Прогнозирование уровня предметной обученности студентов путем СК-анализа данных об их социальном статусе Текст научной статьи по специальности «Компьютерные и информационные науки»

УДК 378 ББК 74.580.22 Л 86

Е.В. Луценко, В.Е. Коржаков

Прогнозирование уровня предметной обученности студентов путем СК-анализа данных об их социальном статусе

(Рецензирована)

Аннотация:

В статье обосновывается необходимость и возможность создания интеллектуальной технологии синтеза типовых моделей детерминации уровней предметной обученности студентов, что обеспечивает прогнозирование и поддержку принятия решений с целью повышения качества подготовки специалистов.

:

Интеллектуальная технология, прогнозирование, синтез, типовые модели, детерминация, уровень обу, , , .

ФГОУ ВПО Адыгейский государственный университет» (АГУ) является наиболее крупным вузом Республики Адыгея, решающим важнейшую задачу подготовки специалистов по широкому спектру специальностей. При этом достигаются следующие важнейшие производственные, экономические и социальные цели:

1. Предприятия и организации Республики Адыгея, Южного федерального округа и России получают квалифицированных специалистов.

2. Население повышает свой образовательный уровень и реализует свои чаяния и ожидания в области культуры и образования.

3. Вуз получает прибыль и получает возможность развивать свою научную и учебно-методическую и образовательную базу, усиливать кадровый состав, повышать качество обучения и воспитания специалистов.

Наше время предъявляет все более жесткие и высокие требования к качеству подготовки специалистов, что требует от всей системы высшего профессионального образования вообще и нашего вуза в частности постоянно уделять внимание вопросам качества образования, и при этом не только сохранять традиции и все лучшее, достигнутое в прошлые годы, но и систематически искать и внедрять новейшие достижения в этой стремительно развивающейся области.

Однако, на наш взгляд, Адыгейский государственный университет в области качества образования до сих пор ограничивался традиционными подходами и недостаточно внимания уделяет созданию современной инновационной инфраструктуры обеспечения качества подготовки специалистов.

Можно обоснованно утверждать, что в АГУ в области управления качеством подготовки специалистов сложилась проблемная ситуация, состоящая в том, что с одной стороны требования к качеству подготовки специалистов постоянно повышаются, а с другой стороны, традиционные подходы к обеспечению этого качества уже не являются вполне адекватными требованиям, предъявляемым временем.

Таким образом, актуальность исследования не вызывает сомнений.

Традиционно на практике при принятии решения о зачислении абитуриента на обучение в вуз или при определении специализации не используется информация прогнозного характера об их возможных учебных дости-

жениях по различным дисциплинам.

Причины этого многочисленны, но в данной статье мы в качестве основных рассматриваем необходимость

,

, ( ) -тов или студентов для получения подобных прогнозов, а также отсутствие необходимых для этого методик и про.

, , решаемая в работе состоит в том, что с одной стороны желательно иметь прогнозную информацию о возможных учебных достижениях абитуриентов или студентов по различным дисциплинам, а с другой стороны Фактически нет доступных на практике методик и инструмен-,

.

При этом необходимо отметить, что рассмотрение юридических, организационных, информационных, технических и кадровых условий решения данной проблемы не входит в задачи данной статьи.

Идея решения проблемы: если выявить зависимости между учебными достижениями учащихся и особенностями (^изнаками) их социального статуса, то по признакам социального статуса можно косвенно оценивать, . . , тем или иным учебным достижениям при изучении различных учебных дисциплин. Безусловно косвенные измерения всегда имеют определенную погрешность, которую необходимо знать и контролировать, что также предполагается сделать в настоящей работе.

Цель исследования: выявление зав исимостей между особенностями социального статуса учащихся и их учебными достижениями по дисциплинам, изучаемым в

, , , -рования учебных достижений и предоставления дополнительной информации для принятия решений о зачислении абитуриентов и выборе специализации.

Данная цель может быть достигнута путем ее деком-позииии в следующую последовательность задач и их :

- задача 1: «Типизация особенностей социального статуса студентов по уровням их предметной обученности по различным дисциплинам, выявление зависимо-

стаи между признаками социального статуса учащихся и их учебными достижениями»;

- задача 2: «Р^работка методики прогнозирования уровней предметной обученности студентов ФПИ на ос»;

- задача 3: «Р^работка методики поддержки принятия решений по выбору специализации студентами ФПИ (экономической или юридической) на основе осо».

