Оценка эффективности различных методов машинного обучения в прогнозировании успеваемости студентов
Аннотация
В статье рассматриваются возможности применения машинного обучения для прогнозирования успеваемости студентов в условиях современного образовательного пространства с постоянно растущими объемами данных. Анализируются ключевые аспекты оценки эффективности различных алгоритмов машинного обучения. Акцентируется внимание на важности адекватных метрик, строгой валидации моделей и учета этических соображений при внедрении технологий прогнозирования.
Об авторах
В. В. Черных
ФГБОУ ВО «Луганский государственный университет имени Владимира Даля»
Россия
Россия
кандидат технических наук, доцент
А. В. Балалаечников
ФГБОУ ВО «Луганский государственный университет имени Владимира Даля»
Россия
Россия
старший преподаватель
Список литературы
1. Вилкова К.А. Учебная аналитика в традиционном образовании: ее роль и результаты / К.А. Вилкова, У.С. Захарова // Университетское управление: практика и анализ. – 2020. – Т. 24. – № 3. – С. 59–76
2. Fernandes E. et al. Educational data mining: Predictive analysis of academic performance of public school students in the capital of Brazil // Journal of Business Research. 2019. No. 94. P. 335-343.
3. Царькова Е.Г. Учебная аналитика в дистанционном обучении: особенности применения и перспективы развития / Е.Г. Царькова // Прикладная психология и педагогика. – 2022. – Т. 7. – № 3. – С. 54–66.
4. Алпатов А.В. Применение машинного обучения для анализа образовательных результатов студентов вузов // Информационные и математические технологии в науке и управлении. 2023. № 4(32). С. 67-78.
5. Егорова Е.С., Попова Н.А. Data Mining в образовании: прогнозирование успеваемости учащихся // Моделирование, оптимизация и информационные технологии. 2023. № 11(2). URL: https://moitvivt.ru/ru/journal/pdf?id=1325 (дата обращения: 30.04.2025).
Рецензия
Для цитирования:
Черных В.В., Балалаечников А.В. Оценка эффективности различных методов машинного обучения в прогнозировании успеваемости студентов. Социально-экономические и технические системы: исследование, проектирование, оптимизация. 2025;(3):231-241.
For citation:
Chernykh V.V., Balalaechnikov A.V. Evaluation the effectiveness of various machine learning methods in predicting student academic performance. Social-economic and technical systems: research, design and optimization. 2025;(3):231-241. (In Russ.)
Просмотров:
10
Послать статью по эл. почте 