Формирование прогнозных моделей в оценке качества подготовки студентов
Автор: Бакуменко Л.П., Бурков А.В.
Журнал: Вестник Алтайской академии экономики и права @vestnik-aael
Рубрика: Экономические науки
Статья в выпуске: 12-3, 2024 года.
Бесплатный доступ
Цель исследования заключается в создании моделей прогнозирования для оценки успеваемости, посещаемости занятий студентов и риска их отчисления из университета. Работа посвящена разработке прогнозных моделей успеваемости студентов на основе их текущих оценок с применением методов анализа данных. В ходе исследования использовалась программа Statistica. В качестве инструментов были применены регрессионный анализ, модели бинарного выбора и кластерный анализ. Основными источниками данных стали результаты анкетирования студентов экономического, физико-математического и электроэнергетического факультетов (38 академических групп), а также информация о студентах, отчисленных по данным деканатов ЭФ и ФМФ Института цифровых технологий Марийского государственного университета. В рамках исследования были разработаны три модели: первая использует в качестве зависимой переменной показатель «Количество долгов», вторая - «Количество пропусков», а третья - «Количество отчислений». Для каждой модели построены регрессионные статистические модели, классификации и кластеризации, а также вероятностные модели дискриминантного и логит-анализа. Представлена методика построения прогнозных оценок студентов Института цифровых технологий Марийского государственного университета на основе данных электронной системы «Студент» и анкетирования 290 студентов по 12 параметрам. Эти параметры включают в себя показатели, отражающие умение учиться (результаты ЕГЭ, средний балл аттестата), готовность к самостоятельной жизни (проживание в общежитии), а также желание и способности к обучению (текущая посещаемость и успеваемость). Прогнозные модели позволят своевременно оценить работу студента и принять меры по коррекции учебного процесса вуза.
Эконометрическое моделирование, логистическая регрессия, дискриминантный, кластерный анализ, прогнозные модели
Короткий адрес: https://sciup.org/142243400
IDR: 142243400 | УДК: 330.43 | DOI: 10.17513/vaael.3926
Formation of forecast models in assessing the quality of student training
The objective of the study is to create forecasting models for assessing students’ academic performance, attendance, and the risk of their expulsion from the university. The work is devoted to the development of forecasting models of students’ academic performance based on their current grades using data analysis methods. The Statistica program was used in the study. Regression analysis, binary choice models, and cluster analysis were used as tools. The main sources of data were the results of a survey of students of the economic, physical and mathematical, and electrical power engineering faculties (38 academic groups), as well as information on students expelled according to the deans’ offices of the EF and FMF of the Institute of Digital Technologies of the Mari State University. Three models were developed as part of the study: the first uses the “Number of debts” indicator as a dependent variable, the second - “Number of absences”, and the third - “Number of expulsions”. Regression statistical models, classifications, and clustering, as well as probabilistic models of discriminant and logit analysis, were built for each model. The article presents a methodology for constructing predictive assessments of students of the Institute of Digital Technologies of the Mari State University based on data from the electronic system “Student” and a survey of 290 students on 12 parameters. These parameters include indicators reflecting the ability to study (USE results, average grade point average), readiness for independent living (living in a dormitory), as well as the desire and ability to learn (current attendance and academic performance). Predictive models will allow for a timely assessment of the student’s work and the adoption of measures to correct the educational process of the university.
Список литературы Формирование прогнозных моделей в оценке качества подготовки студентов
- Бакуменко Л.П., Бурков А.В. Нейронные сети в эконометрическом моделировании оценки качества образовательного процесса в вузе // Вестник алтайской академии экономики и права. 2023. № 11. С. 167-173. EDN: CZKRTX
- Бабич С.Г., Дарда Е.С., Маркович Е.Д. Изучение динамики и прогнозирование основных показателей высшего образования в Российской Федерации // Экономика и предпринимательство. 2023. № 7(156). С. 204-213. EDN: VZEFAN
- Горбунова Е.В. Выбытия студентов из вузов: исследования в России и США // Вопросы образования. 2018. № 1. С. 110-131. EDN: XNFQWT
- Горбунова Е.В., Ульянов В.В., Фурманов К.К. Построение модели выбытия студентов по данным университетов с разной периодичностью рубежного контроля // Прикладная эконометрика. 2017. Т. 45. С. 116-135. EDN: YIUFTD
- Меликян А.В. Подготовка IT-специалистов в российских вузах: статистический анализ // Вопросы статистики. 2022. Т. 29, № 6. С. 74-83. EDN: NTHYTW
- Зяблецев П.А. Прогнозная модель для оценки успеваемости студентов университета по итогам текущего обучения: магистерская диссертация / ФГФОУ ВО "Томский политехнический университет". Томск, 2020.
- Шульгина Е.М., Караулова Л.В., Симонова Ж.Г. Оценка вероятности инфицированности Helicobacter pylori у больных с гастродуоденальной патологией в зависимости от факторов риска с использованием модели логит-регрессии // Вятский медицинский вестник. 2019. № 3 (63). С. 50-57. EDN: VIJTIR
- Интернет-портал компании StatSoft. URL: http://www.statsoft.ru/home/portal/taskboards/logitregression.htm (дата обращения: 15.10.2024).
