1 Введение 3
2 Обзор литературы 4
3 Методология 5
4 Данные 8
5 Математические модели прогнозирования успеваемости учащихся с применением цепей Маркова 9
Литература 16
Актуальность. Успеваемость обучающихся является одним из главных показателей качественного образования. На сегодняшний день благодаря введению в школах электронных журналов в системе образования накоплены большие массивы информации, которые можно использовать для анализа успеваемости учащихся и ее прогнозирования. Прогнозирование успеваемости учащихся – важный инструмент оценки эффективности применяемых педагогических технологий и проведения самооценки для учащихся. Благодаря полученным результатам прогнозирования успеваемости учащиеся могут получить опережающую информацию о соответствии собственных результатов обучения требуемому уровню, а преподаватели могут вовремя принять корректирующие меры для работы с учениками, имеющими затруднения в освоении учебной программы [9]. Основываясь на ретроспективных данных об оценках учащихся, можно сформировать прогноз о том, как изменится успеваемость учеников класса, какое их количество будет находиться в определенных состояниях успеваемости.
Целью исследования является построение математических моделей прогнозирования успеваемости учащихся основной школы с использованием цепей Маркова.
Для достижения поставленной цели в работе решаются следующие задачи:
1) изучить теорию цепей Маркова;
2) осуществить сбор информации об успеваемости учащихся по одной из школьных дисциплин за несколько лет;
3) с помощью цепей Маркова получить распределение учащихся по состояниям успеваемости;
4) сравнить получившийся результат с фактическим распределением учащихся по состояниям успеваемости;
5) сделать вывод о пригодности цепей Маркова к прогнозированию успеваемости.
Гипотеза исследования: можно предположить, что цепи Маркова достаточно точно прогнозируют успеваемость учащихся.
Объект исследования: оценки учащихся Лицея Национального исследовательского университета «Высшая школа экономики».
В качестве предмета исследования выступает прогнозирование успеваемости учащихся.
Основным методом исследования являются цепи Маркова.
Войти
в кабинет
в кабинет
Пролистайте материалы и убедитесь в качестве
Анализ успеваемости учащихся с помощью цепей Маркова. А также похожие готовые работы: страница 121 #1207328
Артикул: 1207328
- Предмет: Информатика (программирование)
- Уникальность: 60% (Антиплагиат.ВУЗ)
- Разместил(-а): 702 Лилия в 2023 году
- Количество страниц: 18
- Формат файла: docx
1 470p.
1) Alawadhi, Shafiqah & Konsowa, Mokhtar. (2010). Markov Chain Analysis and Student Academic Progress: An Empirical Comparative Study. Journal of Modern Applied Statistical Methods. 9. 584-595. 10.22237/jmasm/1288585500.
2) Brezavšček, Alenka & Bach, Mirjana & Baggia, Alenka. (2017). Markov Analysis of Students' Performance and Academic Progress in Higher Education. Organizacija. 50. 83-96. 10.1515/orga-2017-0006.
3) Samantha Bradley. Predicting Student Enrollment Using Markov Chain Modeling in SAS. [Электронный ресурс]. URL: https://ire.uncg.edu/research/SRB-SAIR-2017/SRB-SAIR-2017.pdf
4) Алишев Т.Б., Гафаров Ф.М., Хайрулина Л.Э., Сабирова Э.Г. Большие данные в общем образовании: практика анализа отметок о текущей успеваемости в основной и старшей школе // Большие данные в образовании: DATA-ANTHROPO для политик и практик развития. - М.: Наука, 2022 [Электронный ресурс]. URL: http://bigdata-edu.com/docs/2022/dataanthropo.pdf
5) Вентцель Е. С., Овчаров Л. А. Теория случайных процессов и ее инженерные приложения. М. : Юстиция, 2018. - 448 с.
6) Краткое введение в цепи Маркова [Электронный ресурс]. – URL: https://habr.com/ru/articles/455762/
7) Лю Чжиянь. Использование современных технологий в прогнозировании успеваемости обучаемых / Лю Чжиянь. – Текст : непосредственный // Педагогическое образование в России. – 2023. – № 3. – С. 56–76. [Электронный ресурс]. URL: https://pedobrazovanie.ru/images/3-2023/3-2023-56-76.pdf
8) Носков М.В., Вайнштейн Ю.В., Сомова М.В., Федотова И.М. Прогностическая модель оценки успешности предметного обучения в условиях цифровизации образования // Вестник РУДН. Серия: Информатизация образования. 2023. №1. URL: https://cyberleninka.ru/article/n/prognosticheskaya-model-otsenki-uspeshnosti-predmetnogo-obucheniya-v-usloviyah-tsifrovizatsii-obrazovaniya
9) Побединская, Т. В., Заславская, О. Ю. (2022). Использование алгоритмов машинного обучения для прогноза успеваемости учащихся основной школы. Вестник МГПУ. Серия «Информатика и информатизация образования», 4(62), 75–82. DOI: 10.25688/2072-9014.2022.62.4.06
10) Помян С. В., Белоконь О. С. Прогноз результатов успеваемости студентов вуза на основе марковских процессов // Вестник ВятГУ. 2020. №4. URL: https://cyberleninka.ru/article/n/prognoz-rezultatov-uspevaemosti-studentov-vuza-na-osnove-markovskih-protsessov
11) Помян С.В. Мониторинг успеваемости студентов и управление учебным процессом в вузе [Электронный ресурс]. – URL: https://doicode.ru/doifile/lj/74/lj-06-2021-184.pdf
12) Шухман А.Е., Парфенов Д.И., Легашев Л.В., Гришина Л.С. Анализ и прогнозирование успеваемости обучающихся при использовании цифровой образовательной среды // Высшее образование в России. 2021. Т. 30. № 8-9. С. 125-133. DOI: 10.31992/0869- 3617-2021-30-8-9-125-133
2) Brezavšček, Alenka & Bach, Mirjana & Baggia, Alenka. (2017). Markov Analysis of Students' Performance and Academic Progress in Higher Education. Organizacija. 50. 83-96. 10.1515/orga-2017-0006.
