
Тип работы:	Предмет:	Язык работы:

РАЗРАБОТКА ИНСТРУМЕНТОВ АНАЛИЗА ДАННЫХ СОЦИАЛЬНЫХ СЕТЕЙ ДЛЯ ЗАДАЧ МОНИТОРИНГА ГРУППОВОГО ВЗАИМОДЕЙСТВИЯ ОБУЧАЮЩИХСЯ

Работа №	32318
Тип работы	Дипломные работы, ВКР
Предмет	информатика
Объем работы	47
Год сдачи	2019
Стоимость	6500 руб.
ПУБЛИКУЕТСЯ ВПЕРВЫЕ
Просмотрено	448

Не подходит работа?

Узнай цену на написание

Содержание

ВВЕДЕНИЕ 3
ГЛАВА 1. АНАЛИЗ ПРЕДМЕТНОЙ ОБЛАСТИ 5
1.1 Источники сбора данных 5
1.2 Модель собираемых данных 7
1.3 Методы обработки данных 9
1.4 Технологии для решения похожих задач 10
1.5 Обзор исследований и разработок в данной области 11
ГЛАВА 2. ОПИСАНИЕ СИСТЕМЫ 13
2.1 Описание разрабатываемой системы 13
2.2 Архитектура разрабатываемой системы 15
ГЛАВА 3. РАЗРАБОТКА СИСТЕМЫ 18
3.1 Получение данных 18
3.2 Работа с данными 22
3.3 Анализ и визуализация данных 25
ЗАКЛЮЧЕНИЕ 34
СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ 35
Приложение А 38
Приложение Б 39
Приложение В 43
Приложение Г 45
Приложение Д 46
Приложение Е

Введение

Куратор академической группы строит свою работу на индивидуальном подходе к студентам, на знании их интересов, наклонностей, быта, состояния здоровья, оказывает помощь в решении учебных, социально-бытовых и других проблем, возникающих в процессе обучения в университете. Согласно документам о порядке работы куратора в его задачи входит [1, 2]:
• проведение индивидуальных консультаций по вопросам образования;
• помощь в личностном развитии;
• помощь в выборе личной образовательной траектории;
• мониторинг социальных навыков студентов;
• помощь в формировании коммуникативных навыков;
• сплочение группы;
• налаживание микроклимата внутри студенческой группы.
Ключевую роль в работе куратора играет информация о студентах, доступная ему. Одним из источников дополнительной информации являются аккаунты социальных сетей студентов.
Целью настоящей работы является разработка системы, позволяющей автоматизировать процесс сбора и анализа текстовых данных о студентах, расположенных в их профилях социальных сетей. Предполагается, что собранная и обработанная информация будет способствовать повышению эффективности работы кураторов, а также повысит уровень индивидуализации образования.
Практическая значимость и новизна данной работы заключается в реализации гибкой системы, которая позволит определять некоторые психологические характеристики, а также индивидуальные предпочтения и личные данные студентов на основе текстовой информации, расположенной в профилях социальных сетей. Получаемые системой после обработки данные помогут кураторам и другим сотрудникам высших учебных заведений решать задачи, связанные с помощью студентам в процессе обучения и социализации.
Таким образом, для достижения поставленной цели необходимо решить следующие задачи:
• определить источники информации о студентах;
• выделить основные методы и способы получения информации;
• определить характеристики и личные качества студента, которые могут быть получены при анализе информации;
• разработать архитектуру системы по сбору и анализу данных;
• реализовать систему;
• проверить корректность работы системы.

Возникли сложности?

Нужна помощь преподавателя?

Помощь студентам в написании работ!

ДИПЛОМНЫЕ МАГИСТЕРСКИЕ ДИССЕРТАЦИИ

Курсовые Статьи Диплом Рязань

Заключение

В ходе выполнения работы над созданием инструментов анализа данных социальных сетей для задач мониторинга группового взаимодействия обучающихся были рассмотрены наиболее популярные образовательные системы, использующие социальные сети для решения задач образования. В результате анализа были выделены основные методы получения и анализа данных о студентах, а также способы их применения.
Была разработана система автоматического сбора, анализа и визуализации данных социальных сетей. Она объединяет в себе инструменты, решающие задачи мониторинга группового взаимодействия. Данное решение позволяет автоматизировать, повысить эффективность и ускорить процесс сбора и анализа дополнительной информации о студентах, что может быть применено в процессе решения поставленных перед куратором задач.
Дальнейшее развитие работы можно видеть в интеграции реализованных инструментов с системами, использующими данные о студентах из социальных сетей, а также в реализации новых инструментов.
Результаты работы были представлены на конференциях «Электронная Казань - 2019» и «Итоговая научно-образовательная конференция студентов Казанского федерального университета - 2018», также они опубликованы в работах

