Помощь студентам в учебе
РАЗРАБОТКА ИНСТРУМЕНТА НАСТРАИВАЕМОЙ ГЕНЕРАЦИИ РАСПРЕДЕЛЕНИЙ ОБУЧАЮЩИХСЯ
|
ВВЕДЕНИЕ 4
1. АНАЛИЗ СУЩЕСТВУЮЩИХ АНАЛОГОВ 6
1.1 Ручное распределение 6
1.2 Автоматическое распределение по группам 7
2. ВХОДНЫЕ ДАННЫЕ 9
2.1 Общее описание системы 9
2.2 Данные о студентах 9
2.2.1 Обработка типовых параметров 12
2.2.2 Обработка текстовых параметров 12
3. РАСПРЕДЕЛЕНИЕ ПО ГРУППАМ 16
3.1 Входные данные распределения 16
3.2 Метод распределения «схожие объекты вместе» 17
3.2.1 Выбор метода распределения по группам 17
3.2.2 Кластеризация данных 18
3.2.3 Алгоритм кластеризации для задачи распределения по группам 19
3.2.4 Формирование групп на основе матрицы принадлежности 23
3.3 Метод распределения «различные объекты вместе» 25
3.3.1 Метод имитации отжига 25
3.3.2 Параметры метода имитации отжига 27
3.3.3 Реализация метода имитации отжига 28
4. ИНСТРУМЕНТ ДЛЯ ВЫПОЛНЕНИЯ РАСПРЕДЕЛЕНИЯ 30
4.1 Программная реализация 30
4.2 База данных 33
4.3 Тестирование инструмента 34
4.3.1 Описание входных данных 34
4.3.2 Результаты распределения методом «схожие объекты вместе» 35
4.3.3 Результаты распределения методом «различные объекты вместе» 38
ЗАКЛЮЧЕНИЕ 41
СПИСОК ЛИТЕРАТУРЫ 43
ГЛОССАРИЙ 48
Приложение А. Модель данных 49
Приложение Б. Загрузка данных о студентах 51
Приложение В. Распределение студентов методом кластеризации 53
Приложение Г. Распределение методом имитации отжига 58
Приложение Д. Вычисление метрик
1. АНАЛИЗ СУЩЕСТВУЮЩИХ АНАЛОГОВ 6
1.1 Ручное распределение 6
1.2 Автоматическое распределение по группам 7
2. ВХОДНЫЕ ДАННЫЕ 9
2.1 Общее описание системы 9
2.2 Данные о студентах 9
2.2.1 Обработка типовых параметров 12
2.2.2 Обработка текстовых параметров 12
3. РАСПРЕДЕЛЕНИЕ ПО ГРУППАМ 16
3.1 Входные данные распределения 16
3.2 Метод распределения «схожие объекты вместе» 17
3.2.1 Выбор метода распределения по группам 17
3.2.2 Кластеризация данных 18
3.2.3 Алгоритм кластеризации для задачи распределения по группам 19
3.2.4 Формирование групп на основе матрицы принадлежности 23
3.3 Метод распределения «различные объекты вместе» 25
3.3.1 Метод имитации отжига 25
3.3.2 Параметры метода имитации отжига 27
3.3.3 Реализация метода имитации отжига 28
4. ИНСТРУМЕНТ ДЛЯ ВЫПОЛНЕНИЯ РАСПРЕДЕЛЕНИЯ 30
4.1 Программная реализация 30
4.2 База данных 33
4.3 Тестирование инструмента 34
4.3.1 Описание входных данных 34
4.3.2 Результаты распределения методом «схожие объекты вместе» 35
4.3.3 Результаты распределения методом «различные объекты вместе» 38
ЗАКЛЮЧЕНИЕ 41
СПИСОК ЛИТЕРАТУРЫ 43
ГЛОССАРИЙ 48
Приложение А. Модель данных 49
Приложение Б. Загрузка данных о студентах 51
Приложение В. Распределение студентов методом кластеризации 53
Приложение Г. Распределение методом имитации отжига 58
Приложение Д. Вычисление метрик
На сегодняшний день набирает популярность идея индивидуализации образования [1], при реализации которой объектом его планирования становится каждый отдельный обучающийся. Считается, что при таком подходе к обучению создаются наилучшие условия для подготовки специалиста. Однако добиться индивидуального подхода на практике в условиях массового образования достаточно сложно [2], поскольку трудно учитывать разницу в уровне знаний обучающихся, их индивидуальные различия и многое другое. Следовательно, принимать во внимание особенности одного студента без ущерба для другого в рамках единой образовательной среды достаточно сложно.
