Искусственный интеллект в образовании: преподаватели Ташенев университета улучшают прогнозирование успеваемости студентов
background

Искусственный интеллект в образовании: преподаватели Ташенев университета улучшают прогнозирование успеваемости студентов

Ботаева Сауле Байзаховна · Ақпараттық коммуникациялық технологиялар кафедрасының меңгерушісі, техника ғылымдарының кондидаты, доцент Нахипова Венера Исмаиловна - Ақпараттық коммуникациялық технологиялар кафедрасының техника ғылымдарының магистрі
Медиатека / Статьи Scopus / Искусственный интеллект в образовании: преподаватели Ташенев университета улучшают прогнозирование успеваемости студентов

В журнале International Journal of Information and Communication Technology Education (Q1, CiteScore 4.2, 76-й перцентиль) опубликовано исследование с участием В. Нахиповой и д.т.н. С. Ботаевой из Ташенев университета. Авторы предложили новый подход к прогнозированию академической успеваемости студентов на основе методов машинного обучения.

В центре внимания — интеграция метода наивного Байеса с коллаборативной фильтрацией (технологией, применяемой, например, в рекомендательных системах YouTube, Netflix и др.). Это позволило значительно повысить точность предсказаний об успеваемости студентов.

Особенности исследования:

·     Проанализированы академические данные, включая посещаемость, оценки, активность в LMS;

·     Модель предсказывает студентов в группе риска и помогает преподавателям вовремя принять меры;

·     Интеграция алгоритма в образовательную платформу даёт возможность отслеживать динамику обучения в реальном времени.

Практическое применение:

·     Поддержка студентов, испытывающих трудности, на раннем этапе;

·     Индивидуализация траектории обучения;

·     Повышение эффективности академического сопровождения.

Это исследование отражает стремление Ташенев университета внедрять передовые технологии в образовательную практику.

 

 

International Journal of Information and Communication Technology Education (IJICTE). – 2024. – Vol. 20. – №1. – Р. 1-18.itescore 2023-4.2; Q1, 76  persentile) https://doi.org/10.4018/IJICTE.352512