Abstract

Досліджено публікації останніх років у галузі інтелектуального аналізу даних навчальних програм. Кількість досліджень у цій галузі зростає, проте здебільшого це однотипні дослідження, що використовують однакові вибірки даних. Розроблено критерії, відповідно до яких було отримано вибірку з публікаціями для проведення аналізу використання методів інтелектуального аналізу даних навчальних програм. Найбільше досліджень у галузі Інтелектуального Аналізу Даних у навчанні стосуються вирішення задачі кластеризації, класифікації та асоціації. Для створення вибірки до уваги обрано дослідження з використанням методів та алгоритмів, що вирішують задачу класифікації. Вибірка статей включає дослідження, що аналізують продуктивність методів класифікації та представляють результати та порівняння показників. За результатом аналізу вибрано алгоритми, що показують найкращі результати продуктивності серед інших алгоритмів з вибірки. Згідно із встановленими критеріями, кожна публікація повинна вирішувати конкретну наукову задачу. У цій галузі методи інтелектуального аналізу даних отримують застосування для вирішення різних прикладних задач у навчальному процесі. Відповідно до контексту та типу прикладної задачі залежить вибір конкретного методу та точність вибраних алгоритмів. Тому категоризація прикладних завдань дає змогу отримувати якісніші підходи до розв'язання наукової задачі. Встановлено категорії проблематики, яких стосуються найбільше наукових досліджень з використанням методів класифікації.

Highlights

  • Вирішення задачі класифікації під час процесу ІАД дає змогу викладачу індивідуально підходити до потреб конкретного студента, що приводить до вищих фінальних результатів та значно підвищує мотивацію під час навчання

  • Methods of educational data mining are used to solve various applied problems in the learning process

Read more

Summary

Методи задачі класифікації є найпопулярнішими в

136 Науковий вісник НЛТУ України, 2019, т. 29, No 6 інтелектуальному аналізі даних навчального процесу згідно з аналізом наукових досліджень останніх років (Bishop, 2006). ● Визначити, які конкретні задачі вирішують автори за допомогою методів класифікації в цих дослідженнях. Загалом кількість досліджень у сфері інтелектуального аналізу даних у освітніх програмах швидко зростає, а також збільшується різноманітність використовуваних методів (Hellas et al, 2018). ● дослідження швидкодії вибраних методів та алгоритмів; ● дослідження чинників, що впливають на вирішення певної проблеми; ● нові методи, що можна застосовувати в задачі класифікації. Для більш якісного аналізу наукових робіт було вибрано статті, що досліджують швидкодію методів та алгоритмів, які розв'язують задачі класифікації. ● чітка постановка наукової задачі з окресленою проблемою; ● використання алгоритмів класифікації; ● продемонстровані результати продуктивності вибраних методів. Беручи до уваги результати інших публікацій на тему літературних оглядів (Hellas et al, 2018), у вибірку попадали тільки ті дослідження, що використовували унікальну неповторювану вибірку даних. У табл. 1 наведено список завдань, що вирішували автори за допомогою методів класифікації

Naive Bayes
Перелік використаних джерел
REVIEW OF CLASSIFICATION METHODS IN EDUCATIONAL DATA MINING
Full Text
Published version (Free)

Talk to us

Join us for a 30 min session where you can share your feedback and ask us any queries you have

Schedule a call