ОПРЕДЕЛЕНИЕ МОДЕЛЕЙ ОБУЧЕНИЯ С ИСПОЛЬЗОВАНИЕМ МЕТОДОВ МАШИННОГО ОБУЧЕНИЯ

Аннотация

Стремительное развитие технологий искусственного интеллекта (ИИ) оказывает значительное влияние на сферу образования. Современные методы обучения все больше опираются на анализ данных, получаемых в процессе образовательной деятельности. Благодаря постоянно растущей доступности информации об обучающихся, включая данные из систем управления обучением (LMS), базы данных образовательных учреждений и результаты курсовых оценок, становится возможным проведение углубленного статистического анализа педагогических инноваций.
В данной статье исследуются ключевые аспекты использования аналитики обучения (Learning Analytics, LA) и анализа образовательных данных (Educational Data Mining, EDM) для отслеживания учебного прогресса. Интеграция аналитики обучения в системы управления обучением (LMS) позволяет повысить эффективность образовательного процесса за счет
прогнозирования и предотвращения проблем, связанных с успеваемостью студентов.

Авторы рассматривают закономерности в образовательных данных для разработки моделей прогнозирования, которые могут помочь обучающимся и преподавателям, а также поддерживать административные решения с использованием методов машинного обучения. Основное внимание уделено объединению методов машинного обучения с педагогическими и психологическими теориями, что способствует улучшению процессов сбора, обработки и анализа данных для оптимизации академической политики.
В статье представлены практические примеры применения машинного обучения как методологической основы образовательной аналитики. Предлагаются инструменты статистического анализа и прогнозирования, направленные на решение задач интеллектуального анализа данных (EDM) с использованием прогностических моделей, построенных на базе различных алгоритмов машинного обучения.