Дата публикации: 2022

Дата публикации в реестре: 2023-02-21T12:22:07Z

Аннотация:

Проблема исследования. Внедрение технологий интеллектуального анализа результатов успеваемости и достижений обучающихся с помощью машинного обучения в последнее время становится наиболее актуальной, как одной из необходимых и эффективных инстру-ментов для индивидуализации образовательно-воспитательного мониторинга подрастаю-щего поколения. Это позволяет реализовать кластеризацию и классификацию процессов учебного и внеучебного воздействия на обучающихся со стороны педагогов для выявления зависимостей и связей между ними, анализа качества обучения для повышения его эффективности. Использование только статистических методов для анализа результатов педагогических исследований ограничивает надежность полученных данных, а применение методов машинного обучения и интеллектуального анализа данных существенно дополняет достоверность и повышает их интерпретируемость для дальнейшего их внедрения в педагогическую практику. Искусственные интеллектуальные системы позволяют обрабатывать большой объём персональной информации о каждом конкретном школьнике и студен-те, что дает возможность отказаться от статистического усреднения в целях выработки стандартных условий учебного и внеучебного процессов, но при этом перейти именно к адаптивному подходу. Интеллектуальный анализ результатов педагогических исследований позволяет решить проблемы выявления достоверности выводов через понижение ресурсо-затратности проведения мониторинга, быструю обратную связь и в отдельных случаях и снижение субъективного экспертного искажения. Исходя из вышеуказанного, целью исследования является: экспериментально доказать эффективность использования различных алгоритмов машинного обучения и нейронных сетей при реализации аналитической систе-мы Оrange для интеллектуального анализа педагогических исследований. В статье исследуется опыт Глазовского государственного педагогического института им. В.Г. Короленко, Удмуртского государственного университета и учреждения дополнительного образования "Механик" г. Ижевск. Методы исследования: теоретические методы, среди которых анализ предмета исследования на основе изучения специальной научной и учебно-методической литературы в области реализации искусственного интеллекта в системе образования; ре-флексивно-системный анализ обоснованной организации интеллектуального анализа данных на основе построения различных моделей машинного обучения. В качестве практических методов с использованием аналитической системы Оrange апробированы следующие алго-ритмы машинного обучения: линейная и логистическая регрессии, дерево решений и случайный лес, нейронные сети. В исследовании использованы данные 730 студентов, обучающихся на бакалавриате в организациях высшего образования, и 90 учащихся дополнительного образования. Для реализации эксперимента вся исследовательская выборка, состоящая из экспериментальной (n=417) и контрольной (n=403) групп, была разделена на несколько частей: тренировочную для обучения моделей машинного обучения, проверочную для коррек-тировки и поиска наилучших параметров нейронной сети и алгоритмов и тестовую для оценивания работы построенных моделей на основе новых неизвестных для моделей дан-ных. Выводы и рекомендации. Проведенное исследование позволяет сделать вывод о том, что использование различных алгоритмов машинного обучения и нейронных сетей при реализации аналитической системы Оrange позволило реализовать интерпретируемый интел-лектуальный анализ. В результате анализа данных экспериментальной и контрольной групп до и после реализации педагогического исследования выявлены закономерности по формиро-ванию компонентов, которые изначально не проявились в ходе статистической обработки.

Тип: article