Система аналізу та прогнозування навчальної продуктивності на основі академічних балів

Abstract

Дана кваліфікаційна магістерська робота присвячена розробці системи аналізу та прогнозування навчальної продуктивності на основі академічних балів з використанням методів машинного навчання. Робота адресована викладачам і експертам у галузі вищої освіти, зацікавленим в покращенні процесів оцінювання здобувачів. Об’єктом є процес оцінювання успішності здобувачів вищої освіти. Предметом є методи та засоби розробки інформаційної системи для моніторингу рейтингових балів та прогнозування подальшої успішності. Метою дослідження є оптимізація процесу обліку та обробки даних про результати навчання, що дозволяє виявити закономірності в успішності здобувачів вищої освіти та прогнозувати їх подальші результати. Методологія включає аналіз предметної області, розробку моделей даних та процесів, специфікацію вимог, вибір алгоритмів обробки та прогнозування даних, а також реалізацію програмного застосунку для моніторингу рейтингових балів. Виконано такі завдання: а) проаналізовано предметну сферу; б) розроблено модель даних; в) розроблено модель процесів у системі; г) здійснено специфікацію вимог; д) обрано алгоритми обробки та прогнозування даних; е) реалізовано застосунок для моніторингу рейтингових балів. This qualification master’s thesis is devoted to the development of a system for analyzing and forecasting academic performance based on academic scores using machine learning methods. The work is addressed to teachers and experts in the field of higher education interested in improving the processes of assessing applicants. The object is the process of assessing the success of higher education applicants. The subject is methods and means of developing an information system for monitoring rating scores and predicting further success. The purpose of the study is to optimize the process of accounting and processing data on learning outcomes, which allows identifying patterns in the success of higher education applicants and predicting their further results. The methodology includes analysis of the subject area, development of data and process models, specification of requirements, selection of data processing and forecasting algorithms, as well as implementation of a software application for monitoring rating scores. The following tasks were performed: a) the subject area was analyzed; b) a data model was developed; c) a model of processes in the system was developed; d) requirements specification was carried out; e) data processing and forecasting algorithms were selected; f) an application for monitoring rating scores was implemented.