ИСПОЛЬЗОВАНИЕ НАИВНОГО АЛГОРИТМА БАЙЕСА ДЛЯ ПРОГНОЗИРОВАНИЯ УСПЕВАЕМОСТИ УЧАЩИХСЯ

USING THE NAIVE BAYES ALGORITHM TO PREDICT STUDENT PERFORMANCE

Nikolay Sychev,

student, Tambov State Technical University,

Russia, Tambov

Nikita Bolotov,

student, Tambov State Technical University,

Russia, Tambov

Maxim Vlasov

student, Tambov State Technical University,

Russia, Tambov

Anastasia Dmitrieva,

student, Tambov State Technical University,

Russia, Tambov

АННОТАЦИЯ

В статье изложено понятие интеллектуального анализа данных, которое в современном обществе все чаще используется разных сферах. Отмечено, что традиционные методы педагогике могут быть усовершенствованы.

ABSTRACT

The article describes the concept of data mining, which is increasingly used in various fields in modern society. It is noted that traditional methods of pedagogy can be improved.

Ключевые слова: искусственный интеллект, педагогика, образовательные технологии.

Keywords: artificial intelligence, pedagogy, educational technologies.

В литературе предлагаются различные математические приложения, в которых наивный алгоритм Байеса выделяется большим процентом применения, а также их характеристики, такие как количество требуемой информации и при каких обстоятельствах проводилось каждое исследование.

В исследовании [1] оценили успеваемость студентов на технических экзаменах, которые используются для поступления в университеты, что является важным процессом для университетов. Для решения проблемы был использован метод прогнозирования того, сдадут ли студенты технический экзамен на основе их успеваемости по определенным предметам курса. Были использованы данные о 200 тысячах студентов университетов за период с 2013 по 2017 год. Студенты были отсортированы и классифицированы с использованием двух разных алгоритмов: кластеризации с использованием K-средних и иерархической кластеризации. После классификации авторы использовали наивный алгоритм Байеса для своих прогнозов с точностью 72%.

В другом исследовании [2] обсуждают показатели отсева учащихся на ранних этапах программы, рассчитывая факторы, которые оказывают наибольшее влияние на успеваемость учащихся. Для этих прогнозов авторы использовали 887 примеров и 19 переменных. Кроме того, они использовали наивный алгоритм Байеса с точностью 85,7%.

В работе проанализировали причины, по которым многие студенты бросают свою карьеру. Для этого в исследовании были проанализированы личные, семейные и экономические факторы, которые в наибольшей степени влияют на успеваемость студентов, чтобы определить, завершит ли тот или иной студент учебу. Что касается результатов, то наивный алгоритм Байеса набрал 84,8% баллов по шкале F1.

Согласно этому исследованию, базовый алгоритм обеспечивает большую точность в этой области, чем другие методы, такие как регрессия, дерево решений и нейронные сети.

Интеллектуальный анализ образовательных данных использовался для моделирования успеваемости учащихся с помощью алгоритма наивного Байеса, оценки набора данных и прогнозирования успеваемости. Результаты показывают, что даже когда наивный байесовский классификатор превосходит другие алгоритмы, он обеспечивает общую точность прогнозирования на уровне 88%.

В некоторых случаях для дальнейшего анализа данных требуется кластеризация. Тем не менее, наиболее распространенным и простым в использовании является метод наивного Байеса. Тип доступных данных имеет решающее значение, поскольку более конкретные данные будут лучше охватывать обучение учащихся, проблемы академической среды и многое другое. Таким образом, группы должны быть максимально дифференцированы.

Список литературы:

1. Ахмад Р. Архитектура для применения интеллектуального анализа данных [Текст] / Ахмад Р. // Technol. — 2009. — № 2. — С. 33-37.
2. Лин Я. Реконструкция места преступления: анализ сети онлайн-золотодобычи [Текст] / Лин Я. // IEEE. — 2016. — № 12. — С. 544-556.
3. Лекхин К. С. Методы интеллектуального анализа данных в выявлении и прогнозировании киберпреступлений в банковском секторе [Текст] / Лекхин К. С. // Энергия. — 2017. — № 16. — С. 1639-1643.