НЕЙРОСЕТЕВАЯ МОДЕЛЬ ПРОГНОЗИРОВАНИЯ ГРУППЫ РИСКА ПО УСПЕВАЕМОСТИ СТУДЕНТОВ ПЕРВОГО КУРСА

  • Сергей Владимирович Русаков Пермский государственный национальный исследовательский университет http://orcid.org/0000-0001-6862-1100
  • Ольга Леонидовна Русакова Пермский государственный национальный исследовательский университет http://orcid.org/0000-0003-0880-6925
  • Кристина Андреевна Посохина Пермский государственный национальный исследовательский университет http://orcid.org/0000-0003-1597-0037

Аннотация

Многие вузы России сталкиваются с проблемой, когда абитуриенты, успешно сдавшие ЕГЭ по профильным дисциплинам, уже по итогам первого учебного периода становятся аутсайдерами. Особенно это касается специальностей, связанных с точными науками, в том числе ориентированными на подготовку ИТ-специалистов. Связь объема финансирования вуза с количеством обучающихся, а также сама возможность вести учебный процесс определяется аккредитацией вуза, успешное прохождение которой связано с рядом показателей. В число этих показателей входят минимальный проходной балл по единому государственному экзамену (ЕГЭ) и процент обучающихся по отношению к контрольным цифрам приема. Таким образом, учебная успеваемость в настоящее время является одной из самых актуальных проблем высшего образования. Выявление наиболее значимых факторов, оказывающих влияние на процесс и качество обучения является важной задачей многих исследований. Но важно иметь возможность делать прогноз об успешности обучения уже по информации, которую зачисленные на первый курс сообщают в своём личном деле. Это позволит уже с первых дней пребывания студента в вузе уделять больше внимания со стороны тьюторов и преподавателей тем из них, кто попадает в группу риска. В данной статье предлагается нейросетевая модель прогнозирования группы риска по успеваемости студентов Пермского государственного национального исследовательского университета направления «Прикладная математика и информатика» по результатам вступительных испытаний, итогам первого учебного периода (триместра) и ряду других факторов.

Сведения об авторах

Сергей Владимирович Русаков, Пермский государственный национальный исследовательский университет

доктор физико-математических наук, профессор, заведующий кафедрой прикладной математики и информатики

Ольга Леонидовна Русакова, Пермский государственный национальный исследовательский университет

кандидат физико-математических наук, доцент, кафедра прикладной математики и информатики

Кристина Андреевна Посохина, Пермский государственный национальный исследовательский университет

