Детальная информация

Название: Прогнозирование успеваемости студентов в системах электронного обучения: выпускная квалификационная работа бакалавра: направление 09.03.02 «Информационные системы и технологии» ; образовательная программа 09.03.02_02 «Информационные системы и технологии»
Авторы: Кондратьева Степанида Владиславовна
Научный руководитель: Нестеров Сергей Александрович
Другие авторы: Магер Владимир Евстафьевич
Организация: Санкт-Петербургский политехнический университет Петра Великого. Институт компьютерных наук и технологий
Выходные сведения: Санкт-Петербург, 2020
Коллекция: Выпускные квалификационные работы; Общая коллекция
Тематика: интеллектуальный анализ данных; классификация; прогнозирование; python; data mining; classification; predicting
Тип документа: Выпускная квалификационная работа бакалавра
Тип файла: PDF
Язык: Русский
Код специальности ФГОС: 09.03.02
Группа специальностей ФГОС: 090000 - Информатика и вычислительная техника
Ссылки: Отзыв руководителя; Отчет о проверке на объем и корректность внешних заимствований
DOI: 10.18720/SPBPU/3/2020/vr/vr20-4708
Права доступа: Доступ по паролю из сети Интернет (чтение, печать, копирование)

Разрешенные действия:

Действие 'Прочитать' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети Действие 'Загрузить' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети

Группа: Анонимные пользователи

Сеть: Интернет

Аннотация

Тема выпускной квалификационной работы: «Прогнозирование успеваемости студентов в системах электронного обучения» Цель работы: исследование и применение методов интеллектуального анализа и программных средств для прогнозирования успеваемости студентов. Данная работа посвящена построению прогнозирующих моделей, предсказывающих, окончит студент курс или нет. Задачи, которые решались в ходе исследования: • Обзор возможных задач интеллектуального анализа в образовании, которые имеют отношение к поставленной цели; • Анализ задач и алгоритмов интеллектуального анализа; • Исследование программных средств, позволяющих решить задачи интеллектуального анализа; • Применение рассмотренных программных средств для достижения поставленной цели. В результате работы с помощью языка Python были построены и обучены прогнозирующие модели. Были использованы следующие алгоритмы: метод ближайших соседей, дерево решений, упрощенный алгоритм Байеса, машина опорных векторов и нейронные сети. Для каждого алгоритма были получены метрики и матрица ошибок.

Theme of this work is “Prediction of student performance in e-learning systems” The purpose of this work is research and application of methods of data mining and software for predicting student performance. This work focus on the construction of predictive models that predict whether the student will graduate from the course or not. Solved tasks during the study: • An overview of the possible tasks of educational data mining that are relevant to the goal; • Analysis of tasks and algorithms of data mining; • Study of software tools to solve the tasks of data mining; • Application of the considered software tools to achieve the goal. As a result, predictive models were built and trained using the Python language. The following algorithms were used: K-Nearest Neighbor, Decision Tree, Naive Bayes classifier, Support Vector Machine and Neural networks. For each algorithm, metrics and an error matrix were obtained.

Права на использование объекта хранения

Место доступа Группа пользователей Действие
Локальная сеть ИБК СПбПУ Все Прочитать Печать Загрузить
Интернет Авторизованные пользователи СПбПУ Прочитать Печать Загрузить
Интернет Авторизованные пользователи (не СПбПУ)
-> Интернет Анонимные пользователи

Статистика использования

stat Количество обращений: 3
За последние 30 дней: 0
Подробная статистика