ДОСЛІДЖЕННЯ ВПЛИВУ ЯКОСТІ ЗАСВОЄННЯ ПОПЕРЕДНЬОГО МАТЕРІАЛУ НА УСПІШНІСТЬ ЗДОБУВАЧІВ ОСВІТИ З ОКРЕМОЇ ДИСЦИПЛІНИ

Автор(и)

DOI:

https://doi.org/10.20998/2079-0023.2022.01.12

Ключові слова:

освітньо-професійна програма, структурно-логічна схема, прогнозування, штучна нейронна мережа, персептрон, сигмоїда, навчання нейромережі, уніфікована мова моделювання, інформаційна модель, система підтримки прийняття рішень

Анотація

У роботі розглянуто основні поняття, пов'язані з якістю освіти у цілому та засвоєнням студентами навчального матеріалу. Сформульовано задачу прогнозування оцінки студента з будь-якої дисципліни, маючи дані щодо оцінок з «забезпечуючих» дисциплін. Наведено перелік методів, які можуть бути застосовані для розв'язання задачі (метод багатовимірного регресійного аналізу, метод штучних нейронних мереж, метод k найближчих сусідів), зроблено висновок щодо доцільності використання методу штучних нейронних мереж. Описано постановку задачі прогнозування засвоєння знань та навичок програмування; використана архітектура – персептрон з чотирма вхідними нейронами, одним вихідним і 10 нейронами прихованого шару. Шляхом проведення низки числових експериментів підібрано оптимальну архітектуру нейронної мережі. У якості прикладу використано навчальний план та структурно-логічну схему освітньо-професійної програми «Інтелектуальні системи прийняття рішень» спеціальності 124 «Системний аналіз». Описано створену інформаційну модель проєктованої системи мовою візуального моделювання UML (діаграми варіантів використання, класів, кооперації, послідовності, станів, діяльності та компонентів). Описано можливості системи для дослідження впливу якості засвоєння попереднього матеріалу на прогнозування оцінок студентів з окремої дисципліни, наведено приклад функціонування цієї системи та проведено аналіз результатів розрахунків. Зазначено, що система дозволяє проведення аналізу результатів розрахунків для подальшого вибору найкращого методу для прогнозування.

Біографії авторів

Олександр Мельников, Донбаська державна машинобудівна академія

кандидат технічних наук, доцент, Донбаська державна машинобудівна академія, доцент кафедри інтелектуальних систем прийняття рішень; м. Краматорськ, Україна

Веніамін Гітіс, Донбаська державна машинобудівна академія

кандидат технічних наук, доцент, Донбаська державна машинобудівна академія, доцент кафедри інтелектуальних систем прийняття рішень; м. Краматорськ, Україна

Посилання

Polozhennja pro vnutrishnju systemu zabezpechennja jakosti osvity [Regulations on the internal system for ensuring the quality of education]. URL: http://www.dgma.donetsk.ua/docs/acts/ Положення_про_внутр_сист_заб_якості_ДДМА_2020_Сайт.pdf. (accessed 21.11.2021).

Osvitn'o-profesijna programa «Intelektual'ni systemy pryjnjattja rishen'» pershogo rivnja vyshhoi' osvity za special'nistju № 124 «Systemnyj analiz» galuzi znan' № 12 «Informacijni tehnologii'». [Educational and professional program "Intelligent Decision Making Systems" of the first level of higher education in the specialty No. 124 "System Analysis" of the branch of knowledge No. 12 "Information Technologies"]. URL: http://www.dgma.donetsk.ua/docs/kafedry/ispr/opp/ Системний_аналіз_бакалавр.pdf (accessed 21.11.2021).

Melnykov O. Ju., Bobryk A. V. Postanovka zadachi doslidzhennja vplyvu jakosti zasvojennja poperedn'ogo materialu na prognozuvannja ocinok studentiv z okremoi' dyscypliny. [Statement of the problem of studying the influence of the quality of assimilation of the previous material on the prediction of students' grades in a particular discipline]. Suchasna osvita – dostupnist', jakist', vyznannja: zbirnyk naukovyh prac' XIII Mizhnarodnoi' naukovo-metodychnoi' konferencii', 16–18 lystopada 2021 roku. [Proc. of the Int. Conf. "Modern education - accessibility, quality, recognition"]. Kramators'k, DDMA Publ., 2021, pp. 199–201.

