| DC Field | Value | Language |
|---|
| dc.contributor.author | Полоско, Е. И. | - |
| dc.contributor.author | Сороко, П. Ю. | - |
| dc.contributor.author | Тригубович, А. Д. | - |
| dc.coverage.spatial | Минск | en_US |
| dc.date.accessioned | 2026-05-04T06:53:58Z | - |
| dc.date.available | 2026-05-04T06:53:58Z | - |
| dc.date.issued | 2026 | - |
| dc.identifier.citation | Полоско, Е. И. Оценка влияния посещаемости занятий на академическую успеваемость студентов с использованием Python-аналитики = Assessment of the impact of class attendance on students’ academic performance using Python-based analytics / Е. И. Полоско, П. Ю. Сороко, А. Д. Тригубович // Big Data и анализ высокого уровня = Big Data and Advanced Analytics : сборник научных статей XII Международной научно-практической конференции, Республика Беларусь, Минск, 23 апреля 2026 года : в 2 ч. Ч. 1 / Белорусский государственный университет информатики и радиоэлектроники [и др.] ; редкол.: В. А. Богуш [и др.]. – Минск, 2026. – С. 261–267. | en_US |
| dc.identifier.uri | https://libeldoc.bsuir.by/handle/123456789/63508 | - |
| dc.description.abstract | В работе рассматривается, как посещаемость занятий и связанные с ней учебные
привычки отражаются на успеваемости студентов дневной формы обучения. На основе анкетирования
студентов разных курсов и факультетов анализируются частота пропусков, объём самостоятельной
подготовки, способы восполнения пропущенного материала, совмещение учёбы с работой и их связь с
итоговыми оценками. Для обработки данных использованы методы статистического анализа и
множественная линейная регрессия в среде Python, что позволило количественно оценить вклад основных
факторов в изменение среднего балла. Результаты показывают, что регулярное посещение остаётся ключевым
условием успешной учёбы, а продуманная самостоятельная подготовка и грамотное восполнение пропусков
помогают сгладить негативные последствия неявок. Полученные выводы могут быть полезны при разработке
рекомендаций для студентов и при совершенствовании организации учебного процесса в вузе. | en_US |
| dc.language.iso | ru | en_US |
| dc.publisher | БГУИР | en_US |
| dc.subject | материалы конференций | en_US |
| dc.subject | Big Data | en_US |
| dc.subject | информационные системы | en_US |
| dc.subject | анализ данных | en_US |
| dc.subject | академическая успеваемость | en_US |
| dc.subject | самостоятельная подготовка | en_US |
| dc.subject | регрессионный анализ | en_US |
| dc.subject | анкетирование | en_US |
| dc.subject | Python | en_US |
| dc.title | Оценка влияния посещаемости занятий на академическую успеваемость студентов с использованием Python-аналитик | en_US |
| dc.title.alternative | Assessment of the impact of class attendance on students’ academic performance using Python-based analytics | en_US |
| dc.type | Article | en_US |
| local.description.annotation | The paper examines how class attendance and related study habits affect the academic performance
of full-time students. Based on a survey of students from different years of study and faculties, the analysis focuses
on the frequency of absences, the amount of independent study, ways of making up missed material, the combination
of study and work, and their relationship with final grades. Statistical analysis methods and multiple linear regression
in Python are used to quantify the contribution of the main factors to changes in the average grade. The results show
that regular attendance remains a key condition for successful studies, while well-planned independent work and
effective ways of making up missed classes help mitigate the negative consequences of absences. The findings may
be useful for developing recommendations for students and for improving the organization of the educational process
at the university. | en_US |
| Appears in Collections: | BIG DATA and Advanced Analytics = BIG DATA и анализ высокого уровня : сборник научных статей : в 2 ч. (2026)
|
