https://libeldoc.bsuir.by/handle/123456789/54765| Title: | Разработка аналитического подхода на основе больших данных для прогнозирования факторов успеха студентов |
| Other Titles: | Development of analytical Big Data approach for predictions of success factors students |
| Authors: | Казак, Т. В. Свороб, А. В. Василькова, А. Н. |
| Keywords: | материалы конференций;информационные технологии;искусственный интеллект;машинное обучение;информационная система |
| Issue Date: | 2024 |
| Publisher: | БГУИР |
| Citation: | Казак, Т. В. Разработка аналитического подхода на основе больших данных для прогнозирования факторов успеха студентов = Development of analytical Big Data approach for predictions of success factors students / Т. В. Казак, А. В. Свороб, А. Н. Василькова // BIG DATA и анализ высокого уровня = BIG DATA and Advanced Analytics : сборник научных статей X Международной научно-практической конференции, Минск, 13 марта 2024 г. : в 2 ч. Ч. 1 / Белорусский государственный университет информатики и радиоэлектроники ; редкол.: В. А. Богуш [и др.]. – Минск, 2024. – С. 41–45. |
| Abstract: | Снижение отсева студентов в высшем образовании играет важную роль в выполнении основной миссии и финансовом благополучии учебного заведения. Доступность источника больших данных из системы управления обучением (LMS) может быть проанализирована, чтобы помочь в решении проблемы отсева. Целью данного исследования является использование интегрированной методологии научного исследования дизайна (DSR) для разработки и оценки нового аналитического решения на основе больших данных (BDAS) в качестве артефакта поддержки принятия решений в сфере образования. BDAS как артефакт DSR использует подходы искусственного интеллекта для прогнозирования потенциальных студентов, находящихся в группе риска. Выявление студентов, находящихся в группе риска, помогает своевременно вмешаться в учебный процесс, чтобы улучшить успеваемость студентов и повысить процент их удержания. |
| Alternative abstract: | Reducing student attrition in higher education plays an important role in achieving the core mission and financial health of the institution. The availability of big data source from the learning management system (LMS) can be analyzed to help address the attrition problem. The purpose of this study is to use an integrated design scientific research (DSR) methodology to develop and evaluate a new big data analytics solution (BDAS) as an educational decision support artifact. BDAS as an artifact DSR uses artificial intelligence approaches to predict potential at-risk students. Identifying students who are at risk helps to intervene early in the educational process to improve student performance and increase retention rates. |
| URI: | https://libeldoc.bsuir.by/handle/123456789/54765 |
| Appears in Collections: | BIG DATA and Advanced Analytics = BIG DATA и анализ высокого уровня : сборник научных статей : в 2 ч. (2024) |
| File | Description | Size | Format | |
|---|---|---|---|---|
| Kazak_Razbortka.pdf | 320.49 kB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.