Методи і засоби інтелектуалізованого аналізу та прогнозування успішності студентів у системах електронного навчання

Abstract

У кваліфікаційній роботі визначено та проаналізовано характеристики систем дистанційного навчання та онлайн навчання, що дало змогу встановити фактори і програмні модулі, які необхідні для забезпечення успішності студентів і навчального процесу в цілому, проаналізовано особливості застосування сучасних платформ для провадження навчального процесу На основі аналізу факторів впливу на успішність студентів під час електронного навчання запропоновано їх формалізацію у вигляді елементів множини, що дало змогу побудувати модель, яка враховує ефективність програмно-апаратного забезпечення, якість навчального контенту та кваліфікацію інструкторів курсів. Для прогнозування успішності студентів обгрунтовано та формально представлено алгоритми, які використовують підходи дерев прийняття рішень та випадкових лісів, методу опорних векторів та глибокого навчання і виконано їх програмну реалізацію.

The thesis identifies and analyzes the characteristics of distance learning and online learning, which allowed to establish the factors and software modules that are necessary to ensure student success and the learning process in general, analyzes the features of modern platforms for the learning process. Based on the analysis of factors influencing student achievement in e-learning, their formalization in the form of set elements was proposed, which allowed to build a model that takes into account the effectiveness of software and hardware, quality of educational content and qualification of course instructors. To predict the success of students, algorithms that use the approaches of decision-making trees and random forests, the method of reference vectors and deep learning are substantiated and formally presented, and their software implementation is performed.