В России научились предсказывать успеваемость учащихся ДО экзаменов. Чтобы помочь им до сессии

Высшее образование — большой шаг в жизни человека. Многие надежды детей и подростков связаны именно с ним, ведь заветная «вышка » — путь в такую привлекательную, полную красок и приключений взрослую жизнь.

Но учеба в вузе — это далеко не только беззаботные будни, посиделки в общаге и мечты о будущем. Это еще и тяжелый, каждодневный труд, который по своей интенсивности даже обгоняет собственно работу (если, конечно, вы не вагоны с углем разгружаете, но и тут вопрос спорный).

Поступить в вуз сегодня — это сложная, болезненная эпопея даже для самого гениального ребенка, ведь часто этот процесс столь непредсказуем, да и ставки для подростков в нем настолько высокие, что они не готовы принимать рациональные доводы о некритичности тех или иных трудностей.

Поступившим приходится не легче. Закрой домашние задания, получи допуски до экзаменов, напиши контрольные и тесты — все это изнуряющая и привычная для студентов рутина.

Логично, что у некоторых из них возникают сомнения, смогут ли они поддерживать хороший средний балл да и в принципе закрыть сессию. Здесь поведение студентов разнится: кто-то истошно машет студенческим билетом в ночи перед экзаменом, кто-то зубрит материал до потери пульса. Все это — попытки хоть как-то снизить неопределенность в стрессовой для них ситуации.

Но что, если студентам, их преподавателям и родителям больше не нужно будет гадать, какой результат они получат в конце семестра? Что, если их успеваемость предсказуемее?

«Как это возможно?», — спросите вы. Ответ — наука!

В нашей новой статье мы расскажем, как ученые из Сибирского федерального университета решили проблему прогнозирования успеваемости студентов с помощью машинного обучения.

Что на этот раз придумали наши самородки?

Сибиряки смекнули, что предсказание будущей успеваемости студентов — крайне нужная и важная для вузов вещь. Это позволит образовательным учреждениям оптимизировать процесс обучения и адаптировать его под большинство студентов, а самим учащимся даст возможность лучше приспособиться к учебному процессу.

Чтобы добиться относительно достоверных результатов предсказания они решили использовать математику и нейросети.

Чтобы исследование прошло плодотворно, для начала они посмотрели работы своих предшественников и каким инструментарием те пользовались. Так они сумели определить те математические методы, которые лучше всего подойдут для анализа данных об успеваемости студентов, а также подобрали программы, которые помогут затем составить прогностическую модель.

После завершения подготовительных мероприятий ученые начали подбирать испытуемых.

Ими стали в общей сумме 2130 студентов из 89 учебных групп, проходивших 526 разных электронных образовательных курса.

Данные по их успеваемости были собраны в большую базу данных, разбитую на группы в зависимости от принадлежности студентов к той или иной учебной подгруппе.

Затем, чтобы прогностическая деятельность имела смысл, ученые формализовали результат прогноза, введя в свои исследования такую категорию, как «результат обучения». Смысл тут простой, составить внятные критерии определения будущих успехов студентов и привести их в такую форму, которую поймет компьютер.

Затем, чтобы предсказывать получалось автоматически, ученые разработали специальную формулу, которая и находит «результат обучения». Полученный благодаря ей числовой коэффициент как раз и позволит сделать выводы о дальнейших перспективах студента.

Разобравшись с тем, что они ищут и что они будут «скармливать» нейросети, сибиряки прогнали весь имеющийся у них массив данных через целый ворох математических методов.

Вот их неполный список:

• Кластеризация k-средних
• Линейная регрессия
• Логистическая регрессия
• Категориальный байесовский классификатор
• Метод случайного леса

Каких результатов добились ученые?

В целом, сибирякам удалось создать крепкую, рабочую модель для прогнозов успешности студенческих стараний.

Так, средняя точность прогнозов составила 85% на дистанции в 7 недель обучения, а на более позднем сроке в 13 недель и вовсе доходила до 89-92%.

Еще одним важным результатом исследования можно считать то, что ученые определили «переломную» для учащихся неделю. В среднем ей стала 7-я неделя обучения, именно она во много и определяет, каких результатов добился студент.

Прикладной результат очевиден, студенты получили новое мобильное приложение, которое, с одной стороны, собирает информацию об их успеваемости, а с другой — дает наглядные прогнозы об их перспективах и предупреждает, где ему стоит поднажать в случае проблем.

Какую пользу несет это исследование?

Польза для студентов и преподавателей очевидна уже сейчас — разработанные сибиряками инструменты не только позволят лучше контролировать учебу студентов, но и сделают её комфортнее и эффективнее.

Страдаешь по сопромату? Система забьет об этом тревогу в деканате и тебе автоматически, персонально выделят отдельную консультацию с такими же страдальцами. А это шанс лучше освоить западающий материал.

Наоборот, справляешься с заданиями хорошо? Получишь поощрения от вуза, распределение в научные команды. Не секрет, что наиболее талантливые студенты получают интересные рабочие предложения уже на старших курсах. Новое приложение позволит работодателю подбирать себе перспективные кадры, ну а самим талантам не придётся работать в Макдаке, подарит хорошие карьерные перспективы в юном возрасте.

Преподавателям система позволяет лучше контролировать учеников, а это, в свою очередь, упорядочивает учебный процесс. Вместо хаоса — планомерное и эффективное обучение, чего и ждут от высшего образования.

Если же говорить о более далёких перспективах, то они действительно впечатляют. Если изучить сильные и слабые места в образовательном процессе, то можно модернизировать и улучшить методики обучения в России. Неплохие перспективы, не так ли?