Одним из методов внедрения элементов индивидуального подхода в обучении является работа в малых группах или проектных командах [3]. При этом нужно очень тщательно подходить к вопросу распределения обучающихся по группам и учитывать большой набор критериев: успеваемость студента, профильная лаборатория/кафедра/группа, достижения и др. Стоит также отметить, что перечень данных о студентах, который можно учитывать при распределении по группам, постоянно увеличивается и изменяется.
Вопросом генерации групп занимаются сотрудники деканата, а с уже сформированными группами взаимодействует профессорско-преподавательский состав.
В большинстве случаев задача разбиения обучающихся на группы решается вручную. Однако ручная обработка больших данных может привести к ошибкам и неточностям, связанным с человеческим фактором. Помимо этого, при ручном распределении учитывается небольшой набор критериев, и большая часть информации о студентах не принимается во внимание.
Ввиду негативных факторов ручного распределения, а также большого числа разнородных слабоструктурированных данных о студентах в рамках настоящей дипломной работы была поставлена цель - создать гибкий инструмент генерации распределений обучающихся, который мог бы подстраиваться под произвольные входные данные и критерии разбиения.
Для инструмента автоматического распределения обучающихся по группам не важна цель данного разбиения, а необходимы лишь входные данные и правила, на основании которых необходимо сформировать группы. Это позволяет создать гибкую систему, которую можно использовать для задач распределения по академическим группам, составления проектных команд, разбиения для занятий по физической культуре и др.
Для достижения поставленной цели было выделено несколько задач:
1. Проанализировать предметную область и существующие аналоги;
2. Разработать методы классификации входных данных, а также изучить приемы их обработки;
3. Определить методы деления на группы и алгоритмы их генерации;
4. Выбрать меру схожести входных данных о студентах;
5. Определить средства разработки;
6. Спроектировать, разработать и протестировать инструмент.
Объектом исследования в данной работе являются распределения обучающихся. Предмет исследования - способы генерации распределений обучающихся при различных критериях деления на группы и произвольных входных данных.
Новизна работы заключается в возможности инструмента подстраиваться под разные задачи распределения вместо использования фиксированных правил разбиения без возможности их настройки в процессе работы. Характеристики студента, на основе которых происходит формирование групп, могут изменяться и расширяться.
Практическая значимость данной работы заключается в том, что созданный инструмент можно использовать в различных задачах генерации групп. Это позволит понизить сложность и сократить время выполнения данной работы.
Одним из методов внедрения элементов индивидуального подхода в обучении является работа в малых группах или проектных командах [3]. При этом нужно очень тщательно подходить к вопросу распределения обучающихся по группам и учитывать большой набор критериев: успеваемость студента, профильная лаборатория/кафедра/группа, достижения и др. Стоит также отметить, что перечень данных о студентах, который можно учитывать при распределении по группам, постоянно увеличивается и изменяется.
Вопросом генерации групп занимаются сотрудники деканата, а с уже сформированными группами взаимодействует профессорско-преподавательский состав.
В большинстве случаев задача разбиения обучающихся на группы решается вручную. Однако ручная обработка больших данных может привести к ошибкам и неточностям, связанным с человеческим фактором. Помимо этого, при ручном распределении учитывается небольшой набор критериев, и большая часть информации о студентах не принимается во внимание.
Ввиду негативных факторов ручного распределения, а также большого числа разнородных слабоструктурированных данных о студентах в рамках настоящей дипломной работы была поставлена цель - создать гибкий инструмент генерации распределений обучающихся, который мог бы подстраиваться под произвольные входные данные и критерии разбиения.
Для инструмента автоматического распределения обучающихся по группам не важна цель данного разбиения, а необходимы лишь входные данные и правила, на основании которых необходимо сформировать группы. Это позволяет создать гибкую систему, которую можно использовать для задач распределения по академическим группам, составления проектных команд, разбиения для занятий по физической культуре и др.