3) Samantha Bradley. Predicting Student Enrollment Using Markov Chain Modeling in SAS. [Электронный ресурс]. URL: https://ire.uncg.edu/research/SRB-SAIR-2017/SRB-SAIR-2017.pdf
4) Алишев Т.Б., Гафаров Ф.М., Хайрулина Л.Э., Сабирова Э.Г. Большие данные в общем образовании: практика анализа отметок о текущей успеваемости в основной и старшей школе // Большие данные в образовании: DATA-ANTHROPO для политик и практик развития. - М.: Наука, 2022 [Электронный ресурс]. URL: http://bigdata-edu.com/docs/2022/dataanthropo.pdf
5) Вентцель Е. С., Овчаров Л. А. Теория случайных процессов и ее инженерные приложения. М. : Юстиция, 2018. - 448 с.
6) Краткое введение в цепи Маркова [Электронный ресурс]. – URL: https://habr.com/ru/articles/455762/
7) Лю Чжиянь. Использование современных технологий в прогнозировании успеваемости обучаемых / Лю Чжиянь. – Текст : непосредственный // Педагогическое образование в России. – 2023. – № 3. – С. 56–76. [Электронный ресурс]. URL: https://pedobrazovanie.ru/images/3-2023/3-2023-56-76.pdf
8) Носков М.В., Вайнштейн Ю.В., Сомова М.В., Федотова И.М. Прогностическая модель оценки успешности предметного обучения в условиях цифровизации образования // Вестник РУДН. Серия: Информатизация образования. 2023. №1. URL: https://cyberleninka.ru/article/n/prognosticheskaya-model-otsenki-uspeshnosti-predmetnogo-obucheniya-v-usloviyah-tsifrovizatsii-obrazovaniya
9) Побединская, Т. В., Заславская, О. Ю. (2022). Использование алгоритмов машинного обучения для прогноза успеваемости учащихся основной школы. Вестник МГПУ. Серия «Информатика и информатизация образования», 4(62), 75–82. DOI: 10.25688/2072-9014.2022.62.4.06
10) Помян С. В., Белоконь О. С. Прогноз результатов успеваемости студентов вуза на основе марковских процессов // Вестник ВятГУ. 2020. №4. URL: https://cyberleninka.ru/article/n/prognoz-rezultatov-uspevaemosti-studentov-vuza-na-osnove-markovskih-protsessov
11) Помян С.В. Мониторинг успеваемости студентов и управление учебным процессом в вузе [Электронный ресурс]. – URL: https://doicode.ru/doifile/lj/74/lj-06-2021-184.pdf
12) Шухман А.Е., Парфенов Д.И., Легашев Л.В., Гришина Л.С. Анализ и прогнозирование успеваемости обучающихся при использовании цифровой образовательной среды // Высшее образование в России. 2021. Т. 30. № 8-9. С. 125-133. DOI: 10.31992/0869- 3617-2021-30-8-9-125-133
Материалы, размещаемые в каталоге, с согласия автора, могут использоваться только в качестве дополнительного инструмента для решения имеющихся у вас задач,
сбора информации и источников, содержащих стороннее мнение по вопросу, его оценку, но не являются готовым решением.
Пользователь вправе по собственному усмотрению перерабатывать материалы, создавать производные произведения,
соглашаться или не соглашаться с выводами, предложенными автором, с его позицией.
| Тема: | Анализ успеваемости учащихся с помощью цепей Маркова |
| Артикул: | 1207328 |
| Дата написания: | 12.10.2023 |
| Тип работы: | Индивидуальная работа |
| Предмет: | Информатика (программирование) |
| Оригинальность: | Антиплагиат.ВУЗ — 60% |
| Количество страниц: | 18 |
Файлы артикула: Анализ успеваемости учащихся с помощью цепей Маркова. А также похожие готовые работы: страница 121 по предмету информатика (программирование)
Пролистайте "Анализ успеваемости учащихся с помощью цепей Маркова. А также похожие готовые работы: страница 121" и убедитесь в качестве
После покупки артикул автоматически будет удален с сайта до 04.01.2025
Посмотреть остальные страницы ▼
Честный антиплагиат!
Уникальность работы — 60% (оригинальный текст + цитирования, без учета списка литературы и приложений), приведена по системе Антиплагиат.ВУЗ на момент её написания и могла со временем снизиться. Мы понимаем, что это важно для вас, поэтому сразу после оплаты вы сможете бесплатно поднять её. При этом текст и форматирование в работе останутся прежними.
Гарантируем возврат денег!
Качество каждой готовой работы, представленной в каталоге, проверено и соответствует описанию. В случае обоснованных претензий мы гарантируем возврат денег в течение 24 часов.
Утром сдавать, а работа еще не написана?
Через 30 секунд после оплаты вы скачаете эту работу!
Сегодня уже купили 48 работ. Успей и ты забрать свою пока это не сделал кто-то другой!
ПРЕДЫДУЩАЯ РАБОТА
Организация и методика составления отчёта об изменениях капитала организации
СЛЕДУЮЩАЯ РАБОТА
Применение искусственного интеллекта в условиях цифровой экономики России