ВЫЯВЛЕНИЕ АКАДЕМИЧЕСКИ НЕУСПЕШНЫХ СТУДЕНТОВ НА ПЕРВОМ ГОДУ ОБУЧЕНИЯ В УНИВЕРСИТЕТЕ НА ПРИМЕРЕ НИУ ВШЭ - НИЖНИЙ НОВГОРОД |
научная статья | 316 | ||
136-143 | интеллектуальный анализ данных, дерево принятия решений, онлайн-анкетирование, академическая успеваемость в университете |
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.). |
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. |