KFU. Card publication. Прогностическое моделирование в высшем образовании: определение факторов академической успеваемости

KAZAN
FEDERAL UNIVERSITY

- RUS
- 中文
- ES

ПРОГНОСТИЧЕСКОЕ МОДЕЛИРОВАНИЕ В ВЫСШЕМ ОБРАЗОВАНИИ: ОПРЕДЕЛЕНИЕ ФАКТОРОВ АКАДЕМИЧЕСКОЙ УСПЕВАЕМОСТИ

Form of presentation

Articles in Russian journals and collections

Year of publication

2023

Язык

русский

Authors, employees of KFU

Gafarov Fail Mubarakovich, author

Rudneva Yana Borisovna, author

Sharifov Umar Yusufovich, author

Bibliographic description in the original language

Gafarov F.M., Rudneva Ya.B., Sharifov U.Yu. Prognosticheskoe modelirovanie v vysshem obrazovanii: opredelenie faktorov akademicheskoy uspevaemosti // Vysshee obrazovanie v Rossii. 2023. T. 32. №1. S. 51–70.

Annotation

Наше исследование направлено на обоснование модели прогнозирования досрочного выбытия студентов с использованием искусственной нейронной сети и анализ предикторов, повышающих точность прогнозировании успешного окончания российского университета. Эта работа позволит расширить международную практику компаративных исследований в высшем образовании. В работе подтверждены уже существующие гипотезы о влиянии ряда факторов на прогнозирование академической успеваемости и выдвинуто предположение о необходимости проверки их универсальности или специфичности в конкретном высшем учебном заведении. Мы также доказали, что модель искусственной нейронной сети с определенным набором атрибутов может применяться в контексте отдельного высшего учебного заведения, независимо от специализации. Для определения потенциальной группы риска учащихся используется модель прогнозирования бинарной классификации. Общая точность прогноза нейронной сети с комбинированными данными достигает 88%. Для данной модели нейронной сети базовыми предикторами, влияющими на точность прогноза, являются совокупный средний уровень успеваемости (CGPA) и год поступления в университет.

Keywords

образовательная аналитика, факторы досрочного выбытия студентов, интеллектуальный анализ данных, искусственные нейронные сети, прогнозирование.

The name of the journal

Высшее образование в России

URL

https://vovr.elpub.ru/jour/article/view/4166/2230

Please use this ID to quote from or refer to the card

https://repository.kpfu.ru/eng/?p_id=302354&p_lang=2

Full metadata record

Field DC	Value	Language
dc.contributor.author	Gafarov Fail Mubarakovich	ru_RU
dc.contributor.author	Rudneva Yana Borisovna	ru_RU
dc.contributor.author	Sharifov Umar Yusufovich	ru_RU
dc.date.accessioned	2023-01-01T00:00:00Z	ru_RU
dc.date.available	2023-01-01T00:00:00Z	ru_RU
dc.date.issued	2023	ru_RU
dc.identifier.citation	Гафаров Ф.М., Руднева Я.Б., Шарифов У.Ю. Прогностическое моделирование в высшем образовании: определение факторов академической успеваемости // Высшее образование в России. 2023. Т. 32. №1. С. 51–70.	ru_RU
dc.identifier.uri	https://repository.kpfu.ru/eng/?p_id=302354&p_lang=2	ru_RU
dc.description.abstract	Высшее образование в России	ru_RU
dc.description.abstract	Наше исследование направлено на обоснование модели прогнозирования досрочного выбытия студентов с использованием искусственной нейронной сети и анализ предикторов, повышающих точность прогнозировании успешного окончания российского университета. Эта работа позволит расширить международную практику компаративных исследований в высшем образовании. В работе подтверждены уже существующие гипотезы о влиянии ряда факторов на прогнозирование академической успеваемости и выдвинуто предположение о необходимости проверки их универсальности или специфичности в конкретном высшем учебном заведении. Мы также доказали, что модель искусственной нейронной сети с определенным набором атрибутов может применяться в контексте отдельного высшего учебного заведения, независимо от специализации. Для определения потенциальной группы риска учащихся используется модель прогнозирования бинарной классификации. Общая точность прогноза нейронной сети с комбинированными данными достигает 88%. Для данной модели нейронной сети базовыми предикторами, влияющими на точность прогноза, являются совокупный средний уровень успеваемости (CGPA) и год поступления в университет.	ru_RU
dc.language.iso	ru	ru_RU
dc.subject	образовательная аналитика	ru_RU
dc.subject	факторы досрочного выбытия студентов	ru_RU
dc.subject	интеллектуальный анализ данных	ru_RU
dc.subject	искусственные нейронные сети	ru_RU
dc.subject	прогнозирование.	ru_RU
dc.title	Прогностическое моделирование в высшем образовании: определение факторов академической успеваемости	ru_RU
dc.type	Articles in Russian journals and collections	ru_RU