Метод системно-когнитивного анализа (СК-анализ) выбран нами в связи с тем, что он позволяет обрабатывать зашумленные фрагментарные данные большой размерности и для него существует доступный и апробированный

Основные этапы системно-когнитивного анализа:

- синтез содержательной информационной модели

.

- -

.

- -

онной модели предметной области.

В соответствии с этой технологией были построены две справочные таблицы для кодирования исходной ин-:

-

дисциплинам (оценки: 3, 4, 5) (таблица 1);

- признаки социального статуса студента (таблица 2).

программный инструментарий [1-9].

Таблица 1 - КЛАССИФИКАЦИОННЫЕ ШКАЛЫ (ФРАГМЕНТ)

Код Наименование

Условное Полное

1 Кеи Шр1 КРАСНЫЙ ДИПЛОМ

2 АЬЬ Средний балл

3 СОБ ЦИКЛ ОБЩЕОБРАЗОВАТЕЛЬНЫХ ДИСЦИПЛИН (Србалл)

4 СОБ 01 Английский язык

5 СОБ 02 Логика

6 СОБ 03 Политология

7 СОБ 04 История Отечества

8 СОБ 05 Правоведение

9 СОБ 06 Философия

10 СОБ 07 Теория систем и системный анализ

11 СОБ 08 Экология

12 СКБ ЦИКЛ КОМПЬЮТЕРНЫХ ДИСЦИПЛИН (Србалл)

13 СКБ 01 ШеЪ-дизайн и компьютерная графика

14 СКБ 02 Алгоритмические языки высокого уровня

15 СКБ 03 Алгоритмы и структуры данных

16 СКБ 04 Базы данных

17 СКБ 05 Высокоуровневые методы информатики и программирования

18 СКБ 06 Вычислительные системы, сети и телекоммуникации

19 СКБ 08 Дискретная математика

20 СКБ 09 Имитационное моделирование

21 СКБ 10 Имитационное моделирование ИС в БУ и ФД

22 СКБ 11 Интеллектуальные информационные системы

23 СКБ 12 Информатика

24 СКБ 13 Информационная безопасность

25 СКБ 14 ИС в БУ, управлении и ФД

26 СКБ 15 Информационные системы в юриспруденции

27 СКБ 16 Информационные системы и информационные технологии

28 СКБ 17 Информационный менеджмент

29 СКБ 18 Компьютерные методы решения задач в юриспруденции

30 СКБ 19 Математика

31 СКБ 20 Мат.логика, теор.мпожесгв, дискр.математика

32 СКБ 21 Математическая экономика

33 СКБ 22 МЛОИ

34 СКБ 23 Операционные системы, среды и оболочки

35 СКБ 24 Основы алгоритмизации и программирования

36 СКБ 25 Преддипломная практика

37 СКБ 26 Программирование на языке Ассемблера для 1ВМ РС

№ п/п Код призн. Наименования шкал и градаций признаков

[ 8] ПОЛ

1 25 Муж.

2 26 Жен.

[ 9] МЕСТО РОЖДЕНИЯ

3 27 Краевой центр.

4 28 Районный центр.

5 29 Село (^тор, деревня).

[ 10] СЕМЕЙНОЕ ПОЛОЖЕНИЕ

6 30 Холост.

7 31 Женат (замужем).

[ 11] КОЛИЧЕСТВО ДЕТЕЙ В СЕМЬЕ

8 32 1.

9 33 2.

10 34 3 и более.

[ 12] СОЦИАЛЬНОЕ ПОЛОЖЕНИЕ ОТЦА

11 35 Госслужащий.

12 36 Военнослужащий.

13 37 Предприниматель.

14 38 Интеллигент.

15 39 Рабочий.

16 40 Крестьянин (фермер).

17 41 Безработный.

[ 13] СОЦИАЛЬНОЕ ПОЛОЖЕНИЕ МАТЕРИ

18 42 Госслужащая.

19 43 Военнослужащая.

20 44 Предприниматель.

21 45 Интеллигент.

22 46 Рабочая.

23 47 Крестьянка (фермер).

24 48 Безработная (домохозяйка).

