Определение успеваемости обучающихся с использованием методов машинного обучения

Аннотация

Аннотация. В исследовательской работе рассматриваются важные аспекты использования подходов к аналитике обучения (LA) и анализу образовательных данных (EDM), которые можно использовать для разработки образовательных программ и отслеживания прогресса.  Было показано, что интеграция аналитики обучения в систему управления обучением (LMS) может повысить эффективность образовательного процесса за счет прогнозирования и предотвращения проблем, с которыми сталкиваются студенты в отношении успеваемости. Рассматривается процесс анализа и прогнозирования данных по успеваемости с использованием методов машинного обучения, в том числе линейной регрессии, с определением соотношения успеваемости по дисциплине и баллов GPA. Результат исследования показывает важность выбора правильных функций для повышения точности прогнозирования с помощью моделей машинного обучения, а также обеспечивает предоставление входных данных для улучшения образовательной программы. Рассматривается процесс создания прогнозных моделей для оценки успеваемости учащихся путем сбора и подготовки данных с использованием алгоритмов машинного обучения. Дается четкое описание использования моделей для прогнозирования будущей успеваемости учащихся, а также особое внимание уделяется интерпретации полученных результатов для выявления основных факторов, влияющих на успеваемость. Эта работа способствует развитию области аналитики обучения и областей производства образовательных данных, предлагая практические рекомендации по управлению учебными программами и повышению качества образования на основе данных.