Система аналізу академічної успішності студентів за допомогою машинного навчання

Abstract

Тема прогнозування успішності студентів за допомогою машинного навчання є надзвичайно актуальною в контексті сучасної вищої освіти. Персоналізація навчання та попередження відпадання студентів стають ключовими аспектами, які можуть покращити якість освіти та забезпечити більший успіх у навчанні. Об’єктом є процес прогнозування академічної успішності студентів. Предметом є алгоритми машинного навчання для прогнозування академічної успішності студентів. Метою є розробка системи для прогнозування академічної успішності студентів за допомогою машинного навчання. В результаті виконання роботи було досліджено декілька алгоритмів машинного навчання для прогнозування, проаналізовано вплив їх внутрішніх параметрів на роботу алгоритмів, визначені основні їх переваги та недоліки, а також розроблено програмне забезпечення, в якому реалізовані відповідні методи. Дана робота складається з розділів. Кожен розділ відповідно присвячений: аналізу предметної області, математичним моделям і методам, використаним у магістерській роботі, моделюванню і проектуванню системи для прогнозування академічної успішності студентів, аналізу отриманих результатів, охороні праці, методичній частині магістерської роботи. Загальний обсяг роботи – 103 сторінки. Кваліфікаційна робота магістра містить 1 додаток, 37 рисунків і 45 посилання на літературних джерел. The topic of predicting student success using machine learning is extremely relevant in the context of modern higher education. Personalization of learning and prevention of student dropout are becoming key aspects that can improve the quality of education and ensure greater academic success. The object is the process of predicting students' academic performance. The subject is machine learning algorithms for predicting students' academic performance. The goal is to develop a system for predicting students' academic performance using machine learning. As a result of the work, several machine learning algorithms for forecasting were investigated, the influence of their internal parameters on the operation of the algorithms was analyzed, their main advantages and disadvantages were determined, and software was developed in which the corresponding methods were implemented. This work consists of sections. Each section is respectively dedicated to: analysis of the subject area, mathematical models and methods used in the master's work, modeling and design of the system for predicting the academic success of students, analysis of the obtained results, labor protection, methodical part of the master's work. The total volume of work is 103 pages. Master's thesis contains an 1 appendix, 37 figures, and 45 references to literary sources.