Методы интеллектуального анализа данных для анализа состояния системы образования в вузе и прогнозирования ее развития

В данной разработке была поставлена задача исследования возможностей методов интеллектуального анализа данных (далее МИАД) (Data Mining и, в частности, искусственных нейронных сетей) для анализа состояния системы образования в вузе и прогнозирования ее развития. Сначала авторы описывают общие задачи, которые могут решать МИАД. Далее рассказывают о собственном исследовании, в рамках которого на сайте http://mfi.chuvsu.ru/opros/ размещены анкеты-интервью, заполняемые в режиме он-лайн и содержащие около 100 вопросов по процессу образования в целом и качеству образовательного процесса. К настоящему времени собрано около 300 анкет (около 30 000 ответов). Данные ответов на вопросы анкет представляются в виде таблицы, затем проводятся их обработка, анализ и моделирование с помощью МИАД. В таблице приведены результаты оценки корреляции между результатами ЕГЭ и результатами первой сессии студентов. Результаты показывают, что непосредственной линейной связи между баллами ЕГЭ и оценками первой сессии студентов нет и что связь эта существенно нелинейная. Для выявления этой связи были использованы искусственные нейронные сети, с помощью которых были построены вычислительные модели, позволяющие по баллам ЕГЭ прогнозировать успеваемость студентов в первую сессию. Были исследованы закономерности «траектории» качества учебной работы студентов в виде связей между оценками, полученными студентами на экзаменационных сессиях разных семестров. В качестве аналитической платформы использовалась система Deductor. Работа в настоящее время продолжается. В дополнение к данным анкет-интервью планируется собрать данные по финансовому обеспечению образовательного процесса, экспертным оценкам итоговых аттестаций, российскому рейтингу вуза, уровню конкурсного отбора абитуриентов и т.д. Данные материалы могут быть использованы для анализа опыта применения методов анализа (классификации, кластеризации, прогнозирования) в образовании на семинарах или лекциях.