Зависимости количества различных оценок в первую сессию от

Чувашский государственный университет
Кафедра прикладной физики и нанотехнологий
Создание моделей системы поддержки
принятия решений и управления вузом
Абруков В.С., Ефремов Л.Г., Троешестова Д.А.,
а также
Петрова М.В., Ануфриева Д.А.
Проблема
Это очень трудная
задача
и
очень долгий путь,
но другого способа
у нас нет,
если мы хотим
управлять,
а не пробовать
………..
Проблема
У ЧЕЛОВЕЧЕСТВА НЕТ ВРЕМЕНИ
НАЩУПЫВАТЬ ОРГАНИЗАЦИЮ
МИРА МЕТОДОМ ПРОБ И
ОШИБОК... МЫ ДОЛЖНЫ
ВЫЧИСЛЯТЬ И ПРОЕКТИРОВАТЬ
БУДУЩЕЕ, ОПИРАЯСЬ НА
НАУКУ"
С.П. Курдюмов
Введение
В декабре 2012 года
Правительством РФ утвержден
план мероприятий
"Изменения в отраслях социальной
сферы, направленные на
повышение эффективности
образования и науки"
Постановка задачи
Исследование возможностей Data Mining и в
частности, искусственных нейронных сетей,
при реализации некоторых пунктов
«дорожной карты»:
-проведение
мониторинга эффективности
образовательного процесса
- оценка качества обучения студентов.
Ниже представлены первые результаты …
Data Mining


Data Mining – комплекс современных
средств предобработки, обработки,
анализа,
моделирования
и
представления данных.
Data Mining включает в себя: средства
очистки
данных,
факторный
и
корреляционный
анализ,
деревья
решений, искусственные нейронные
сети
(ИНС),
самоорганизующиеся
карты Кохонена и др.
Искусственные нейронные сети - ИНС

ИНС – уникальное средство
аппроксимации многомерных
экспериментальных функций.

В основе применения ИНС лежит
теорема Колмогорова – Арнольда о
возможности представления
непрерывной многомерной функции
…. с помощью суперпозиции
функций одной переменной.
Пример части биологической
нейронной сети
Схема биологического нейрона
Схема искусственного нейрона
Искусственный нейрон состоит из входов, синапсов, сумматора,
аксона, нелинейного преобразователя (функции активации).
Здесь: xi - компоненты входного вектора (входные данные); wi - веса
синапса (i = 1 ..., n); S - результат суммирования; Y – передаточный
сигнал нейрона; F - нелинейный преобразователь (функция
активации).
Виды искусственных нейронных сетей
ИНС представляют собой некоторое количество
искусственных нейронов, соединенных между собой
разным образом.
Методология работы
На сайте http://mfi.chuvsu.ru/opros/
размещены анкеты – интервью,
заполняемые в режиме он-лайн и
содержащие около 100 вопросов по
процессу образования в целом и
качеству образовательного процесса.
К настоящему времени собрано около
300 анкет (около 30000 ответов).
Пример части анкеты
Статистические данные
Корреляция между результатами ЕГЭ
и результатами первой сессии
студентов
Архитектура ИНС-модели.
Зависимости количества различных оценок
в первую сессию от результатов ЕГЭ по
МАТЕМАТИКЕ (в случае, когда студент
получал стипендию - ДА)
Зависимости количества различных оценок
в первую сессию от результатов ЕГЭ по
МАТЕМАТИКЕ (в случае, когда студент не
получал стипендию - НЕТ)
Зависимости количества различных оценок
в первую сессию от результатов ЕГЭ по
ФИЗИКЕ (в случае, когда студент получал
стипендию - ДА)
Зависимости количества различных оценок
в первую сессию от результатов ЕГЭ по
ФИЗИКЕ (в случае, когда студент не
получал стипендию - НЕТ)
Зависимости количества различных оценок
во вторую сессию от количества «троек» в
первую сессию
(стипендия: 1-й семестр – ДА, 2-й семестр –
НЕТ)
Зависимости количества различных оценок
во вторую сессию от количества «троек» в
первую сессию
(стипендия: 1-й семестр – НЕТ, 2-й семестр –
НЕТ)
Зависимости количества различных оценок
во вторую сессию от количества «троек» в
первую сессию
(стипендия: 1-й семестр – НЕТ, 2-й семестр –
ДА)
Зависимости …. количества (качества)
…. от качества (количества) ….
(дополнительные условия … )
?
Мы приглашаем
http://mfi.chuvsu.ru/opros/
Планы дальнейшей работы
1. Прогнозирование «траектории» учебной и
научной работы студентов различных
специальностей и определение мер
способствующих повышению качества
учебной и научной работы студентов.
2. Кластеризация – группировка
специальностей по качеству учебной и
научной работы студентов, районам
проживания студентов с хорошим качеством
учебной и научной работы, уровню
востребованности выпускников различных
специальностей и направлений подготовки.
Планы дальнейшей работы
3.
-
Решение
задач
регрессии
(получения
многофакторных
вычислительных
ИНСмоделей) устанавливающих зависимости таких
целевых функций, как:
качество учебы по курсам и качество выпускных
квалификационных работ,
востребованность выпускников и уровень их
заработной платы после трудоустройства,
степень удовлетворенности участников процесса
образования
(студенты,
аспиранты,
преподаватели,
учебно-вспомогательный
персонал,
административно-управленческий
аппарат, потребители – работодатели, родители
студентов)
Планы дальнейшей работы
от таких факторов, как: потребность
(федеральная, региональная) в специалистах;
личностная потребность в высшем образовании,
ресурсы вуза; бюджетное и внебюджетное
финансирование; степень внедрения
информационно-телекоммуникационных
технологий; степень участия преподавателей в
НИР; уровень кадрового обеспечения
образовательного процесса в целом; заработная
плата преподавателей и учебновспомогательного персонала; материальное
положение студента, жилищные условия,
помощь родителей, и т.п.
Планы дальнейшей работы
Но ведь есть еще и обратные задачи,
например,
-
-
какой должен быть абитуриент чтобы получить
5 по всем дисциплинам на первой сессии, учится
на 4 и 5 первые четыре семестра, устроится на
работу с зарплатой более 30000 в течение 1 года
после выпуска, стать кандидатом наук, получить
более 5 дипломов за участие в научных конкурсах и
грант РФФИ на 3 году после защиты диссертации
и…
- или какой должна быть зарплата доцента,
чтобы 50% выпускников факультета ПриМаФИТ
….
http://mfi.chuvsu.ru/opros/
Заполнение анкеты занимает
примерно 10 минут, несмотря на
то, что в ней около 100 вопросов
Наша научная группа очень
благодарна
Ректору Чувашского государственного
университета проф. В.Г. Агакову
и
проректору по научно-инновационной
работе проф. В.В. Афанасьеву
за поддержку нашей работы
Спасибо за внимание!