Сами исходные данные взяты из предоставленных деканатом факультета прикладной информатики КубГАУ личных карточек студентов и журналов успеваемости,

260 3 :

с 2004 по 2006 годы. В соответствии с разработанными справочниками, т.е. классификационными и описательными шкалами и градациями, произведено кодирование .

Результаты кодирования исходных данных из журналов с помощью разработанных шкал представлены ЕХСЕЬ-таблице, фрагмент которой представлен в табли-

3.

Разработан программный интерфейс, обеспечивающий автоматический ввод обучающей выборки из Ехсе1-файла с входной информацией в соответствующие базы

« »,

- ( -

сунке 1).

Дальнейшие этапы исследования выполнялись с помощью системы «Эйдос» в подсистеме синтеза модели.

После формирования модели, была измерена средневзвешенная достоверность прогнозирования учебных

, -лись при синтезе модели. Средневзвешенная адекватность прогнозирования более 70% вполне достаточна для целей работы фисунок 2).

Повышение достоверности модели может быть достигнуто путем увеличения количества информации о социальном статусе студентов.

, -казывает лишь принципиальную возможность прогнозирования предметной обученности студентов на основе данных об их социальном статусе и сам сбор данных был осуществлен исключительно по документам без интервьюирования самих студентов.

Получена матрица информативности с конкретными значениями силы и направления зависимостей между признаками социального статуса студентов и их учебны. -шение 1-й задачи (таблица 3). На основе нее решаются две другие задачи: прогнозирования и поддержки .

h Îjwjii.Iip. (lllUTTi 3 D z i ■ 3 - Я s 1 ■Л S ” ï . ; J il ii П — fi Js != w i ï . S : * i - с : с с ■: i г ■; ir 4 » y } ■ : - ■ S г - 1 * ■ EL c T E a- ■: J с я. 4 ! _ 3, L1 S I 1 г f S £ &5 ri \ к i H ï : Ej _ -- =. T -1 _ ü ï E Л i f 1 : X i U lî i & ■■ I I ж E ! : s 1 S M m s г ■ 4 s. 1 и г } s а. : i ‘Ч 2 ‘E X 4 J G l5 Ll [Il . a," : eu lît E s u : * - i « я H * > r j 3 Ш к ï I 1 i ■ L, У i X I ■Щ E ï С il 4 l X T i a ? 4 3 С : ■B 1 а î ■ э =■> ill : i 5 _ »: “ i E ii ■a M il Г t n ; i 4 Î i u D ■ £ E B : X E à ï 3 c. с « 3, . ■i л t = ni m"5 Us ifs I-0 * - E S i X u II II !i = ■> if E : i - — - a * * Z l ï ■ I ï 4, X î ■s I X X й :■ ■ I U. a ü- T

1 г ï j s i 1 1 i %■ II li 1i 11 H 1Ц 1Г * 1) я 21 n U Jt Д ii ZI 3

■■F1 Utr* i g F ni D s л a = ■ ■ “i - ri ? i - К P ç a a g à t ! s i ï t' j ± i i | 1 ï * i ï s. ! » l E Ç \ i 1 £ è ï 4- J г Tj 5 i 4 s; ""l Ç i

-idli-.L *I| klj

■№1

| 5*ЫНЧ ЕаУ"|" -V- H J 3 t ] j i i t t i i ■" ] s E i w 4 i

1 JU * 5 - * J i < j ; j s î i j E : î E J ■-

1 Tuf S"ta Ï! “-V WFiCi ' baljnw 15 J “ J i : j î 1 j : 3 i : 3 E l M- i ;

| "'iVh , iViflfërH CWlWJ M J T" % j 1 J r* m 5 j 3 3 m 1 i 4 1 m J

А 1 Й :ь:еч1 Ц* 4*^.4 U S E i i E i ï i 5 * 5 ; s s •S E S *“■ [ :i

■¡Е:Е?^:5Е E*i!-* Ев • 5S 1 J J 3 ] j ■ 1 i 3 : ] m ; J J! J

г i.piîiJfî.+U IJ £. s î j j rJ * 4 4 i s 4 s 5 m J

* ■Vimr (пттгп Cnrijnou 11 1 F -4 s* i i ] r J 1“ 2 i 2 *4 1 H- i 4 1 ■** 44 J

HQiBfD BltaFit- 1.1 5 ns 1 i i : 5 r m i t i m m ■i- E w m 7

il Ffr.-rf.^’U u E ■” ™ J * s i i S i - i E t S m { Î ■“ m i z

м ftSh'.Q-q IIhuiui См! для 11 1 J ШЛ “■ J i i J ] 1 3 m 2 ] j ] 1Ы : ■■ j 4 5 ■1 J