магистрант

Литература

[1] Erokhina E.A., Khruslova D.V. Influence of USE results on students' academic progress. Information Technologies in Science, Education and Management. M.: 2016, pp. 265-272. Available at: https://elibrary.ru/item.asp?id=26377412 (accessed 12.07.2018). (In Russian)
[2] Shchegoleva L.V., Surovtsova T.G. USE results and academic progress of first-year students. Continuous Education: XXI Century. 2015; 4(12):33-41. Available at: https://elibrary.ru/item.asp?id=25144834 (accessed 12.07.2018). (In Russian)
[3] Zemkov O.O., Peresetsky A.A. EGE and academic successes of undergraduate students of ICEF NIU HSE. Applied Econometrics. 2013; 2(30):93-114. Available at: https://elibrary.ru/item.asp?id=21306625 (accessed 12.07.2018). (In Russian)
[4] Popova E.A., Sheina M.V. Student progress: the influence of the school. Modern University Between Global Challenges and Local Tasks. Moscow, 2016, pp. 183-187. Available at: https://elibrary.ru/item.asp?id=29163022 (accessed 12.07.2018). (In Russian)
[5] Saprykina T.A. On the transition "school - university": the predictors of academic progress of first-year students. Higher Education in Russia. 2017; 6:76-87. Available at: https://elibrary.ru/item.asp?id=29381639 (accessed 12.07.2018). (In Russian)
[6] Prakhov I.A., Yudkevich M. The influence of household income on the results of the USE and the choice of the university. Issues of Education. 2012; 1:126-147. (In Russian) DOI: 10.17323/1814-9545-2012-1-126-147
[7] Tatus K.Yu., Kuzmina S.V. Influence of the Parent's Family on Student Achievement. Young Scientist. 2016; 9-4(113):69-72. Available at: https://elibrary.ru/item.asp?id=26024089 (accessed 12.07.2018). (In Russian)
[8] Bogdanov E.P., Sukhanov A.V. On the forecasting of student achievement by the results of USE and attributes of social status. Actual directions of scientific research of the XXI century: theory and practice. 2015; 3(7-3):382-386. (In Russian) DOI: 10.12737/15210
[9] Volozhanina A.A. Psychological factors affecting students' progress. Competitiveness of territories. Ekaterinburg, 2016, pp. 52-56. Available at: https://elibrary.ru/item.asp?id=28334590 (accessed 12.07.2018). (In Russian)
[10] Balovneva A.N., Berestneva O.G., Fisochenko O.N. Influence of personal characteristics of foreign and Russian students on learning outcomes. Modern problems of science and education. 2015; 2:450. Available at: https://elibrary.ru/item.asp?id=24123283 (accessed 12.07.2018). (In Russian)
[11] Mazharova E.A., Reshetova O.V. The leading motive of students' academic activity is the achievement of success. Bulletin of Orenburg State University. 2006; 10-1:4-11. Available at: https://elibrary.ru/item.asp?id=11664413 (accessed 12.07.2018). (In Russian)
[12] Suturina Yu.V. The role of empathy and alexithymia in pedagogical activity of university teachers. Humanitarian vector. 2010; 2(22):75-79. Available at: https://elibrary.ru/item.asp?id=15122088 (accessed 12.07.2018). (In Russian)
[13] Povzun V., Povzun A. Biorythmological approach to the organization of the educational process in higher school. International conference on literature, languages, humanities and social sciences. Berlin, 2017, pp. 84-103. Available at: https://elibrary.ru/item.asp?id=30571668 (accessed 12.07.2018). (In Russian)
[14] Roslyak D.V. The influence of stress on the progress of students FFKiS and FSPiP during the examination session. Science - Education, Production, Economics. Vitebsk: VGU named after P.M. Masherova, 2015. Vol. 1, pp. 368. Available at: https://elibrary.ru/item.asp?id=23344517 (accessed 12.07.2018). (In Russian)
[15] Patrusheva L.P. Raising the level of individual health and academic achievement of students by the means of cheerleading. Bulletin of the Amur State University. Series: Humanities. 2016; 74:141-145. Available at: https://elibrary.ru/item.asp?id=26552054 (accessed 12.07.2018). (In Russian)
[16] Dadyan E.G. Methods and means of increasing the effectiveness of the educational process. The World of Science. 2016; 4(4):10. Available at: https://elibrary.ru/item.asp?id=27201946 (accessed 12.07.2018). (In Russian)
[17] Shevchenko V.A. Forecasting the progress of students on the basis of cluster analysis methods. Vestnik of Kharkov National Automobile and Highway University. 2015; 68:15-18. Available at: https://elibrary.ru/item.asp?id=24389474 (accessed 12.07.2018). (In Russian)
[18] Sosnitsky V.N., Potanin N.I. Probabilistic approach to the analysis of students' progress. Fundamental research. 2014; 8-3:734-738. Available at: https://elibrary.ru/item.asp?id=21819727 (accessed 12.07.2018). (In Russian)
[19] Burton N.W., Ramist L. Predicting Success in College: SAT® Studies of Classes Graduating Since 1980. Research Report No. 2001-2. College Entrance Examination Board, New York, 2001. 32 p. Available at: https://files.eric.ed.gov/fulltext/ED562836.pdf (accessed 12.07.2018).
[20] Elbadrawy A., Polyzou Ag., Ren Z., Sweeney M., Karypis G., Rangwala H. Predicting Student Performance Using Personalized Analytics. Computer. 2016; 49(4):61-69. DOI: 10.1109/MC.2016.119
[21] Panova N.F. Denisova N.V. Classification of students by the level of academic achievement with the help of the apparatus of discriminant analysis. Bulletin of the Orenburg State University. 2014; 8(169):33-36. Available at: https://elibrary.ru/item.asp?id=22251989 (accessed 12.07.2018). (In Russian)
[22] Lebedeva T.V., Tsypin A.P., Sidorenko V.S. Statistical analysis of factors affecting the academic performance of students of Russian universities. Intellect. Innovation. Investments. 2016; 9:55-58. Available at: https://elibrary.ru/item.asp?id=28846531 (accessed 12.07.2018). (In Russian)
[23] Yasinsky I.F., Semenova M.B. The experience of predicting students' progress with the help of neural network technology. Vestnik IGEU. 2007; 4:1-4. Available at: http://vestnik.ispu.ru/sites/vestnik.ispu.ru/files/publications/29-31.pdf (accessed 12.07.2018). (In Russian)
[24] Proshkina E.N., Balashova I.Yu. Analysis and forecasting of students' progress on the basis of radial basic neural network. Technical sciences: traditions and innovations. Kazan: Young Scientist, 2018, pp. 24-28. Available at: https://elibrary.ru/item.asp?id=32629327 (accessed 12.07.2018). (In Russian)
[25] Kuznetsov A.G., Rusakov S.V., Zhdanova S.Yu. Features of work with students of first year (From the experience of the Faculty of Mechanics and Mathematics. The Moscow University Bulletin. Series 20. Pedagogical Education. 2017; 1:99-110. Available at: URL: https://elibrary.ru/item.asp?id=28960594 (accessed 12.07.2018). (In Russian)
Опубликована
2018-12-10
Как цитировать
РУСАКОВ, Сергей Владимирович; РУСАКОВА, Ольга Леонидовна; ПОСОХИНА, Кристина Андреевна. НЕЙРОСЕТЕВАЯ МОДЕЛЬ ПРОГНОЗИРОВАНИЯ ГРУППЫ РИСКА ПО УСПЕВАЕМОСТИ СТУДЕНТОВ ПЕРВОГО КУРСА. Международный научный журнал «Современные информационные технологии и ИТ-образование», [S.l.], v. 14, n. 4, p. 815-822, dec. 2018. ISSN 2411-1473. Доступно на: <http://sitito.cs.msu.ru/index.php/SITITO/article/view/479>. Дата доступа: 20 apr. 2019 doi: https://doi.org/10.25559/SITITO.14.201804.815-822.
Раздел
ИТ-образование: методология, методическое обеспечение