Поддержка принятия решений в учебном процессе вуза на основе когнитивной модели обучения с использованием нейронной сети
https://doi.org/10.25205/1818-7900-2024-22-4-33-48
Аннотация
В работе рассматривается применение технологии нейронных сетей для поддержки принятия решений в учебном процессе вуза с использованием когнитивной модели обучения. Разработано программное решение, цифровой профиль обучающегося на базе электронного портфолио студентов с привлечением алгоритмов искусственного интеллекта, современных веб-технологий, а также когнитивных моделей обучения. Обучение нейронной сети проводилось на подготовленных данных студентов, которые были получены с использованием специально разработанного психодиагностического комплекса. Использование цифрового профиля позволяет студентам отслеживать свой процесс обучения на основе рекомендаций, предлагаемых нейронной сетью, принимать оптимальные решения, строить персонализированные образовательные траектории, а также корректировать образовательные траектории обучения.
Ключевые слова
цифровой профиль,
нейронная сеть,
когнитивный подход,
электронное портфолио,
поддержка принятия решений,
Keras
Об авторах
А. П. Клишин
Томский государственный педагогический университет
Россия
Россия
Клишин Андрей Петрович, кандидат физико-математических наук, заведующий студенческой научно-исследовательской лабораторией информационных технологий
Томск
Е. С. Шталина
Томский государственный педагогический университет
Россия
Россия
Шталина Екатерина Сергеевна, бакалавр
Томск
Ф. Дж. Пираков
Томский государственный университет систем и радиоэлектроники
Россия
Россия
Пираков Фаррух Джамшедович, аспирант кафедры автоматизации обработки информации
Томск
Л. В. Ахметова
Томский государственный педагогический университет
Россия
Россия
Ахметова Людмила Владимировна, кандидат психологических наук, доцент кафедры психологии и развития личности
Томск
Н. Л. Ерёмина
Томский государственный университет
Россия
Россия
Ерёмина Наталия Леонидовна, кандидат технических наук, доцент кафедры системного анализа и математического моделирования
Томск
Список литературы
1. Малкова Т. В. Цифровая трансформация как средство модернизации образовательного процесса и достижения качественных изменений в различных аспектах образовательной деятельности // Современная наука. 2023. № 1. С. 46–48.
2. Авдеева З. К., Коврига С. В., Макаренко Д. И., Максимов В. И. Когнитивный подход в управлении // Проблемы управления. 2007. № 3. С. 2–8.
3. Лисовский А. Л. Применение нейросетевых технологий для разработки систем управления // Стратегические решения и риск-менеджмент. 2020. Т. 11, №4. С. 378–389. DOI: 10.17747/2618-947X-2020-4-378-389
4. Шамсутдинова Т. М. Проблемы и перспективы применения нейронных сетей в сфере образования // Открытое образование. 2022. Т. 26, № 6. C. 4–10. DOI: 10.21686/1818-4243-2022-6-4-10
5. Федеральный проект «Искусственный интеллект». Министерство экономического развития РФ. URL: https://ai.gov.ru/strategy/federalnyy-proekt-ii/?ysclid=ly6szfvxwp523566810 (дата обращения: 04.07.2024).
6. Hao G., Kenneth K, Brian J. Learning Factors Analysis – A General Method for Cognitive Model Evaluation and Improvement // Lecture Notes in Computer Science. 2006. Vol. 4053. P. 164–175. DOI: 10.1007/11774303_17
7. Binali T., Tsai C. C., Chang H. Y. University students’ profiles of online learning and their relation to online metacognitive regulation and internet-specific epistemic justification // Computers and Education. 2021. Vol. 175. P. 104315. DOI: 10.1016/j.compedu.2021.104315
8. Zhao Y., Lorente A.P., Gómez M. C. Digital competence in higher education research: A systematic literature review // Computers and Education. 2021. Vol. 168. P. 104212. DOI: 10.1016/j.compedu.2021.104212.
9. Matzavela, V., Alepis E. Decision tree learning through a Predictive Model for Student Academic Performance in Intelligent M-Learning environments // Computers and Education: Artificial Intelligence. 2021. Vol. 2. P. 100035. DOI: 10.1016/j.caeai.2021.100035.
10. Luo Q., Yang J. The Artificial Intelligence and Neural Network in Teaching // Computational intelligence and neuroscience. 2022. 1778562. DOI: 10.1155/2022/1778562.
11. Морозевич Е. С., Коротких В. С., Кузнецова Е. А. Разработка модели формирования индивидуальных образовательных траекторий с использованием методов машинного обучения // Бизнес-информатика. 2022. Т. 16, № 2. C. 21–35. DOI: 10.17323/2587-814X.2022.2.21.35
12. Пираков Ф. Д., Клишин А. П., Ерёмина Н. Л., Клыжко Е. Н. Разработка и применение системы электронного портфолио обучающегося в вузе // Вестник НГУ. Серия: Информационные технологии. 2019. Т. 17, № 4. С. 87–100. DOI 10.25205/1818-7900-2019-17-4-5-87-100
13. Пираков Ф. Д., Шталина Е. С., Клишин А. П. Управление учебным процессом в вузе с использованием цифрового профиля выпускника и электронного портфолио // Прикладная математика и информатика: современные исследования в области естественных и технических наук: сб. материалов IX Междунар. науч.-практ. конф. (школы-семинара) молодых ученых. Тольятти: ТГУ, 2023. С. 489–494.
14. Ахметова Л. В. Когнитивная сфера личности – психологическая основа обучения // Вестник Том. гос. пед. ун-та. 2009. Т. 87, № 9. С. 108–115.
15. Ахметова Л. В., Иванкина Л. И., Языков К. Г. Нейропсихологические и философские основы понятия «когнитивная сфера личности». Томск: НТЛ, 2021. 235 с.
Рецензия
Для цитирования:
Клишин А.П., Шталина Е.С., Пираков Ф.Д., Ахметова Л.В., Ерёмина Н.Л. Поддержка принятия решений в учебном процессе вуза на основе когнитивной модели обучения с использованием нейронной сети. Вестник НГУ. Серия: Информационные технологии. 2024;22(4):33-48. https://doi.org/10.25205/1818-7900-2024-22-4-33-48
For citation:
Klishin A.P., Shtalina E.S., Pirakov F.D., Akhmetova L.V., Eryomina N.L. Decision Support in the Educational Process of the University based on a Cognitive Learning Model using a Neural Network. Vestnik NSU. Series: Information Technologies. 2024;22(4):33-48. (In Russ.) https://doi.org/10.25205/1818-7900-2024-22-4-33-48
Просмотров:
72
Послать статью по эл. почте 