ПРОГНОЗУВАННЯ РЕЗУЛЬТАТІВ СКЛАДАННЯ ЄДИНОГО ВСТУПНОГО ІСПИТУ З ІНОЗЕМНОЇ МОВИ ВИПУСКНИКАМИ-БАКАЛАВРАМИ ЗАКЛАДУ ВИЩОЇ ОСВІТИ ПРИ ВСТУПІ ДО МАГІСТРАТУРИ

Автор(и)

DOI:

https://doi.org/10.20998/2079-0023.2021.01.17

Анотація

В роботі наведено інформацію щодо необхідності складання «Єдиного вступного іспиту» з іноземної (англійської) мови студентами, що отримали освітньо-кваліфікаційний рівень бакалавра та бажають продовжити навчання для здобуття ступеня магістра. Визначено, що при роботі зі студентами випускного курсу бакалаврату доцільно, по-перше, визначити відсоток випускників, здача якими ЄВІ малоймовірна, а по-друге, активізувати роботу з такими випускниками для підвищення цієї ймовірності. Було поставлено задачу створення моделі для прогнозування результатів складання єдиного вступного іспиту з іноземної мови випускниками-бакалаврами закладу вищої освіти при вступі до магістратури. Запропоновано низку факторів, які впливають на бал ЄВІ, а саме: конкурсний бал при зарахуванні (показник базового рівня студента), рейтинг (оцінка) за підсумками першого року навчання (іспит з обов’язкового предмету «Іноземна мова»), рейтинг за підсумками вивчення дисципліни вільного вибору «Іноземна мова» на 2-3-му курсах (максимальний з усіх або «0», якщо студент не вибирав), рейтинг за підсумками додаткових занять «Іноземна мова» на 4-му курсі, середній рейтинг за передостанню сесію (показник «актуального» відношення студента до навчального процесу), факт наявності додаткових балів (показник зацікавленості студента іншими видами діяльності, крім навчальної), середній рейтинг диплому бакалавра (показник загального ставлення студента до навчального процесу). Наведено наявні дані щодо студентів двох років кафедри інтелектуальних систем прийняття рішень Донбаської державної машинобудівної академії. Запропоновано метод штучних нейронних мереж з архітектурою двошарового персептрону з десятьма нейронами у кожному прихованому шарі, активаційною функцією сигмоїдою і алгоритмом зворотного поширення помилок для навчання мережі. Проведено розрахунки в середовищі Deductor Studio Lite, проаналізовано їхні результати. Зазначено, що запропонований підхід до прогнозування можна застосовувати при роботі зі студентами випускного курсу бакалаврату, для визначення відсотку випускників, здача якими ЄВІ малоймовірна, та активізації роботи з такими випускниками для підвищення цієї ймовірності.

Ключові слова: освітньо-кваліфікаційний рівень, єдиний вступний іспит, прогнозування, штучна нейронна мережа, персептрон, сигмоїда, навчання мережі.

Біографія автора

Олександр Мельников, Донбаська державна машинобудівна академія

кандидат технічних наук, доцент, Донбаська державна машинобудівна академія, доцент кафедри інтелектуальних систем прийняття рішень; м. Краматорськ, Україна; ORCID: https://orcid.org/0000-0003-2701-8051; e-mail: alexandr@melnikov.in.ua

Посилання

Nakaz Ministerstva osvity` i nauky` Ukrayiny` vid 15 zhovtnya 2020 r. # 1274 «Pro zatverdzhennya umov pry`jomu na navchannya dlya zdobuttya vy`shhoyi osvity` v 2021 roci». [Order of the Ministry of Education and Science of Ukraine of October 15, 2020 № 1274 "On approval of the conditions of admission to higher education in 2021."] Available at: https://mon.gov.ua/ua/npa/pro-zatverdzhennya-umovprijomu-na-navchannya-dlya-zdobuttya-vishoyi-osviti-v-2021-roci (accessed 16.03.2021).