Литература

1. Памятка куратора академической группы // kpfu.ru URL:
http://kpfu.ru/portal/docs/F2099274429/Pamyatka.kuratora.docx (дата
обращения: 11.06.2019).
2. Порядок работы куратора с академической группой // kpfu.ru URL: http://kpfu.ru/portal/docs/F130799850/Poryadok.raboty.kuratora.s.akademiche skoj.gruppoj.docx (дата обращения: 11.06.2019).
3. Statista // statista.com URL: https://www.statista.com/ (дата обращения:
11.06.2019) .
4. Статья 152-ФЗ, федеральном законе от 27.07.2006 № 149-ФЗ, ч. 4 ст. 29 Конституции РФ.
5. Обзор алгоритмов Data Mining // intuit.ru URL: https://www.intuit.ru/studies/courses/6/6/info (дата обращения: 11.06.2019).
6. Церебро Таргет // церебро.рф URL: httpsV/церебро.рф (дата обращения:
11.06.2019) .
7. TargetHunter // targethunter.ru URL: https://targethunter.ru/ (дата обращения:
11.06.2019) .
8. Segmento Target // segmento-target.ru URL: https://segmento-target.ru/ (дата обращения: 11.06.2019).
9. Можаева Г. В., Слободская А. В., Фещенко А. В. Информационный потенциал социальных сетей для выявления образовательных потребностей школьников // Открытое и дистанционное образование. - 2017. - №. 3. - С. 67-72.
10. Мацута В. В. и др. Исследование потенциала социальных сетей для выявления одаренных старшеклассников //Психология и Психотехника. - 2017. - №. 4. - С. 104-121.
11. Печенкин В. В., Ярская-Смирнова Е. Р. Сетевые подходы в анализе социальной сплоченности // Вестник Саратовского государственного технического университета. - 2014. - Т. 4. - №. 1 (77).
12. Java Programming Language // java.com URL: https://java.com/ (дата обращения: 11.06.2019).
13. Spring Framework // spring.io URL: https://spring.io/ (дата обращения:
11.06.2019) .
14. Python Programming Language // python.org URL: https://www.python.org/ (дата обращения: 11.06.2019).
15. PostgreSQL. The World's Most Advanced Open Source Relational Database //
postgresql.org URL: https://www.postgresql.org (дата обращения:
11.06.2019) .
16. Cloudinary. Cloud service // cloudinary.com URL: https://cloudinary.com/ (дата обращения: 11.06.2019).
17. VK Java SDK // vk.com URL: https://vk.com/dev/Java_SDK (дата обращения: 11.06.2019).
18. VK API // vk.com URL: https://vk.com/apiclub (дата обращения:
11.06.2019) .
19. OAuth authorization framework // oauth.net URL: https://oauth.net/ (дата обращения: 11.06.2019).
20. ScribeJava. Simple OAuth library for Java // Github.com URL: https://github.com/scribejava/scribejava (дата обращения: 11.06.2019).
21. ORM. Словарь бизнес-терминов // dic.academic.ru URL:
https://dic.academic.ru/dic.nsf/ruwiki/209846 (дата обращения: 11.06.2019).
22. Hibernate. ORM Framework // hibernate.org URL: https://hibernate.org/ (дата обращения: 11.06.2019).
23. SQL. Structured Query Language // sql.ru URL: https://www.sql.ru/ (дата обращения: 11.06.2019).
24. HTML. HyperText Markup Language // w3.org URL: https://www.w3.org/html/ (дата обращения: 11.06.2019).
25. CSS. Cascading Style Sheets // w3.org URL: https://www.w3.org/Style/CSS/Overview.en.html (дата обращения:
11.06.2019) .
26. FreeMarker. Java library to generate text output // freemarker.apache.org URL: https://freemarker.apache.org (дата обращения: 11.06.2019).
27. JSON. JavaScript Object Notation // json.org URL: https://www.json.org/ (дата обращения: 11.06.2019).
28. Черезов Д. С., Тюкачев Н. А. Обзор основных методов классификации и кластеризации данных // Вестник Воронежского государственного университета. Серия: Системный анализ и информационные технологии. - 2009. - №. 2. - С. 25-29.
29. Scikit-Learn. Machine Learning in Python // scikit-learn.org URL: https://scikit-learn.org/stable/ (дата обращения: 11.06.2019).
30. Dostoevsky. Sentiment analysis library for Russian language // Github.com
URL: https://github.com/bureaucratic-labs/dostoevsky (дата обращения:
11.06.2019) .
31. NetworkX. Python package for the creation, manipulation, and study of the structure, dynamics, and functions of complex networks. // github.io URL: https://networkx.github.io/ (дата обращения: 11.06.2019).
32. Matplotlib. Python plotting library // matplotlib.org URL:https://matplotlib.org/ (дата обращения: 11.06.2019).
33. JavaScript Programming Language // javascript.com URL: https://www.javascript.com/ (дата обращения: 11.06.2019).
34. Cytoscape.js. JavaScript library for plotting // cytoscape.org/ URL: http://js.cytoscape.org/ (дата обращения: 11.06.2019).
35. Коргутлова Н. А. и др. Формирование академических групп и проектных команд на основе сбора данных об обучающихся // Электронные библиотеки. - 2018. - Т. 21. - №. 3-4. - С. 193-208.
36. Серазетдинов Д. М., Солнцев М. А., Абрамский М. М. Использование данных социальных сетей в задачах образовательного мониторинга // Ученые записки Института социальных и гуманитарных знаний - 2019. - №1(17) - С.451-456.