Оценка значимости признаков на основе нейронных сетей в задачах анализа качества дистанционного обучения
Informatization of modern education contributes to the creation of new methods for the development of educational courses, which significantly reduces the quality of students' education. In this paper, a method for assessing the significance of features when analyzing the quality of the introdu...
Збережено в:
| Дата: | 2018 |
|---|---|
| Автори: | , , |
| Формат: | Стаття |
| Мова: | rus |
| Опубліковано: |
Kamianets-Podilskyi National Ivan Ohiienko University
2018
|
| Онлайн доступ: | http://mcm-tech.kpnu.edu.ua/article/view/158725 |
| Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
| Назва журналу: | Mathematical and computer modelling. Series: Technical sciences |
Репозиторії
Mathematical and computer modelling. Series: Technical sciences| id |
mcmtechkpnueduua-article-158725 |
|---|---|
| record_format |
ojs |
| institution |
Mathematical and computer modelling. Series: Technical sciences |
| collection |
OJS |
| language |
rus |
| format |
Article |
| author |
Филоненко, Екатерина Михайловна Рубан, Александр Дмитрович Фомин, Александр Алексеевич |
| spellingShingle |
Филоненко, Екатерина Михайловна Рубан, Александр Дмитрович Фомин, Александр Алексеевич Оценка значимости признаков на основе нейронных сетей в задачах анализа качества дистанционного обучения |
| author_facet |
Филоненко, Екатерина Михайловна Рубан, Александр Дмитрович Фомин, Александр Алексеевич |
| author_sort |
Филоненко, Екатерина Михайловна |
| title |
Оценка значимости признаков на основе нейронных сетей в задачах анализа качества дистанционного обучения |
| title_short |
Оценка значимости признаков на основе нейронных сетей в задачах анализа качества дистанционного обучения |
| title_full |
Оценка значимости признаков на основе нейронных сетей в задачах анализа качества дистанционного обучения |
| title_fullStr |
Оценка значимости признаков на основе нейронных сетей в задачах анализа качества дистанционного обучения |
| title_full_unstemmed |
Оценка значимости признаков на основе нейронных сетей в задачах анализа качества дистанционного обучения |
| title_sort |
оценка значимости признаков на основе нейронных сетей в задачах анализа качества дистанционного обучения |
| title_alt |
Evaluation of the Features Significance Based on Neural Networks in Tasks of the Analysis of the Distance Learning Quality |
| description |
Informatization of modern education contributes to the creation of new methods for the development of educational courses, which significantly reduces the quality of students' education. In this paper, a method for assessing the significance of features when analyzing the quality of the introduction of distance learning in higher education institutions using a neural network is proposed.An algorithm for carrying out a study of significance of features is presented, consisting of three stages: data preparation, neural network modeling and analysis and interpretation of the results of the study.As a training sample, the real data of the university students' training from the Moodle distance learning system was used. This system is actively used as a tool for conducting the educational process at the Odessa National Polytechnic University.Neural network modeling consists in investigating the informative character of the traits after training the neural network. The inputs of neurons were data on the progress of students in the courses, as outputs — their resulting estimate for the course.The values of the matrix of the weights are visualized with the help of graphs and histograms and enable us to analyze the results of the study and clearly confirm the significance of the signs.Thus, the task of assessing the significance of characteristics in the analysis of student learning data in the Moodle distance learning system was solved. The assumption that the weights of the features characterize the level of significance of each investigated feature is substantiated. The most significant features that affect the quality of the introduction of distance learning are highlighted. |
| publisher |
Kamianets-Podilskyi National Ivan Ohiienko University |
| publishDate |
2018 |
| url |
http://mcm-tech.kpnu.edu.ua/article/view/158725 |
| work_keys_str_mv |
AT filonenkoekaterinamihajlovna evaluationofthefeaturessignificancebasedonneuralnetworksintasksoftheanalysisofthedistancelearningquality AT rubanaleksandrdmitrovič evaluationofthefeaturessignificancebasedonneuralnetworksintasksoftheanalysisofthedistancelearningquality AT fominaleksandralekseevič evaluationofthefeaturessignificancebasedonneuralnetworksintasksoftheanalysisofthedistancelearningquality AT filonenkoekaterinamihajlovna ocenkaznačimostipriznakovnaosnovenejronnyhsetejvzadačahanalizakačestvadistancionnogoobučeniâ AT rubanaleksandrdmitrovič ocenkaznačimostipriznakovnaosnovenejronnyhsetejvzadačahanalizakačestvadistancionnogoobučeniâ AT fominaleksandralekseevič ocenkaznačimostipriznakovnaosnovenejronnyhsetejvzadačahanalizakačestvadistancionnogoobučeniâ |
| first_indexed |
2024-04-08T14:59:02Z |
| last_indexed |
2024-04-08T14:59:02Z |
| _version_ |
1795779034160824320 |
| spelling |
mcmtechkpnueduua-article-1587252019-03-07T10:07:31Z Evaluation of the Features Significance Based on Neural Networks in Tasks of the Analysis of the Distance Learning Quality Оценка значимости признаков на основе нейронных сетей в задачах анализа качества дистанционного обучения Филоненко, Екатерина Михайловна Рубан, Александр Дмитрович Фомин, Александр Алексеевич Informatization of modern education contributes to the creation of new methods for the development of educational courses, which significantly reduces the quality of students' education. In this paper, a method for assessing the significance of features when analyzing the quality of the introduction of distance learning in higher education institutions using a neural network is proposed.An algorithm for carrying out a study of significance of features is presented, consisting of three stages: data preparation, neural network modeling and analysis and interpretation of the results of the study.As a training sample, the real data of the university students' training from the Moodle distance learning system was used. This system is actively used as a tool for conducting the educational process at the Odessa National Polytechnic University.Neural network modeling consists in investigating the informative character of the traits after training the neural network. The inputs of neurons were data on the progress of students in the courses, as outputs — their resulting estimate for the course.The values of the matrix of the weights are visualized with the help of graphs and histograms and enable us to analyze the results of the study and clearly confirm the significance of the signs.Thus, the task of assessing the significance of characteristics in the analysis of student learning data in the Moodle distance learning system was solved. The assumption that the weights of the features characterize the level of significance of each investigated feature is substantiated. The most significant features that affect the quality of the introduction of distance learning are highlighted. 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. Kamianets-Podilskyi National Ivan Ohiienko University 2018-11-28 Article Article application/pdf http://mcm-tech.kpnu.edu.ua/article/view/158725 10.32626/2308-5916.2018-18.102-110 Mathematical and computer modelling. Series: Technical sciences; 2018: Mathematical and computer modelling. Series: Technical sciences. Issue 18; 102-110 Математичне та комп'ютерне моделювання. Серія: Технічні науки ; 2018: Математичне та комп'ютерне моделювання. Серія: Технічні науки. Випуск 18; 102-110 2308-5916 10.32626/2308-5916.2018-18 rus http://mcm-tech.kpnu.edu.ua/article/view/158725/158016 Авторське право (c) 2021 Математичне та комп'ютерне моделювання. Серія: Технічні науки |