Использование машинного обучения для прогнозирования трудоустройства выпускников
Автор: Селиванова Е.С., Газизов Т.Т., Долганова Н.Ф., Пираков Ф.Д.
Журнал: Инфокоммуникационные технологии @ikt-psuti
Рубрика: Управление и подготовка кадров для отрасли телекоммуникаций
Статья в выпуске: 3 (83) т.21, 2023 года.
Бесплатный доступ
В современном мире технологии продолжают играть все более весомую роль во всех сферах жизни человека. Образование не является исключением и идет в ногу со временем. Одно из более перспективных направлений в этой области является использование методов машинного обучения для анализа данных о выпускниках и прогнозирования их дальнейшего трудоустройства, на основе накопленной информации об обучающихся студентах. Такая информация не только помогает определиться с будущей профессией, но и позволит учебным заведениям более эффективно координировать свою деятельность и повышать качество образования. Кроме того, использование машинного обучения в образовании может привести к созданию новых, более эффективных методов обучения, учитывающих индивидуальные особенности каждого студента. Результатом данной работы является интеллектуальная система обработки больших данных, способная адаптироваться к текущему состоянию рынка труда и помогающая выпускникам в более раннем определении в своей будущей профессии. Анализ данных проводился на выборке обучающихся Томского государственного педагогического университета 2021-2023 учебных годов.
Анализ данных, трудоустройство, машинное обучение, обработка информации, искусственный интеллект, модель, прогнозирование
Короткий адрес: https://sciup.org/140306001
IDR: 140306001 | DOI: 10.18469/ikt.2023.21.3.13
Список литературы Использование машинного обучения для прогнозирования трудоустройства выпускников
- Наговицын Р.С. Прогнозирование трудоустройства выпускников педагогического института на основе технологий искусственного интеллекта // Образовательное пространство в информационную эпоху: материалы международной научно-практической конференции. Москва, 2022. С. 244–253.
- Наговицын Р.С. Искусственный интеллект для реализации прогноза профессиональной занятости будущих учителей физической культуры // Российское государство, право, экономика и общество: проблемы и пути развития: материалы III Национальной научно-практической конференции. Казань, 2021. С. 86–91.
- Гладкова И.А., Щанина Е.В. Прогнозирование трудоустройства выпускников вузов // Теоретические и практические аспекты развития современной науки: теория, методология, практика: материалы международной научно-практической конференции. Уфа, 2019. С. 151–155.
- Наговицын Р.С. Трудоустройство выпускников педагогических профилей на основе технологий искусственного интеллекта и анализа данных // Мир образования – образование в мире. 2023. № 1 (89). С. 165–176.
- Фадеев А.С., Змеев О.А., Газизов Т.Т. Модель университета 4.0 // Научно-педагогическое обозрение. 2020. № 2 (30). С. 172–178. DOI: 10.23951/2307-6127-2020-2-172-178
- Основные направления информатизации деятельности томского государственного педагогического университета / А.Н. Клишин [и др.] // Вестник Томского государственного педагогического университета. 2015. № 3 (156). C. 110–118.
- Наговицын Р.С. Искусственный интеллект по обработке данных абитуриентов для прогнозирования их дальнейшего трудоустройства после обучения // Региональные вузы-драйверы пространственного развития России: материалы Всероссийской с международным участием научно-практической конференции, посвященной 90-летию Удмуртского государственного университета. Ижевск, 2021. С. 92–104.
- Изучение опыта прогнозирования туристских потоков с применением алгоритмов машинного обучения / С.А. Лочан [и др.] // Известия высших учебных заведений. Серия: Экономика, финансы и управление производством. 2021. № 4 (50). С. 145–155.
- Наука о данных. URL: https://www.tadviser.ru/index.php/Статья:Наука_о_данных_(Data_Science) (дата обращения: 10.09.2023).
- Лебедев И.С. Адаптивное применение моделей машинного обучения на отдельных сегментах выборки в задачах регрессии и классификации // Информационно-управляющие системы. URL: https://cyberleninka.ru/article/n/adaptivnoe-primenenie-modeley-mashinnogoobucheniya-na-otdelnyh-segmentah-vyborki-vzadachah-regressii-i-klassifikatsii (дата обращения: 15.09.2023).
- Сейдаметова З.С. Задачи и алгоритмы машинного обучения: вероятностные графические модели // Информационно-компьютерные технологии в экономике, образовании и социальной сфере. 2019. № 1 (23). С. 180–187.
- Згонникова А.О., Прокопенко А.А. Машинное обучение и обучение на протяжении всей жизни // Новые научные исследования: материалы VIII Международной научно-практической конференции. Пенза, 2022. С. 22–24.
- Бородин И.Д. Рефлексия в машинном обучении на примере обучения деревьев решений // Аллея науки. 2017. Т. 4, № 9. С. 857–865.
- Аналитикам: большая шпаргалка по Pandas. URL: https://smysl.io/blog/pandas/ (дата обращения: 19.09.2023).
- Scikit-learn. Машинное обучение в Python. URL: https://scikit-learn.ru/ (дата обращения: 19.09.2023).
- Микшина В.С., Павлов С.И. Принятие решений с использованием ансамбля классификаторов // Информационные технологии в науке, образовании и управлении. 2019. № 2 (12). С. 50–54.
