Оценка значимости признаков на основе нейронных сетей в задачах анализа качества дистанционного обучения

Автор(и)

  • Екатерина Михайловна Филоненко Одесский национальный политехнический университет, г. Одесса, Україна
  • Александр Дмитрович Рубан Одесский национальный политехнический университет, г. Одесса, Україна
  • Александр Алексеевич Фомин Одесский национальный политехнический университет, г. Одесса, Україна

DOI:

https://doi.org/10.32626/2308-5916.2018-18.102-110

Анотація

Информатизация современного образования способствует созданию новых методов разработки учебных курсов, что существенно снижает качество обучения студентов. В настоящей работе предложен метод оценки значимости признаков при анализе качества внедрения дистанционного обучения в высшие учебные заведения с применением нейронной сети.

Представлен алгоритм проведения исследования значимости признаков, состоящий из трех этапов: подготовка данных, нейросетевое моделирование и анализ и интерпретация результатов исследования.

Подготовка данных — самый трудоемкий процесс, требующий максимального сосредоточения со стороны аналитика. В качестве обучающей выборки использованы реальные данные обучения студентов университета из системы дистанционного обучения Moodle. Данная система активно используется в качестве инструмента ведения учебного процесса в Одесском национальном политехническом университете.

Нейросетевое моделирование заключается в исследовании информативности признаков после обучения нейронной сети. В качестве входов нейронов использовались данные об успеваемости студентов курсов, в качестве выходов — их результирующая оценка за курс.

Информативность каждого признака определяется с помощью матрицы весов, которая формируется после обучения нейронной сети. Благодаря матрице весов можно определить, какой из признаков наиболее информативен, т.е. наиболее значим для исследования. Значения матрицы весов визуализированы с помощью графиков и гистограмм и дают возможность проанализировать результаты исследования и наглядно подтвердить значимость признаков.

Таким образом, решена задача оценки значимости признаков при анализе данных обучения студентов в системе дистанционного обучения Moodle. Определены исследуемые признаки. Сформирована матрица весов признаков. Обосновано предположение о том, что значения весов признаков характеризуют уровень значимости каждого исследуемого признака. Выделены наиболее значимые признаки, которые влияют на качество внедрения дистанционного обучения.

Посилання

Дубровин В. И. Оценка значимости признаков на основе многослойных нейронных сетей в задачах диагностики и распознавания / В. И. Дубровин, С. А. Субботин // Техническая диагностика. — 2002. — № 1 (3). — С. 66–72.

Савюк Л. К. Правовая статистика : учебник / Л. К. Савюк. — М. : Юристъ, 2004. — 588 с.

Moodle DOCS [Electronic resource]. — Mode of access: https://docs.moodle.org/¬34/en/Main_page.

Филоненко Е. М. Использование когнитивных карт для выделения факторов успеваемости студентов дистанционной формы обучения / Е. М. Филоненко, А. А. Фомин, В. Д. Павленко // Сучасні інформаційні технології 2017 (МІТ-2017) : матеріали сьомої Міжнародної конференції студентів і молодих науковців. Одеса : ОНПУ, 2017. — № 2. — С. 150–151.

Костиков Д. В. Подготовка исходных данных для задачи интерпретации геофизических исследований скважин с помощью многослойной нейронной сети / Д. В. Костиков, А. Н. Петров, В. Е. Лялин // Труды Международного симпозиума «Надежность и качество». — 2007. — Т. 1. — С. 123–128.

Общие подходы к обучению нейронных сетей [Электронный ресурс]. — Режим доступа: http://helpiks.org/6-10671.html.

##submission.downloads##

Опубліковано

2018-11-28