Обзорно-аналитическая часть 1.1. Обзор методов, используемых для решения задач в области анализа учебных данных



страница2/13
Дата01.06.2016
Размер0.84 Mb.
ТипДипломная работа
1   2   3   4   5   6   7   8   9   ...   13

Обзорно-аналитическая часть

1.1. Обзор методов, используемых для решения задач в области анализа учебных данных


Методы, применяемые в анализе учебных данных, могут быть рассмотрены в качестве средства для улучшения учебного процесса. Если программы обучения находятся в разработке, их можно постоянно улучшать, проверяя то, как студенты взаимодействуют с обучающими системами. Применение интеллектуального анализа данных для проектирования образовательных систем является итерационным циклом, который состоит из формирования гипотезы, тестирования и усовершенствования. В первую очередь, положительный эффект это дает самим студентам, которые получают более подходящие методы в обучении, что повышает качество образования[2].

Применение интеллектуального анализа данных для проектирования систем обучения, при самом поверхностном рассмотрении, показано на рис.1.1:



Рис. 1.1. Применение EDM

Далее будут рассмотрены методы интеллектуального анализа данных применительно к обработке учебных данных.



      1. Модель студента


Модель студента - это набор параметров студента, например, представление о знании определенных курсов и пробелах в других. Эти данные система может получить на основании пройденных студентом тестов.

Модель студента играет большую роль в обучающих системах. Она предоставляет информацию об освоении студентом тех или иных областей знаний (это, как правило, оценки, пройденные положительно или отрицательно контрольные мероприятия), что позволяет обучающей системе лучше подстраиваться под конкретного студента. Обучающие системы могут динамически подстраиваться под студента при изменении информации о нем[3].


В данном проекте будет использоваться модель студента, которая включает в себя различные атрибуты: идентификационная информация (имя, фамилия, адрес электронной почты) и оценки студента по тем или иным дисциплинам, которые собственно и будут использованы при анализе успехов студентов при освоении тех или иных навыков.
      1. Визуализация


Визуализация дает понять человеку о специфике каких-то данных в наглядном и легко воспринимаемом виде.
Во многих ситуациях (поиск маршрутов, прогноз погоды) человек пытается извлечь информацию не из текста и таблиц, а используя изображения. Это гораздо быстрее дает понять суть представленной информации, нежели чем при работе с обычными текстовыми или табличными массивами данными. При этом информация воспринимается чисто интуитивно, без необходимости долгого изучения документации.

Пример, показывающий применение визуализации: если возникает ситуация, когда из большого количество чисел необходимо найти минимальное и максимальное, то вместо просмотра каждого числа, можно вывести значения этих чисел на линейных диаграммах, что визуально даст быстро найти минимум и максимум[2]. Рисунок, иллюстрирующий такой подход:





Рис. 1.2. Пример визуализации данных

Визуализация в проекте будет применяться в виде различных диаграмм, иллюстрирующих числовые значения, что будет описано в разделе Разработка. В обучающих системах часто применяется визуализация модели студента. Примером визуализации модели студента является представление умений, знаний студента в определенных областях в виде своеобразного дерева, где форма и цвет фигур, означают знание или незнание каких-то концепций:






Рис. 1.3. Визуализация модели студента

На рисунке изображены, например, языки программирования, черный круг означает, что у этого элемента есть листья. Белый квадрат означает, что студент знает соответствующий элемент, черный - не знает и т.д.[2]


      1. Классификация


Классификация необходима для разбиения всего множества студентов на различные подгруппы в зависимости от их знания, поведения и других параметров. Обучающие системы для выработки рекомендаций, подборки материалов требуют значение текущего состояния знаний у обучающегося. При помощи модели классификации можно выявить степень мотивации обучающегося, а также предсказать будущие результаты прохождения тестов: будут ли они пройдены с положительным и отрицательным результатом.

Процесс классификации состоит из нескольких этапов. Для начала необходимо выбрать алгоритм классификации. Его можно определить вручную, но наиболее общий вариант решения этой задачи - обучение на реальных данных. Для этого способа необходимо выбрать метод классификации. Это могут быть деревья решений, байесовские или нейронные сети. Затем необходимо иметь множество данных, где классы известны. Это множество делится на два подмножества данных: обучающее и тестовое. Обучающее множество является входными данными для обучающегося алгоритма, который произведет после своей работы как результат работы – классификатор, который в дальнейшем будет работать уже с реальными данными. Эффективность классификатора необходимо проверить с помощью тестового множества, где классы определены, на наличие ошибочных классификаций. Если ошибок много, необходимо внести изменения либо в обучающийся алгоритм, либо в метод классификации[4].


В системе автоматизированного создания резюме будут применены алгоритмы классификации. На основе данных о студенте, т.е. модели студента, он будет соотносится с определенной профессией, которая для него будет определяться в качестве наиболее подходящей. Подробнее данный подход будет описан в следующем разделе.
      1. Другие методы


В EDM широко применяются и другие методы интеллектуального анализа данных, такие как последовательности, кластеризация, поиск ассоциативных правил, но в данном проекте нет необходимости их использовать, поэтому подробно рассмотрены они не будут.

Каталог: data -> 2013
2013 -> Федеральное государственное автономное образовательное
2013 -> Программа дисциплины Анализ отраслевых рынков  для направления 080200. 62 «Менеджмент» подготовки бакалавра
2013 -> Управление профессиональным развитием педагогов средствами конкурсов профессиональных достижений
2013 -> Школьная социальная сеть в управлении внеурочной деятельностью
2013 -> Программа дисциплины «для магистерской программы «Управление образованием»
2013 -> «Особенности выхода на международные рынки литаско групп»
2013 -> Новые тенденции в деятельности тнк в условиях глобализации
2013 -> Применение теорий международной торговли при разработке экспортной стратегии компании


Поделитесь с Вашими друзьями:
1   2   3   4   5   6   7   8   9   ...   13


База данных защищена авторским правом ©psihdocs.ru 2017
обратиться к администрации

    Главная страница