости // Высшее образование в России. 2023. Т. 32. №1. С. 51–70. |
| Аннотация |
Наше исследование направлено на обоснование модели прогнозирования досрочного выбытия студентов с использованием искусственной нейронной сети и анализ предикторов, повышающих точность прогнозировании успешного окончания российского университета. Эта работа позволит расширить международную практику компаративных исследований в высшем образовании.
В работе подтверждены уже существующие гипотезы о влиянии ряда факторов на прогнозирование академической успеваемости и выдвинуто предположение о необходимости проверки их универсальности или специфичности в конкретном высшем учебном заведении. Мы также доказали, что модель искусственной нейронной сети с определенным набором атрибутов может применяться в контексте отдельного высшего учебного заведения, независимо от специализации. Для определения потенциальной группы риска учащихся используется модель прогнозирования бинарной классификации. Общая точность прогноза нейронной сети с комбинированными данными достигает 88%. Для данной модели нейронной сети базовыми предикторами, влияющими на точность прогноза, являются совокупный средний уровень успеваемости (CGPA) и год поступления в университет.
|
| Ключевые слова |
образовательная аналитика, факторы досрочного выбытия студентов, интеллектуальный анализ данных, искусственные нейронные сети, прогнозирование. |
| Название журнала |
Высшее образование в России
|
| URL |
https://vovr.elpub.ru/jour/article/view/4166/2230 |
| Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на эту карточку |
https://repository.kpfu.ru/?p_id=302354 |
Полная запись метаданных  |
| Поле DC |
Значение |
Язык |
| dc.contributor.author |
Гафаров Фаиль Мубаракович |
ru_RU |
| dc.contributor.author |
Руднева Яна Борисовна |
ru_RU |
| dc.contributor.author |
Шарифов Умар Юсуфович |
ru_RU |
| dc.date.accessioned |
2023-01-01T00:00:00Z |
ru_RU |
| dc.date.available |
2023-01-01T00:00:00Z |
ru_RU |
| dc.date.issued |
2023 |
ru_RU |
| dc.identifier.citation |
Гафаров Ф.М., Руднева Я.Б., Шарифов У.Ю. Прогностическое моделирование в высшем образовании: определение факторов академической успеваемости // Высшее образование в России. 2023. Т. 32. №1. С. 51–70. |
ru_RU |
| dc.identifier.uri |
https://repository.kpfu.ru/?p_id=302354 |
ru_RU |
| dc.description.abstract |
Высшее образование в России |
ru_RU |
| dc.description.abstract |
Наше исследование направлено на обоснование модели прогнозирования досрочного выбытия студентов с использованием искусственной нейронной сети и анализ предикторов, повышающих точность прогнозировании успешного окончания российского университета. Эта работа позволит расширить международную практику компаративных исследований в высшем образовании.
В работе подтверждены уже существующие гипотезы о влиянии ряда факторов на прогнозирование академической успеваемости и выдвинуто предположение о необходимости проверки их универсальности или специфичности в конкретном высшем учебном заведении. Мы также доказали, что модель искусственной нейронной сети с определенным набором атрибутов может применяться в контексте отдельного высшего учебного заведения, независимо от специализации. Для определения потенциальной группы риска учащихся используется модель прогнозирования бинарной классификации. Общая точность прогноза нейронной сети с комбинированными данными достигает 88%. Для данной модели нейронной сети базовыми предикторами, влияющими на точность прогноза, являются совокупный средний уровень успеваемости (CGPA) и год поступления в университет.
|
ru_RU |
| dc.language.iso |
ru |
ru_RU |
| dc.subject |
образовательная аналитика |
ru_RU |
| dc.subject |
факторы досрочного выбытия студентов |
ru_RU |
| dc.subject |
интеллектуальный анализ данных |
ru_RU |
| dc.subject |
искусственные нейронные сети |
ru_RU |
| dc.subject |
прогнозирование. |
ru_RU |
| dc.title |
Прогностическое моделирование в высшем образовании: определение факторов академической успеваемости |
ru_RU |
| dc.type |
Статьи в российских журналах и сборниках |
ru_RU |
|
EN 
中文 
ES 
Карта сайта