п 15 •¿■‘.ïii-.u il J 3 i J ] 1 > " 3 i 3 J 4 _ ï E 1 w J

II Cl* J J»4J 1Л 1 ‘ — j 3 t î j J ] 2 i J ■“ i 4 i 2

N hW-4 tint IVï» (Wijmw il 5 E ь i i J ■! 1 i 3 E 1 i ru 4 i E S :

1! ¡ДОй»1 l U & 1 i i 1 ■ i b 4 1 T E 6 ; i

If CmljnH 1) 4 F i j s j - J * ■» 1 i ] ; i J i r-i !

[7 |,j:iïiT4;*u A.-p .•'/ -/■ TWPH Uflijmob Jd S i j 1 s J 5 5 ,, J i 4 4 i E 5 : ï

1 ■ i - н ]] 1 ■* j 1 3 1 i 1 — 4 s 4 5 i

II ч Kli'-i ¿j rp rf- An ■ : ад с fj (>*ézrr-:u 3) 4 J *- j i ] - [ 1 i i S 3 4 — 4 3 ç i » §

Л -îi.h MjéWU ii 1 b J j J : 1 t ■j J t i “■ : i E i w E 5

1IP>V

î\ tVUlfli ihh'ïiiipj'CX'- lüm*»™ 11 J i “ D <i j i ; 1 Ë ] Ш J !" Q D Q ■w ■i ï

Я ¡WlXAN H J от — J 7 : J ■ 1 i i : s 5 — 7 ■™ 1 5 ”■ -1 E ■j

п üï:ïi lii El№ï r*Kp'l-i (Mini ■J i i — J A E 4 ] J 3 i 4 1 4 E i 4 1 — J

а rWiiB* EtM Ькнм* [MéJuk* a S b — — i i ъ J J 1 J i i 4 5 E 5 W "i i

т> U ь - i i J ~ i * i i t 4 ™ J î 4 i " i 7

■ *г доа -■ s "" ; J J 4 1 Ы - ■Ш J fri- H* J

Задача принятия решений является обратной по

отношению к задаче прогнозирования. Если при прогнозировании мы по признакам почерка определяем возможные учебные достижения студентов по различным дисциплинам, то при принятии решений, наоборот, по заданному уровню предметной обученности определяем какими признаками социального статуса обладают студенты, имеющие эти учебные достижения (пример формы, содержащей подобную информацию по одному классу, приведен в таблице 5).

Получен основной результат, состоящий в том, что , -циального статуса характерны для студентов, имеющих заданный уровень учебных достижений, например отличную успеваемость по каким-либо конкретным дисциплинам, циклам дисциплин или по всем дисциплинам, изучаемым на факультете («Красный диплом»).

, -кретном вузе необходимо адаптировать модель с исполь-

зованием данных о студентах именно данного конкретно, -ду особенностями социального статуса студентов и их ,

именно для данного вуза, кроме того это необходимо делать на более представительной обучающей выборке. Могут быть разработаны также региональные методики и методика для всей Российской Федерации, но они неизбежно не будут отражать специфические для конкретных вузов и регионов закономерности, а значит будут иметь , . На основе полученной матрицы информативности для каждого конкретного студента по признакам его социального статуса можно прогнозировать его учебные достижения по различным дисциплинам и циклам дисци-.

«Эйдос» в форме карточки, представленной на рисунке 3.

В верхней части карточки строки соответствуют Существует также возможность получения инфор-

классам, с которым данный студент имеет наибольшее мации о всех студентах, имеющих наибольшее или наи-

сходство, а в нижней - наименьшее. меньшее сходство с заданным классом (обобщенной ка-

тегорией) фисунок 4).

