О прогнозировании результатов обучения на основе нечеткого моделирования

Аннотация

При обучении школьников или студентов, независимо от изучаемой дисциплины весьма желательно осуществлять прогнозирование знаний учащихся. При этом одним из возможных факторов, на основании которых строится прогнозирование, могут быть знания учащихся по ранее изученным разделам данной дисциплины. Построенный прогноз может позволить более эффективно осуществлять индивидуальный подход к учащимся, повысить качество процесса обучения.
Поскольку все разделы практически любого учебного курса являются взаимосвязанными, можно построить граф, моделирующий структуру связей в рамках всей дисциплины или какой-либо ее части. В связи с тем, что связи между разделами дисциплины имеют различную степень значимости, причем определение этой значимости носит субъективный характер, для моделирования целесообразно использовать нечеткий граф, степени принадлежности дуг которого моделируют тесноту связи между разделами дисциплины в рамках рассматриваемой модели. На основе построенного нечеткого графа можно построить систему нечеткого вывода, позволяющую прогнозировать результаты учебной деятельности по дисциплине. Очевидно, что построение модели в каждом конкретном случае должно осуществляться совместно учителем или специалистом по методике преподавания данной дисциплины и специалистом в области нечеткого моделирования.
В работе рассматривается пример построения нечеткого графа и системы правил для прогнозирования результатов обучения по курсу алгебры 7 класса средней школы и компьютерной реализации построенной модели средствами библиотеки Fuzzy Logic Toolbox пакета MatLab и разработанного нами программного приложения на языке C# с использованием библиотеки Accord. Осуществляется сравнение двух этих подходов к реализации модели.

Сведения об авторе

Vladimir Romanovich Kristalinskii, Смоленский государственный университет

доцент кафедры информатики, физико-математический факультет, кандидат физико-математических наук, доцент