Makhmutova L. R. Faktory vliyaniya na uspevaemost' studentov v vuze [Factors influencing student performance at the university]. Organization of work with youth. 2018. № 1. URL: http://www.es.rae.ru/ovv/282-1208 (accessed 16.03.2021).

Blokhina M. V., Vakhitov Sh. M., Sytnik V. V. Analiz i otsenka akademicheskoy uspevaemosti studentov vuzov – odna iz funktsiy pedagogicheskogo menedzhmenta [Analysis and assessment of the academic performance of university students is one of the functions of pedagogical management]. Advances in modern natural science. 2008. № 2. PP. 52–54.

Shmarikhina E. S. Issledovanie faktorov uspevaemosti obuchayushchikhsya [Study of the factors of student achievement]. NSUE Bulletin. 2018. №3. URL: https://cyberleninka.ru/article/n/issledovanie-faktorov-uspevaemostiobuchayuschihsya (accessed 16.04.2020).

Proshkina E. N., Balashova I. Yu. Analiz i prognozirovanie uspevaemosti studentov na osnove radial'noy bazisnoy neyronnoy seti [Analysis and prediction of student performance based on a radial basic neural network]. Technical sciences: traditions and innovations: materials of the III Intern. scientific. conf. (Kazan, March 2018). Kazan: Young Scientist, 2018, pp. 24–28. URL: https://moluch.ru/conf/tech/archive/287/13683/ (accessed 16.03.2021: 16.04.2020).

Kallan R. Osnovnye kontseptsii neyronnykh setey [Basic concepts of neural networks]. Moscow: Williams Publ., 2001. 288 p.

Khaykin S. Neyronnye seti: polnyy kurs, 2-e izdanie [Neural Networks: Complete Course, 2nd Edition] / Translation from English. Moscow: Williams Publ., 2006. 1104 p.

Kovalevskiy S. V., Gitis V. B. Sozdanie i primenenie neyronnykh setey dlya resheniya prikladnykh zadach: Uchebno-metodicheskoe posobie dlya studentov spetsial’nosti «Intellektual’nye sistemy prinyatiya resheniy» [Creation and application of neural networks for solving applied problems: Study guide for students of the specialty "Intelligent decision-making systems"]. Kramatorsk: DSEA, 2008. 75 p.

BaseGroup Labs: ofitsial’nyy sayt [BaseGroup Labs: official site]. Available at: https://basegroup.ru/community/articles/intro (accessed 16.03.2021).

Mel’nikov A. Yu., Shevchenko N. Yu. Modelirovanie vliyaniya NIRS na rezul’taty itogovoy attestatsii studentov [Modeling the influence of research work on the results of the final certification of students]. Informatics, management and artificial intelligence. Abstracts of the seventh international scientific and technical conference. Kharkiv: NTU "KhPI", 2020, p. 52.

Mel`ny`kov O. Yu., Shevchenko N. Yu. Zastosuvannya nejronny`x merezh dlya prognozuvannya rezul`tativ pidsumkovoyi atestaciyi studentiv zakladu vy`shhoyi osvity` v zalezhnosti vid efekty`vnosti yix naukovo-doslidnoyi roboty` [The use of neural networks to predict the results of the final certification of students of higher education depending on the effectiveness of their research work]. Neural network technologies and their application NMTiZ-2020: collection of scientific works of the XIX International scientific conference "Neural network technologies and their application NMTiZ-2020" / for general. ed. SV Kovalevsky. Kramatorsk: DSEA, 2020, pp. 111–115.

Melnykov A.Yu., Shevchenko N.Yu., Isakova Ye.P., Bobkova E.Yu. Modeling the impact of University students research work on the results of their final certificationю J. Phys.: Conf. Ser., 2020, Vol. 1691, 012187. Available at: https://doi.org/10.1088/1742- 6596/1691/1/012187 (accessed 16.03.2021).

##submission.downloads##

Опубліковано

2021-07-12

Номер

Розділ

ІНФОРМАЦІЙНІ ТЕХНОЛОГІЇ