Melnykov O. Ju. Ob’jektno-orijentovanyj analiz i projektuvannja informacijnyh system: posibnyk dlja studentiv special'nostej «Systemnyj analiz» ta «Informacijni systemy ta tehnologii'». Vyd. 3- je, pererob. ta dop. [Object-oriented analysis and design of information systems: a manual for students of the specialties "System Analysis" and "Information Systems and Technologies"]. Kramators'k, DDMA Publ., 2020. 208 p.

Deductor – prodvinutaja analitika bez programmirovanija [Deductor – advanced analytics without programming]. URL: https://basegroup.ru/deductor/description (accessed 21.11.2021).

Melnykov O. Ju. Prognozuvannja ocinok studentiv z okremoi' dyscypliny zalezhno vid jakosti zasvojennja poperedn'ogo materialu. [Prediction of students' grades in a separate discipline, depending on the quality of mastering the previous material]. Suchasni informacijni tehnologii', zasoby avtomatyzacii' ta elektropryvod: materialy V Vseukrai'ns'koi' naukovo-tehnichnoi' konferencii'. [Proc. of the Int. Conf. "Modern information technologies, automation equipment and electric drive"]. Kramators'k, DDMA Publ., 2021, pp. 297–300. http://dspace.dgma.donetsk.ua/handle/DSEA/802 (accessed 21.11.2021).

Galushkyn A. Y. Nejrokomp'juteri. Kn.3: Uchebnoe posobye dlja vuzov. [Neurocomputers]. Moscow, YPRZhR Publ., 2000. 528 p.

Widrow B., Lehr M. A. 30 years of adaptive neural networks: perceptron, madaline and backpropagation. Proceedings of the IEEE. 1990, vol. 78, №. 9, pp. 1415–1442.

Gorban' A. N. at al. Nejroinformatika. [Neuroinformatics]. Novosibirsk, Nauka, Sibirskaja izdatel'skaja firma RAN Publ., 1998. 296 p.

Mirkes E. M. Nejroinformatika: ucheb. posob. [Neuroinformatics]. Krasnojarsk, KGTU Publ., 2002. 120 p.

Gitis V. B. Nejromerezhni tehnologii': navchal'nyj posibnyk. [Neural network technologies]. Kramators'k, DDMA Publ., 2021. 248 p.

Wynne-Jones M. Node splitting: A constructive algorithm for feedforward neural networks. Neural Computing and Applications. 1993, vol. 1, №. 1, pp. 17–22.

Melnikov A. Ju. Prognozirovanie izmenenija vklada prepodavatelja v rabotu kafedry i ispol'zovaniem metodov intellektual'nogo analiza dannyh. [Predicting the change in the teacher's contribution to the work of the department and the use of data mining methods]. Informacionnye tehnologii i sredstva obuchenija. [Information technology and learning tools]. 2018, № 1 (63), pp. 266–287.

##submission.downloads##

Опубліковано

2022-07-06 — Оновлено 2022-07-06

Як цитувати

Мельников, О., & Гітіс, В. (2022). ДОСЛІДЖЕННЯ ВПЛИВУ ЯКОСТІ ЗАСВОЄННЯ ПОПЕРЕДНЬОГО МАТЕРІАЛУ НА УСПІШНІСТЬ ЗДОБУВАЧІВ ОСВІТИ З ОКРЕМОЇ ДИСЦИПЛІНИ. Вісник Національного технічного університету «ХПІ». Серія: Системний аналiз, управління та iнформацiйнi технологiї, (1 (7), 70–78. https://doi.org/10.20998/2079-0023.2022.01.12

Номер

Розділ

ІНФОРМАЦІЙНІ ТЕХНОЛОГІЇ