Details

Title: Разработка инструмента для прогнозирования успешности результатов студенческих проектов на базе технологий машинного обучения (для курса «Основы проектной деятельности» Санкт-Петербургского политехнического университета Петра Великого»): выпускная квалификационная работа бакалавра: направление 27.03.05 «Инноватика» ; образовательная программа 27.03.05_01 «Управление инновациями (по отраслям и сферам экономики)»
Creators: Силина Евгения Яковлевна
Scientific adviser: Цветкова Надежда Андреевна
Organization: Санкт-Петербургский политехнический университет Петра Великого. Институт компьютерных наук и технологий
Imprint: Санкт-Петербург, 2022
Collection: Выпускные квалификационные работы; Общая коллекция
Subjects: команда проекта; результаты проекта; машинное обучение; дерево классификации; project team; project results; machine learning; classification tree
Document type: Bachelor graduation qualification work
File type: PDF
Language: Russian
Level of education: Bachelor
Speciality code (FGOS): 27.03.05
Speciality group (FGOS): 270000 - Управление в технических системах
DOI: 10.18720/SPBPU/3/2022/vr/vr22-2765
Rights: Доступ по паролю из сети Интернет (чтение)
Additionally: New arrival
Record key: ru\spstu\vkr\19700

Allowed Actions:

Action 'Read' will be available if you login or access site from another network

Group: Anonymous

Network: Internet

Annotation

Цель работы – разработка инструмента прогнозирования успешности студенческих проектов на основании данных о студентах-участниках курса на базе машинного обучения. Для достижения данной цели были поставлены и выполнены следующие задачи: Исследование влияние команды проекта на успешность проекта. Проведение статистического анализа деперсонализированных данных курса ОПД 2020-2021 гг. с выводом ключевых факторов, влияющих на результаты проекта. Разработка инструмента для прогнозирования успешности результатов студенческих проектов по ключевым факторам на базе машинного обучения. Проведение апробации разработанного инструмента на курсе «Основы проектной деятельности на базе СПбПУ в весеннем семестре 2021-2022 гг. Оценка точности прогноза по результатам апробации. В ходе работы были проанализированы критерии эффективности команды, исследованы две модели успешности проекта и выведена взаимосвязь между эффективностью команды и успешностью проекта. На основании этого теоретического исследования была выполнена практическая часть работы, включающая в себя подготовку данных за 2020-2021 и 2021-2022 учебные года, проведён корреляционный анализ с последующим анализом качества данных, причин низкой чистоты данных и рекомендаций по её повышению. Как было упомянуто ранее, был разработан инструмент прогнозирования успешности студенческих проектов, с визуализацией результатов (дерева классификации, матрицы ошибок) и блоком прогноза и была проведена апробация инструмента.

The purpose of the work is to develop a tool for predicting the success of student projects based on data on students participating in the course based on machine learning. To achieve this goal, the following tasks were set and completed:Research the impact of the project team on the success of the project. Conducting a statistical analysis of the depersonalized data of FPA course 2020-2021 with the conclusion of the key factors influencing the results of the project. Development of a tool for predicting the success of the results of student projects on key factors based on machine learning. Testing of the developed tool at the course "Fundamentals of project activity” on the basis of SPbSTU in the spring semester of 2021-2022. Assessment of the accuracy of the forecast based on the results of testing.In the course of the work, the criteria for the effectiveness of the team were analyzed, two models of project success were investigated and the relationship between the effectiveness of the team and the success of the project was derived. Based on this theoretical study, the practical part of the work was carried out, including the preparation of data for the 2020-2021 and 2021-2022 academic years, a correlation analysis was carried out, followed by an analysis of data quality, the reasons for the low purity of data and recommendations for its improvement. As mentioned earlier, a tool for predicting the success of student projects was developed, with visualization of the results (classification tree, error matrix) and a forecast block, and the tool was tested.

Document access rights

Network User group Action
ILC SPbPU Local Network All Read
External organizations N2 All Read
External organizations N1 All
Internet Authorized users SPbPU Read
Internet Authorized users (not from SPbPU, N2) Read
Internet Authorized users (not from SPbPU, N1)
-> Internet Anonymous

Usage statistics

stat Access count: 0
Last 30 days: 0
Detailed usage statistics