Вестник Нижегородского университета им. Н.И. Лобачевского. Серия: Социальные науки

16+

Название статьи

ВЫЯВЛЕНИЕ АКАДЕМИЧЕСКИ НЕУСПЕШНЫХ СТУДЕНТОВ НА ПЕРВОМ ГОДУ ОБУЧЕНИЯ В УНИВЕРСИТЕТЕ НА ПРИМЕРЕ НИУ ВШЭ - НИЖНИЙ НОВГОРОД

Тип статьи	научная статья	Коды УДК	316
Страницы	136-143	Ключевые слова	интеллектуальный анализ данных, дерево принятия решений, онлайн-анкетирование, академическая успеваемость в университете

Авторы

Булычева П.А.Ошмарина О.Е.Шадрина Е.В.

Место работы

Булычева П.А. Национальный исследовательский университет «Высшая школа экономики», Нижегородский филиал
Ошмарина О.Е. Национальный исследовательский университет «Высшая школа экономики», Нижегородский филиал
Шадрина Е.В. Национальный исследовательский университет «Высшая школа экономики», Нижегородский филиал

Аннотация

Предлагается анализ факторов, влияющих на академическую успешность студентов первого года обучения в университете. Анализ выполнен с помощью статистических методов и методов интеллектуального анализа данных. Исходными данными для исследования является информация о студентах, собранная с помощью онлайн-системы поддержки учебного процесса в НИУ ВШЭ - LMS (Learning Management System). В ходе исследования были найдены рискованные студенты, у кого велик риск получить академическую задолженность. Результатом исследования стали рекомендации учебному офису соответствующей образовательной программы обратить внимание на данных студентов, т.е. оказать им учебную помощь (индивидуальные рекомендации преподавателей, дополнительные занятия и т.п.).

Загрузить статью

Библиографический список

1 . Arulselvan A. и др. Predicting the nexus between post-secondary education affordability and student success: An application of network-based approaches // Social Network Analysis and Mining, 2009. ASONAM’09. International Conference on Advances in. IEEE, 2009. P. 149-154.
2 . Morris L.V., Wu S.-S., Finnegan C.L. Predicting Retention in Online General Education Courses // Am. J. Distance Educ. 2005. V. 19. № 1. P. 23-36.
3 . Campbell J.P. Utilizing student data within the course management system to determine under-graduate student academic success: An exploratory study. ProQuest, 2007. РhD diss. Purdue University.
4 . Pal S. Mining Educational Data Using Classification to Decrease Dropout Rate of Students // CoRR. 2012. V. abs/1206.3078. Р. 35-39.
5 . Superby J.-F., Vandamme J., Meskens N. Deter-mination of factors influencing the achievement of the first-year university students using data mining methods // Workshop on Educational Data Mining. 2006. P. 37-44.
6 . Соколов М., Кнорре А., Сафонова М. Теории высшего образования и процесс выбор специальности абитуриентами: Социально-сетевой анализ // Университетское управление: практика и анализ. 2014. Т. 90, № 2. С. 6-25.
7 . Dawson S. A study of the relationship between student social networks and sense of community // J. Educ. Technol. Soc. 2008. V. 11, № 3. P. 224-238.
8 . Penuel W.R. et al. Investigating the potential of using social network analysis in educational evaluation // Am. J. Eval. 2006. V. 27, № 4. P. 437-451.
9 . Креховец Е.В., Польдин О.В. Социальные сети студентов: факторы формирования и влияние на учёбу // Вопросы образования. 2013. № 4. С. 127- 144.
10 . Hawe P., Ghali L. Use of social network analysis to map the social relationships of staff and teachers at school // Health Educ. Res. 2008. V. 23, № 1. P. 62-69.
11 . Black E.W., Dawson K., Priem J. Data for free: Using LMS activity logs to measure community in online courses // Internet High. Educ. 2008. V. 11. № 2. P. 65-70.
12 . Валеева Д.Р., Польдин О.В., Юдкевич М.М. Связи дружбы и помощи при обучении в университете // Вопросы образования. 2013. № 4. С. 70-84.
13 . Докука С.В., Валеева Д.Р., Юдкевич М.М. Коэволюция социальных сетей и академических достижений студентов // Вопросы образования. 2015. № 3. С. 44-65.
14 . Пронин А.С., Веретенник Е.В., Семенов А.В. Формирование учебных групп в университете с помощью анализа социальных сетей // Вопросы образования. 2014. № 3. С. 54-73.
15 . Горбунова Е.В. Адаптация студентов первого - третьего курсов бакалавриата / специалитета к университетской жизни // Univ. Журнал о жизни университетов. 2013. № 1 (Том 1). С. 48-64.
16 . Гладарев Б.С. Дневниковый метод в изучении социальных сетей // Социология: методология, методы и математическое моделирование (Социология 4М). 2002. № 14. С. 53-69.
17 . Luan J. Data mining and its applications in higher education // New Dir. Institutional Res. 2002. V. 2002, № 113. P. 17-36.
18 . Baepler P., Murdoch C.J. Academic analytics and data mining in higher education // Int. J. Scholarsh. Teach. Learn. 2010. V. 4. № 2. Р. 1-9.
19 . Romero C. et al. Data mining algorithms to classify students // Educational Data Mining. 2008. Р. 8-17.
20 . Garc?a E. et al. An architecture for making rec-ommendations to courseware authors using asso-ciation rule mining and collaborative filtering // User Model. User-Adapt. Interact. 2009. V. 19. № 1-2. P. 99-132.
21 . Долинина О., Печенкин В., Тарасова В. Ис-пользование графовых моделей для визуализации социальных сетей образовательной организации // Вестник СГТУ. 2009. № 4 (43). Вып. 2. С. 210-214.
22 . Friedl M.A., Brodley C.E. Decision tree classifi-cation of land cover from remotely sensed data // Remote Sens. Environ. 1997. V. 61, № 3. P. 399-409.