ГЕНЕРАЦИЯ! КЛАССИФИКАЦИОННЫХ г

ОТКРЫТЬ ИСХОДНЫЕ И РЕЗУЛЬТИРУЮЩИЕ БАЗЫ ДАННЫХ КЛАССИФИКАЦИОННЫХ ШКАЛ И ГРАДАЦИЙ

СБРОСИТЬ РЕЗУЛЬТИРУЮЩУЮ БАЗУ ДАННЫХ КЛАССИФИКАЦИОННЫХ ШКАЛ И ГРАДАЦИЙ

СФОРМИРОВАТЬ КЛАССИФИКАЦИОННУЮ ШКАЛУ: «КРАСНЫЙ ДИПЛОМ»

СФОРМИРОВАТЬ КЛАССИФИКАЦИОННЫЕ ШКАЛЫ И ГРАДАЦИИ ПО УЧЕБНЫМ ДИСЦИПЛИНАМ

ГЕНЕРАЦИЯ ОПИСАТЕЛЬНЫХ ШКАЛ И ГРАДАЦИЙ ^

ОТКРЫТЬ ИСХОДНЫЕ И PE3yj ОПИСАТЕЛЬНЫХ L Г| ЬТИ РУЮ ИДИ Е БАЗЫ ДАННЫХ и КАЛ И ГРАДАЦИЙ

СБРОСИТЬ РЕЗУЛЬТИРУЮЩИЕ БАЗЫ ДАННЫХ ОПИСАТЕЛЬНЫХ ШКАЛ И ГРАДАЦИЙ

СФОРМИРОВАТЬ СПРАВОЧНИК ОПИСАТЕЛЬНЫХ ШКАЛ

СФОРМИРОВАТЬ СПРАВОЧНИК ГРАДАЦИЙ ОПИСАТЕЛЬНЫХ Ш КАЛ

ГЕНЕРАЦИЯ! ОБУЧАЮЩЕЙ ВЫБОРКИ

ОТКРЫТЬ ИСХОДНЫЕ И РЕЗУЛЬТИРУЮЩИЕ БАЗЫ ДАННЫХ ОБУЧАЮЩЕЙ ВЫБОРКИ

СБРОСИТЬ» RЕЗУЛЬТИРУЮЩИЕ БАЗЫ ДАННЫХ ОБУЧАЮЩЕЙ ВЫБОРКИ

НАЧАЛО ЦИКЛА ПО СТУДЕНТАМ В ЕХСЕЬТАБЛИЦЕ ИСХОДНЫХ ДАННЫХ

СФОРМИРОВАТЬ МАССИВ КОДОВ КЛАССОВ + --------------------------------

ДОЗАПИСЬ БАЗЫ ДАННЫХ ЗАГОЛОВКОВ АНКЕТЫ

СФОРМИРОВАТЬ МАССИВ КОДОВ ПРИЗНАКОВ

ДОЗАПИСЬ БАЗЫ ДАННЫХ ПРИЗНАКОВ АНКЕТЫ

Рисунок 1. Алгоритм программного интерфейса между ЕхсеЬформой и системой «Эйдос»

_ 1

Уни в гр с 2-і ьн за когниун&ная вналитцчрС чая су стена. 16: де

Рисунок 2. Экранная форма по достоверности модели

Таблица 4 - КОЛИЧЕСТВЕННАЯ ОЦЕНКА СИЛЫ И НАПРАВЛЕНИЯ СВЯЗЕЙ МЕЖДУ ОСОБЕННОСТЯМИ СОЦИАЛЬНОГО СТАТУСА СТУДЕНТОВ И ИХ ПРЕДМЕТНОЙ ОБУЧЕННОСТЬЮ (Битх100) (ФРАГМЕНТ)

Рисунок 3 - Пример экранной формы с результатами прогнозирования предметной обученности конкретного студента («штичками» отмечены те классы (^общенные категории), к которым данный студент действительно относится)

Рисунок 4 - Результаты идентификации студентов с классом: «Красный диплом» («штичками» отмечены студенты, которые относятся к данному классу)

Таблица 5 - ПОДДЕРЖКА ПРИНЯТИЯ РЕШЕНИЙ ПО ВЫБОРУ СПЕЦИАЛИЗАЦИИ СТУДЕНТАМИ НА ОСНОВЕ УЧЕТА ОСОБЕННОСТЕЙ ИХ СОЦИАЛЬНОГО СТАТУСА (пример с классом: «красный диплом»)

