https://libeldoc.bsuir.by/handle/123456789/63529| Title: | Прогнозирование состояния образовательного процесса с применением нечетких когнитивных карт и алгоритмов нелинейного обучения |
| Other Titles: | Predicting the state of the educational process using fuzzy cognitive maps and nonlinear learning algorithms |
| Authors: | Шевнина, Ю. С. Прокофьев, А. В. Ашарафьянова, О. А. |
| Keywords: | материалы конференций;Big Data;информационные системы;образовательный процесс;нечеткие когнитивные карты;алгоритм Хебба;прогнозирование;цифровой след;Advanced Analytics |
| Issue Date: | 2026 |
| Publisher: | БГУИР |
| Citation: | Шевнина, Ю. С. Прогнозирование состояния образовательного процесса с применением нечетких когнитивных карт и алгоритмов нелинейного обучения = Predicting the state of the educational process using fuzzy cognitive maps and nonlinear learning algorithms / Ю. С. Шевнина, А. В. Прокофьев, О. А. Ашарафьянова // 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. 94–101. |
| Abstract: | В статье рассматривается подход к прогнозированию состояния образовательного процесса с применением мультиреляционных нечетких когнитивных карт и алгоритмов нелинейного обучения Хебба. Описана методика формирования наборов данных для определения текущего состояния образовательного процесса и динамики его изменения на основе цифрового следа обучающихся, включающего академические, системные и социально-психологические показатели. Представлены результаты апробации подхода, подтверждающие высокую точность прогнозирования рисков академической неуспеваемости. |
| Alternative abstract: | This article examines an approach to predicting the state of the educational process using multirelational fuzzy cognitive maps and Hebbian nonlinear learning algorithms. It describes a methodology for generating datasets to determine the current state of the educational process and its dynamics based on students' digital footprints, which include academic, systemic, and socio-psychological indicators. The results of testing the approach are presented, confirming the high accuracy of predicting the risk of academic failure. |
| URI: | https://libeldoc.bsuir.by/handle/123456789/63529 |
| Appears in Collections: | BIG DATA and Advanced Analytics = BIG DATA и анализ высокого уровня : сборник научных статей : в 2 ч. (2026) |
| File | Description | Size | Format | |
|---|---|---|---|---|
| SHevnina_Prognozirovanie.pdf | 4.78 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.