ВВЕДЕНИЕ 5
1.1 Постановка задачи анализа успеваемости в вузе 7
1.2 Методология анализа образовательных данных 8
1.3 Методы анализа успеваемости студентов в вузе 13
Глава 2 ИССЛЕДОВАНИЕ АЛГОРИТМОВ АНАЛИЗА УСПЕВАЕМОСТИ В
ВУЗЕ 17
2.1 Алгоритмы классификации для анализа успеваемости в вузе 17
2.1.1 Алгоритмы анализа успеваемости на основе деревьев решений ... 17
2.1.2 Алгоритмы анализа успеваемости на основе наивного байесовского
классификатора 23
2.1.3 Алгоритмы анализа успеваемости на основе нейронных сетей 25
2.2 Алгоритмы кластеризации для анализа успеваемости в вузе 29
Глава 3 ОЦЕНКА ЭФФЕКТИВНОСТИ АЛГОРИТМОВ ДЛЯ АНАЛИЗА
УСПЕВАЕМОСТИ В ВУЗЕ 36
3.1 Оценка эффективности алгоритма классификации J48 38
3.2 Оценка эффективности алгоритма кластеризации k-means 40
ЗАКЛЮЧЕНИЕ 43
СПИСОК ИСПОЛЬЗУЕМОЙ ЛИТЕРАТУРЫ 44
Среди задач управления современным вузом обеспечение высокого качества процесса обучения является одной из ключевых.
Качественное обучение поможет сократить время, затрачиваемое студентом на изучение определенного материала, позволит студентам получить больше полезной информации и определить приоритеты в освоении учебных дисциплин.
Одним из показателей качества образования в вузе является успеваемость студентов.
Однако, как показывает практика, контроль успеваемости в вузе усложняется необходимостью анализа образовательных данных,
накопленных за длительный период времени.
В настоящее время инструментом, наиболее полезным для поддержки принятия управленческих решений, направленных на повышение качества обучения в вузе, является технология анализа образовательных данных - Educational Data Mining (EDM).
Вместе с тем, чтобы обеспечить высокое качество анализа массивов образовательных данных необходимо использовать соответствующие аналитические инструменты, в том числе эффективные алгоритмы, способные выявить основные закономерности в созданных массивах [12].
Таким образом, актуальность бакалаврской работы обусловлена необходимостью применения эффективных алгоритмов EDM для обеспечения качественного анализа успеваемости в вузе.
Объект исследования: анализ успеваемости студентов вуза.
Предмет исследования: алгоритмы EDM для анализа успеваемости в вузе.
Целью работы является исследование и выбор алгоритмов EDM для анализа успеваемости в вузе.
Для достижения поставленной цели необходимо решить следующие задачи:
- проанализировать необходимую научную и учебно-методическую литературу;
- проанализировать методы анализа образовательных данных;
- проанализировать алгоритмы анализа образовательных данных в вузе;
- выбрать алгоритмы EDM для анализа успеваемости в вузе и подтвердить их эффективность.
Методы исследования: Data mining, теория алгоритмов.
Практическая значимость бакалаврской работы заключается в выработке рекомендаций для выбора эффективных алгоритмов EDM для анализа успеваемости в вузе.
В первой главе бакалаврской работы рассматриваются методы анализа данных в образовательном процессе вуза. Выполнена постановка задачи анализа успеваемости в вузе.
Вторая глава посвящена исследованию основных алгоритмов анализа успеваемости в вузе.
В третьей главе с помощью программы Weka произведена оценка эффективности выбранных алгоритмов анализа успеваемости в вузе.
В заключении подводятся итоги исследования, формируются окончательные выводы по изучаемой тематике.
Представленная бакалаврская работа посвящена актуальной проблеме применения алгоритмов EDM для анализа успеваемости в вузе.
В ходе выполнения бакалаврской работы достигнуты следующие результаты:
1. Проанализирована научная и учебно-методическая литература по исследуемой проблеме.
2. Проанализированы методы интеллектуального анализа массивов данных в образовательном процессе вуза. Как показал анализ, задачи анализа успеваемости в вузе следует рассматривать как задачи классификации и кластеризации интеллектуального анализа образовательных данных.
3. Проанализированы известные алгоритмы EDM для анализа успеваемости в вузе. Сравнительный анализ алгоритмов классификации и кластеризации показал, что наиболее высокие показатели у алгоритмов J48 и k-means, соответственно.
4. В программе Weka выполнен анализ тестовых данных успеваемости студентов, который подтвердил высокую эффективность выбранных алгоритмов.
Результаты бакалаврской работы могут быть рекомендованы для решения задач анализа успеваемости студентов вуза на основе методов интеллектуального анализа образовательных данных.