К^ц: З І ііиічіґ мші:ін : Ьї Г1) ИРЬ КРАСЯЫП ДИПЛОМ

12:54:34 *нш,тці Дії. ^

1 11 | | К'.щ | I п/п | | Пріп 1 І ьЕЭ ІЖКШИІХ -И ГЕ>-рЕ-.Н'ЛЛ.Зл пр И Л1ЄОВ 1 1ІНАКЙІ |ИЦ-4н.'|> ІІ-ІИІ-.І*! |<:уі1Н{ір | ІНАТ-П. |нлт-ті.|иігф-ті. | І СИТ IV | |

1 1 1 1 13 ИЩаЛЫПК [кикглънкь МЛІ КГН 13 Ве*н№схуяв^н ■ . л ц,» 1 12.Л 1

1 2 1 12 35 £.Г.ІЦПАЛЬНи£ [Н>Л4.ЇЖКНКЬ Ні ГИЛ ІУхХ'ЛуЖЛ ЩИН . 0 3*6 11 35 1 23 0 |

| 3 1 13 11 дрци«Ш№к пдатожевто шїгери Цмпышна С*бр*ит-1 0 353 11 10 1 3 5 0 |

і а 1 и 26 ПОЛ г+н II . . 0 215 2.82 1 37 . Б |

1 ч 1 12 39 СОШПЛЬНЮБ пшпнт «ЦЛ РгіІ.'» гчни .... 0 111 1.46 1 ЗЇ.З |

1 6 1 11 34 КҐЕЛІІЧЕіІТВО ЛЕТЕ к В СТМЬЕ 3 ЕІ болл«! . . . 0. 0^4 ] .24 1 40. 5 |

| 7 1 9 ї"? Е' г*ИЕЕ1ИЯ и сщл 1 15 1 41 1 1

1 в 1 11 НйЛНІПВй интел н ґ.ьиье; і . 4 .ОТО А ■ 42 1 41.« 1

1 4 1 13 4а СШПЛЫРЖ ПЩКМ^ЕНИЕ МГіТКІЧГ П| Ь?ГЦ 11' 1 Ш И 11 -1 -|И^Л ь . 0 05"? 0 Р л 1 43 3 |

1 10 1 ш 30 ґ ТТ-ЕКИН' <=! ДОДОЧВНВ КЯН9 . . . . 0 5П 3 23 1 43 5 |

1 1 13 4Ї СйЦКЫЫКЖ ір- >і\* аъшмЕ: млгъгн ГкХ'ґ-ИДЯ . . -0 00Э -о.оз 1 4*.* 1

1 1# 1 11 33 КОЛ11']ГС ТИО ЛЕТЕЛ Е1 ГТННЪЕ 2 . . -0 0<Г? -0.05 1 4 3 1 |

1 13 1 13 45 сшиишк Г**Лн/АЕЕ1ИЕ МІЇТЕПІ Нпт-.-лли Г->1 ІТ . . . . . . -0.023 -0.30 1 ¿4.0 |

і і а і 1 і 46 ООЦНМШКК ГК>Ц1>АЕЕІИЕ МАТЕРІ Iі і(іач лл . . -0 038 -0 . 50 1 44 5 |

1 15 1 4 24 м?г та рі.ґатвтіня С£|ЛЇ> Д-ИрЛИН'я) . . -0 044 -0 . 57 1 15.0 1

1 1« 1 13 4С ищише ПаЯОАЕНИВ ПАТЕРИ Елт-рл^ґіти.чя (д-тлег'У'Гр'їяик.^ . . . . -с. ои -0 . П.ҐІ 1 45-4 1

1 п 1 ±2 41 ййцниидйв ПйЯхНКЯІВ ЙТЦЖ І^Лср^іТш-кТННН -V -0 »4 1 4 Ь *> 1

1 18 1 9 28 ІКЛО і1'І.ІЛІІПІІ.Ч Р ЛН'.>«НМ1 ІІ^Нір -0 052 -1.20 1 4"Г 1 |

1 14 1 Я 25 гал 0 134 -1 76 1 Ії 4 |

1 20 1 12 37 сшиишк Г**Лн'/АЕЕ1ИЕ ҐПТ[|Д Прсдпрмі і ИІ і .4 і'.-л ь . . . . -0 . £25 -Ё.8Э 1 56.3 |

