Исследование оценки качества подготовки обучающихся методами интеллектуального анализа данных :

Татьяна Викторовна  Михеева

doi:10.14258/izvasu(2024)1-16

Татьяна Викторовна Михеева Алтайский государственный университет, Барнаул, Россия Email: mikheeva@math.asu.ru

https://doi.org/10.14258/izvasu(2024)1-16

Ключевые слова: интеллектуальный анализ данных, корреляция, классификация, регрессия, кластеризация, логистическая регрессия, деревья решений, метод k-ближайших соседей, метод k-средних

Аннотация

Статья посвящена применению методов интеллектуального анализа данных в задачах оценки качества подготовки обучающихся на основе официальных данных результатов выпускных проверочных работ по Алтайскому краю. Использованы методика дескриптивного анализа данных, методы корреляционного анализа данных, кластеризации, классификации, регрессии. В результате проведенного исследования определены лучшие алгоритмы методов интеллектуального анализа данных для решения задачи оценки качества подготовки обучающихся. Проведена оценка методами интеллектуального анализа и выявлены наиболее зависимые закономерности. Исследование выполнено машинными и графическими методами вычислительной математики, а результаты имеют теоретическое и прикладное значение. Разработанная программа может служить основой формирования плана исследования в задачах оценки качества подготовки обучающихся на основе анализа результатов выпускных проверочных работ, а также для обоснования рекомендаций на основе количественных оценок, полученных в результате проведенного анализа.

Скачивания

Данные скачивания пока недоступны.

Metrics

Загрузка метрик ...

Биография автора

Татьяна Викторовна Михеева, Алтайский государственный университет, Барнаул, Россия

кандидат технических наук, доцент кафедры информатики

Литература

Методология и критерии оценки качества общего образования в общеобразовательных организациях на основе практики международных исследований качества подготовки обучающихся (утв. приказами Рособрнадзора № 590, Минпросвещения России № 219 от 06.05.2019) (ред. от 11.05.2022) // сайт Консультант плюс. URL: https:// www.consultant.ru/document/cons_doc_LAW_325095/ (дата обращения: 18.11.2023).

Сергеева С.Ю., Обревко Е.Д. Современные подходы и методы оценки качества образования // Молодой ученый. 2019. № 37 (275). С. 162-165.

Соловьев И.В., Филатов С.В. Интегральные оценки качества образования // ИТС. 2014. № 2 (75). С. 14-18.

Рямов РФ. Оценка качества образования — инструмент воздействия на развитие системы образования // Вестник Башкирск. ун-та. 2012. № 3. С. 1423-1425.

О проведении Федеральной службой по надзору в сфере образования и науки мониторинга качества подготовки обучающихся общеобразовательных организаций в форме всероссийских проверочных работ в 2023 году : Приказ Федеральной службы по надзору в сфере образования и науки от 23.12.2022 г. № 1282. // сайт Федеральной службы по надзору в сфере образования и науки. URL: https://obrnadzor.gov.ru/wp-content/uploads/2023/01/1282. pdf (дата обращения: 18.11.2023).

Официальные данные результатов выпускных проверочных работ по Алтайскому краю // сайт Системы аналитики Всероссийских проверочных работ в Алтайском крае. URL: https://stat.22edu.ru/ (дата обращения: 18.11.2023).

Маккинни У. Python и анализ данных. М.: ДМК Пресс, 2020. 540 с.

Скиена Стивен С. Наука о данных. СПб.: ООО «Диалектика», 2020. 544 с.

Абдрахманов М.И. Визуализация данных. Matplotlib. Seaborn. Mayavi, 2020. 412 с.

Баймуратов И.Р. Методы автоматизации машинного обучения СПб.: Университет ИТМО, 2020. 40 с.

Брантон С.Л., Куц Дж.Н. Анализ данных в науке и технике. М.: ДМК Пресс,, 2021. 574 с.