Для достижения поставленной цели было выделено несколько задач:
1. Проанализировать предметную область и существующие аналоги;
2. Разработать методы классификации входных данных, а также изучить приемы их обработки;
3. Определить методы деления на группы и алгоритмы их генерации;
4. Выбрать меру схожести входных данных о студентах;
5. Определить средства разработки;
6. Спроектировать, разработать и протестировать инструмент.
Объектом исследования в данной работе являются распределения обучающихся. Предмет исследования - способы генерации распределений обучающихся при различных критериях деления на группы и произвольных входных данных.
Новизна работы заключается в возможности инструмента подстраиваться под разные задачи распределения вместо использования фиксированных правил разбиения без возможности их настройки в процессе работы. Характеристики студента, на основе которых происходит формирование групп, могут изменяться и расширяться.
Практическая значимость данной работы заключается в том, что созданный инструмент можно использовать в различных задачах генерации групп. Это позволит понизить сложность и сократить время выполнения данной работы.
В ходе данной работы были изучены существующие инструменты генерации распределения обучающихся, а также типы данных, используемые в разбиении.
Была произведена классификация входных данных о студенте, разработан алгоритм распознавания, обработки и хранения разных характеристик студента.
Были определены методы распределения студентов по группам, для которых были выбраны и разработаны алгоритмы генерации разбиения.
Был спроектирован и разработан web-инструмент, при помощи которого можно загружать, обрабатывать и выполнять распределения обучающихся по группам. Разработанный инструмент был апробирован в рамках практических задач по генерации распределений по академическим группам студентов первого курса Высшей школы информационных технологий и интеллектуальных систем КФУ.
Таким образом, все поставленные задачи были выполнены. Дальнейшее развитие работы можно видеть в расширении списка методов распределения по группам, добавления расширенной настройки параметров разбиения, а также выгрузки полученных групп из системы.
Настоящая работа была представлена на конференциях:
• Итоговая научно-образовательная конференция студентов КФУ, 2018 год;
• XI Международная научно-практическая конференция «Электронная Казань 2019».
Результаты работы были опубликованы в статьях [8, 46]:
• Коргутлова, Н. А., Басаргина, С. Ю., Абрамский, М. М., Солнцев, М. А., Бузукина, Т. С. Формирование академических групп и проектных команд на основе сбора данных об обучающихся //Электронные библиотеки. - 2018. - Т. 21. - №. 3-4. - С. 193-208.
• Басаргина, С. Ю., Абрамский, М. М. Инструменты настраиваемой генерации распределений обучающихся // Ученые записи Института социальных и гуманитарных знаний - 2019. - №1(17) - С. 565-571.
Была произведена классификация входных данных о студенте, разработан алгоритм распознавания, обработки и хранения разных характеристик студента.
Были определены методы распределения студентов по группам, для которых были выбраны и разработаны алгоритмы генерации разбиения.
Был спроектирован и разработан web-инструмент, при помощи которого можно загружать, обрабатывать и выполнять распределения обучающихся по группам. Разработанный инструмент был апробирован в рамках практических задач по генерации распределений по академическим группам студентов первого курса Высшей школы информационных технологий и интеллектуальных систем КФУ.
Таким образом, все поставленные задачи были выполнены. Дальнейшее развитие работы можно видеть в расширении списка методов распределения по группам, добавления расширенной настройки параметров разбиения, а также выгрузки полученных групп из системы.
Настоящая работа была представлена на конференциях:
• Итоговая научно-образовательная конференция студентов КФУ, 2018 год;
• XI Международная научно-практическая конференция «Электронная Казань 2019».
Результаты работы были опубликованы в статьях [8, 46]:
• Коргутлова, Н. А., Басаргина, С. Ю., Абрамский, М. М., Солнцев, М. А., Бузукина, Т. С. Формирование академических групп и проектных команд на основе сбора данных об обучающихся //Электронные библиотеки. - 2018. - Т. 21. - №. 3-4. - С. 193-208.
• Басаргина, С. Ю., Абрамский, М. М. Инструменты настраиваемой генерации распределений обучающихся // Ученые записи Института социальных и гуманитарных знаний - 2019. - №1(17) - С. 565-571.