1 11 1 IV 31 г- тшиїїс 41 Папга*ЕНКЕ Нн II Л.Т ( В -И ГУИИ.41 ] . . -0 651 -З. 05 1 «Ь.З |

УЫИПйр:'АП1пНАЯ М’іГМНТИПНАЯ АНЛЛН'ПІЧАї'НЛЯ ГИГ'ТЙИА нлп ■»^цдог *

Это позволяет прогнозировать уровень предметной обученности и принимать решения по отбору абитуриентов для обучения и для определения предпочтительной для них специальности и специализации по признакам их социального статуса.

Конечно, на практике эти решения принимаются на другой основе и эта информация может использоваться лишь в качестве дополнительной на усмотрение лиц, .

Итак, получены следующие результаты:

Решены следующие задачи:

- задача 1: «Типизация особенностей социального статуса студентов по уровням их предметной обученности по различным дисциплинам, выявление зависимостей между признаками социального статуса учащихся и их учебными достижениями»;

- задача 2: «Р^работка методики прогнозирования уровней предметной обученности студентов на основе особенностей их социального статуса»;

- задача 3: «Р^работка методики поддержки принятия решений по выбору специализации студентами (экономической или юридической) на основе особенно».

Научная новизна проведенного исследования состоит в том, что впервые методология, технология и ин-

- -ны для решения задач прогнозирования учебных достижений студентов и поддержки принятия решений по вы,

между признаками социального статуса студентов и их уровнями предметной обученности непосредственно на основе Фактических эмпирических ретроспективных данных.

Практическая значимость исследования состоит в возможности и целесообразности применения полученных результатов и технологий в практике работы образовательных учреждений в качестве дополнительного источника информации об абитуриентах и студентах при принятии решений об их приеме и выборе специальности ,

процессе при преподавании дисциплины: «Интеллекту».

В перспективе целесообразно развивать данное исследование в соответствии с подходом, кратко описанным в работе [9] на больших объемах исходной информации о студентах как по номенклатуре учебных дисцип-

,

и объему обучающей выборки.

Примечания:

1. Луценко Е.В. Универсальная автоматизированная система распознавания образов «ЭЙДОС» (версия 4.1), Краснодар: КЮИ МВД РФ, 1995. - 76 с.

2. Луценко Е.В. Теоретические основы и технология адаптивного семантического анализа в поддержке принятия решений (на примере универсальной автоматизированной системы распознавания образов «ЭЙДОС-5.1»): Монография (научное издание). - Краснодар: КЮИ МВД РФ, 1996. - 280с.

3. Симанков В.С., Луценко Е.В. Адаптивное управление сложными системами на основе теории распознавания образов, Монография (научное издание). - Краснодар: ТУ КубГТУ, 1999. - 318 с.

4. Симанков В.С., Луценко Е.В., Лаптев В.Н. Системный анализ в адаптивном управлении, Монография (научное издание) / Под науч. ред. В.С.Симанкова. - Краснодар: ИСТЭК, 2001. -258 .

5. Луценко Е. В. Автоматизированный системно-когнетивный анализ в управлении активными объектами (системная теория информации и ее применение в исследовании экономических,

- , -онно-тежических систем): Монография (научное издание). -Краснодар: КубГАУ. 2002. - 605 с.

6. Луценко Е.В. Интеллектуальные информационные системы:

Учебное пособие для студентов специальности: 351400 «Прикладная информатика (по отраслям)». - Краснодар: КубГАУ. 2004. - 633 с. "

7. Луценко Е.В., Лойко В.И. Семантические информационные модели управления агропромышленным комплексом. Моно-

( ). - : . 2005. - 477 .

8. . 2003610986 . -

ческая система «ЭЙДОС» / Е.В.Луценко (Россия); Заяв. №2003610510 РФ. Опубл. от 22.04.2003. - 50с.

9. Луценко Е.В. Автоматизированная система управления качеством подготовки специалистов (а^здьность и предпосылки создания). / Луценко Е.В., Лойко В.И., Курносов С А. // Научный журнал КубГАУ [Элещюнный ресурс]. - Краснодар:

, 2006. - 24(8). - :

Мр: //а .киЪааго .ги/2006/08/р>11752.р>!£