Автор: Петрова Татьяна Вадимовна
Перейти к источнику данной статьиИсследование механизмов интеллектуального анализа данных (data mining) для решения задач извлечения знаний образовательного процесса
В настоящее время информационные технологии широко используются во всех областях жизни человека. Система образования не стала исключением. Годами накапливалось множество информации о студентах, их успеваемости, преподавателях, создавались дистанционные курсы обучения студентов, образовательные форумы, системы тестирования студентов, продолжать можно бесконечно. Таким образом, накопилась масса информации. И в настоящее время крайне актуальным стал вопрос обработки этой информации, возможности извлечения новых знаний из уже представленных в базах данных, хранилищах и т. д.
Существует множество задач, в которых методы статистики, машинного обучения и извлечения знаний (data mining) очень полезны как для учащихся, так и для преподавателя и для людей, ответственных за весь образовательный процесс в целом. Анализ данных позволяет лучше понять студентов, узнать какие предметы вызывают большие затруднения, как лучше построить курс, чтобы получить максимально высокие баллы, с какими тестами студенты справляются, какую форму занятий предпочитают, в какой области научных интересов преуспевают и т. д. Эти данные могут быть использованы для принятия эффективных решения по управлению образовательным процессом.
Интеллектуальный анализ данных образовательного процесса (EDM – Educational data mining) как раз занимается обработкой и анализом данных из образовательного процесса. Это область науки, связанная с разработкой методов для изучения уникальных типов данных, поступающих из образовательной сферы и использование этих методов для лучшего понимания студентов и условий в которых они учатся. Основные направления в данной области – использование анализа данных для поддержки интеллектуальных систем обучения (Intelligence Tutoring Systems), анализ образовательных процессов, визуализация данных и паттернов образовательного процесса [1].
Целью данной работы является исследование механизмов интеллектуального анализа данных (data mining) для решения задач извлечения знаний образовательного процесса.
Для достижения поставленной цели необходимо решить следующие задачи:
На первом этапе были рассмотрены основные методы интеллектуального анализа данных образовательного процесса. Краткое описание представлено в таблице 1 [2].
Таблица 1. Основные методы интеллектуального анализа данных образовательного процесса
|
Метод |
Описание метода |
|
Предсказание (Prediction) (различают три типа предсказания – классификация, регрессия и оценка плотности) |
Разработка модели, в которой вывод одиночного аспекта данных (предсказываемой переменной) осуществляется на основе комбинации других аспектов (переменных-предсказателей). Пример: кто из студентов не справится с итоговым экзаменом (предсказываемая переменная – провал/сдача итогового экзамена, переменные предсказатели – текущие оценки, активность в течении семестра, выполненные домашние работы и т. д.) |
|
Кластеризация (Clustering) |
Нахождение точек, которые естественным образом соединены вместе, разделение данных на кластеры. Применяется когда ничего не известно о структуре данных. Пример: объединение студентов в группы, согласно их успеваемости по отдельным предметам |
| Анализ взаимоотношений (Relationship Mining) |
Изучение отношений между переменными в наборе из многих переменных |
| Исследование с помощью моделей (Discovery with Models) |
Изучение предварительно составленных моделей (разработанных с помощью EDM методов прогнозирования, кластеризации, инженерии знаний) Применение моделей к данным и их использование как компонент другого анализа |
| Преобразование данных к виду, понятному человеку (Distillation of Data For Human Judgment) |
Преобразование сложных данных к виду, понятному для человека, для использования данных в человеческих суждениях |
Первые три подхода – общие для data mining в различных областях, однако четвертый и пятый подходы относятся именно к анализу данных в образовательных доменах.
Одной из отличительных особенностей интеллектуального анализа данных образовательного процесса является то, что кроме методов data mining и машинного обучения здесь также применяются психометрические методы для более точного описания характеристик среды (поведения студентов, обоснования выбора студентами тех или иных предметов и т. д.). Кроме того, данные из образовательного процесса имеют несколько уровней значимости, которые определяются самими данными, и не заранее (например, уровень студента, уровень преподавателя, уровень университета или образовательной системы в целом).
В работе были рассмотрены основные области применения интеллектуального анализа данных образовательного домена, а также задачи, решение которых уже было найдено, или по которым ведутся исследования. К данным областям относится [3]:
Учитывая области применения, описанные выше, а также предшествующий опыт в исследованиях, было выявлено несколько задач, актуальных для университетов России, которые возможно решить при помощи интеллектуального анализа данных:
Данные, необходимые для решения поставленных проблем могут быть взяты из баз данных университетов, в которых хранится информация о студентах, преподавателях, успеваемости и т. д. Чаще всего в таких базах представлена следующая информация:
В работе были рассмотрены различные инструменты интеллектуального анализа данных образовательного домена, такие как
Описанные инструменты могут быть использованы для решения задач образовательного процесса с использование интеллектуального анализа данных. Для университетов, использующих СУБД Oracle, наиболее оправданным является использование Oracle Data Mining, для небольших образовательных учреждений среднего профессионального образования, наименее затратным будет использование возможностей Microsoft Excel, поскольку пакет Microsoft Office установлен практически во всех учреждениях, а также RapidMiner, поскольку данное программное обеспечение является свободным.
Таким образом, анализ данных предоставляет мощный инструментарий для извлечения информации и ее трансформации в форму, необходимую для последующего использования. Использование таких методов в образовательном процессе может решить множества проблем, таких как понимание студентов, улучшение качества лекций, уменьшение затрат на организацию процесса обучения.
Анализ данных в образовательной сфере довольно новая и актуальная область науки, поэтому существует множество нерешенных задач для анализа и исследования. В работе было показано, что благодаря большому объему данных в образовательном процессе (базы данных студентов с информацией об успеваемости, предыдущих этапах обучения, программой курсов, дистанционные системы обучения и т. д.), существует множество проблем и решений в данной области; было рассмотрено существующее программное обеспечение, для решения задач образовательного процесса при помощи интеллектуального анализа данных, а также задачи, которые можно решить, используя данное программное обеспечение.
Список литературы