Литература

1. Apatova N.V., Gaponov A.I., Mayorova A.N. Prediction of student performance based on fuzzy logic. Modern high technologies. 2017; (4):7-11. Available at: https://elibrary.ru/item.asp?id=29117410 (accessed 17.03.2021). (In Russ., abstract in Eng.)
2. Kristalinskii V.R., Belousov V.V. Prognozirovanie rezul'tatov obucheniya na osnove nechetkogo i haoticheskogo modelirovaniya [Prediction of learning outcomes based on fuzzy and chaotic modeling]. Sovremennye informacionnye tehnologii i IT-obrazovanie = Modern Information Technologies and IT-Education. 2012; (8):680-684. Available at: https://elibrary.ru/item.asp?id=23020451 (accessed 17.03.2021). (In Russ.)
3. Kristalinskii V.R. Ispol'zovanie sistem nechetkogo vyvoda v prognozirovanii rezul'tatov obucheniya [Using fuzzy inference systems in predicting learning outcomes]. Sistemy komp’yuternoj matematiki i ih prilozheniya = Computer Mathematics Systems and Their Applications. 2011; (12):295-297. Available at: https://elibrary.ru/item.asp?id=44691416 (accessed 17.03.2021). (In Russ.)
4. Boyarinov D.A. The method of consecutive approach to the specified purposes of education within the limits of informational educational space of students' personal development. World of Science. Pedagogy and Psychology. 2014; (4):1. Available at: https://elibrary.ru/item.asp?id=23581557 (accessed 17.03.2021). (In Russ., abstract in Eng.)
5. Grushevsky S.P. Training and information center as a new means of teaching mathematics at the present stage of development of education. Herzen University, SPb; 2001. 142 p. Available at: https://elibrary.ru/item.asp?id=23326543 (accessed 17.03.2021). (In Russ., abstract in Eng.)
6. Leonenkoff A.V. Nechetkoe modelirovanie v srede MATLAB i fuzzyTECH [Fuzzy Simulation in MATLAB and fuzzyTech]. BHV-Peterburg, SPb; 2005. 736 p. (In Russ.)
7. Lukyanenko T.V., Shcheblykin A.G. Prediction of learning outcomes academic group. Colloquium-journal. 2018; (2-1):34-35. Available at: https://elibrary.ru/item.asp?id=32706513 (accessed 17.03.2021). (In Russ., abstract in Eng.)
8. Tashkinov Ju.A. Pedagogical forecasting of educational results of future civil engineers in real time. Personality in a changing world: health, adaptation, development. 2020; 8(1):35-45. (In Russ., abstract in Eng.) DOI: https://doi.org/10.23888/humJ2020135-45
9. Tashkinov Ju.A. Forecasting Construction Engineering Students’ Learning Outcomes by Means of Computational Pedagogys. Integratsiya obrazovaniya = Integration of Education. 2020; 24(3):483-500. (In Russ., abstract in Eng.) DOI: https://doi.org/10.15507/1991-9468.100.024.202003.483-500
10. Kustitskaya T.A. Predicting students' success in learning using Bayesian network. In: Ed. by M. V. Noskov. Proceedings of the International Conference on Informatization of Education and E-learning Methodology. Krasnoyarsk, SFU; 2019. p. 257-262. Available at: https://elibrary.ru/item.asp?id=40646430 (accessed 17.03.2021). (In Russ., abstract in Eng.)
11. Krajewski O.V., Mikhailova A.I. Pedagogical forecasting of course (discipline) mastering. Vocational Education and Labour Market. 2019; (2):41-48. (In Russ., abstract in Eng.) DOI: https://doi.org/10.24411/2307-4264-2019-10207
12. Borisova L.V., Dimitrova L.A., Nurutdinova I.N. Methods of evaluating maturity level of the organization based on fuzzy modeling. Vestnik of Don State Technical University. 2017; 17(1):113-121. (In Russ., abstract in Eng.) DOI: https://doi.org/10.23947/1992-5980-2017-17-1-113-121
13. Dolganov D.N. Model assessment and prediction of academic success. Journal of experimental education. 2018; (1):40-54. Available at: https://www.elibrary.ru/item.asp?id=32672530 (accessed 17.03.2021). (In Russ., abstract in Eng.)
14. Ayusheeva N.N. Fuzzy modeling of automated control systems. In: Ed. by L. A. Bokhoeva. Proceedings of the International Conference on Education and Science. BSU, Ulan-Ude; 2020. p. 219-228. (In Russ., abstract in Eng.) DOI: https://doi.org/10.18101/978-5-9793-1496-9-219-228
15. Saidova Z.A., Zubairov I.H. Decision-making based on fuzzy modeling of a complex system. Natural and Technical Sciences. 2021; (5):212-215. (In Russ., abstract in Eng.) DOI: https://doi.org/10.25633/ETN.2021.05.14
16. Sakharova L.V., Arapova E.A., Alekseychik T.V., Bogachyov T.V. Assessment of state of atmosphere in region using fuzzy modeling. Vestnik of Rostov State Economic University (RINH). 2018; (3):152-159. Available at: https://www.elibrary.ru/item.asp?id=36527857 (accessed 17.03.2021). (In Russ., abstract in Eng.)
17. Tang H.-W.V., Yin M.-S. Forecasting performance of grey prediction for education expenditure and school enrollment. Economics of Education Review. 2012; 31(4):452-462. (In Eng.) DOI: https://doi.org/10.1016/j.econedurev.2011.12.007
18. Bousnguar H., Najdi L., Battou A. Forecasting approaches in a higher education setting. Education and Information Technologies. 2022; 27(2):1993-2011. (In Eng.) DOI: https://doi.org/10.1007/s10639-021-10684-z
19. Beilin I.L., Khomenko V.V. Theoretical bases of project management in conditions of innovative economy based on fuzzy modeling. Journal of Physics: Conference Series. 2018; 1015(3):032013. (In Eng.) DOI: https://doi.org/1010.1088/1742-6596/1015/3/032013
20. Khan A., Kumar S. T-S fuzzy modeling and predictive control and synchronization of chaotic satellite systems. International Journal of Modelling and Simulation. 2019; 39(3):203-213. (In Eng.) DOI: https://doi.org/10.1080/02286203.2018.1563393
21. Castillo O., Melin P. Forecasting of COVID-19 time series for countries in the world based on a hybrid approach combining the fractal dimension and fuzzy logic. Chaos, Solitons & Fractals. 2020; 140:110242. (In Eng.) DOI: https://doi.org/10.1016/j.chaos.2020.110242
22. Ivanov M. et al. Fuzzy modeling in human resource management. E3S Web of Conferences. 2020; 166:13010. (In Eng.) DOI: https://doi.org/10.1051/e3sconf/202016613010
23. Maitra S., Madan S., Mahajan P. An Adaptive Neural Fuzzy Inference System for prediction of student performance in Higher Education. 2018 International Conference on Advances in Computing, Communication Control and Networking (ICACCCN). IEEE Press, Greater Noida, India; 2018. p. 1158-1163. (In Eng.) DOI: https://doi.org/10.1109/ICACCCN.2018.8748869
24. Minzhi L., Qi S. Study on Fuzzy Evaluation of the Quality of MOOC Teaching Based on AHP. 2018 13th International Conference on Computer Science & Education (ICCSE). IEEE Press, Colombo, Sri Lanka; 2018. p. 1-4. (In Eng.) DOI: https://doi.org/10.1109/ICCSE.2018.8468850
25. Markova S.M., Tsyplakova S.A., Sedykh C.P., Khizhnaya A.V., Filatova O.N. Forecasting the Development of Professional Education. In: Ed. by E. G. Popkova, B. S. Sergi. The 21st Century from the Positions of Modern Science: Intellectual, Digital and Innovative Aspects. ISC 2019. Lecture Notes in Networks and Systems. 2020; 91:452-459. Springer, Cham. (In Eng.) DOI: https://doi.org/10.1007/978-3-030-32015-7_51
Опубликована
2021-06-30
Как цитировать
KRISTALINSKII, Vladimir Romanovich. О прогнозировании результатов обучения на основе нечеткого моделирования. Современные информационные технологии и ИТ-образование, [S.l.], v. 17, n. 2, p. 453-463, june 2021. ISSN 2411-1473. Доступно на: <http://sitito.cs.msu.ru/index.php/SITITO/article/view/766>. Дата доступа: 02 oct. 2022 doi: https://doi.org/10.25559/SITITO.17.202102.453-463.
Раздел
Научное программное обеспечение в образовании и науке

Наиболее читаемые статьи этого автора (авторов)