Использование технологий искусственного интеллекта для выстраивания индивидуальных образовательных траекторий обучающихся

Обложка

Цитировать

Полный текст

Аннотация

Проблема и цель. Разработаны и апробированы решения для построения индивидуальных образовательных траекторий обучающихся, ориентированные на улучшение образовательного процесса за счет формирования персонифицированного набора рекомендаций из дисциплин по выбору. Методология. Использовались методы интеллектуального анализа данных и машинного обучения, направленные на обработку как числовых, так и текстовых данных. Применялись подходы на основе коллаборативной и контентной фильтрации для формирования рекомендаций учащимся. Результаты. Апробация разработанной системы проводилась в разрезе нескольких периодов выбора элективных курсов, в которых приняло участие 4769 учащихся первого и второго годов обучения. Для каждого учащегося был автоматически сформирован набор рекомендаций, а затем выполнена оценка качества построенных рекомендаций исходя из доли учащихся, воспользовавшихся этими рекомендациями. Согласно результатам проведенной апробации, рекомендациями воспользовались 1976 учащихся, что составило 41,43 % от общего числа принявших участие. Заключение. Разработана рекомендательная система, выполняющая автоматическое ранжирование дисциплин по выбору и формирующая персонифицированный набор рекомендаций каждому учащемуся исходя из его интересов для выстраивания индивидуальных образовательных траекторий.

Об авторах

Роман Борисович Куприянов

Московский городской педагогический университет

Автор, ответственный за переписку.
Email: kupriyanovrb@mgpu.ru

заместитель начальника управления информационных технологий

Российская Федерация, 129226, Москва, 2-й Сельскохозяйственный пр-д, д. 4

Дмитрий Львович Агранат

Московский городской педагогический университет

Email: agranat@mgpu.ru

доктор социологических наук, профессор, проректор по учебной работе

Российская Федерация, 129226, Москва, 2-й Сельскохозяйственный пр-д, д. 4

Руслан Сулейманович Сулейманов

Московский городской педагогический университет

Email: sulejmanovrs@mgpu.ru

начальник управления информационных технологий

Российская Федерация, 129226, Москва, 2-й Сельскохозяйственный пр-д, д. 4

Список литературы

  1. Semenov AL, Kondratev VV. Students as extended personalities of the digital age. Informatization of Education and Methods of E-Learning: Digital Technologies in Education: Proceedings of the IV International Scientific Conference (p. 560-566). Krasnoyarsk; 2020. (In Russ.)
  2. Halde RR, Deshpande A, Mahajan A. Psychology assisted prediction of academic performance using machine learning. IEEE International Conference on Recent Trends in Electronics Information Communication Technology. 2016:131-141.
  3. Xu Y, Zhang M, Gao Z. The construction of distance education personalized learning platform based on educational data mining. ATCI 2019. Advances in Intelligent Systems and Computing. International Conference on Applications and Techniques in Cyber Intelligence. 2019;1017:1076-1085. https://doi.org/10.1007/978-3-030-25128-4_134
  4. Jiang W, Pardos ZA, Wei Q. Goal-based course recommendation. Proceedings of the 9th International Conference on Learning Analytics & Knowledge. 2019;36-45.
  5. Esteban A, Zafra A, Romero C. Helping university students to choose elective courses by using a hybrid multi-criteria recommendation system with genetic optimization. Knowledge-Based Systems. 2020;194:105385.
  6. Duin A, Tham J. The current state of analytics: implications for learning management system (LMS) use in writing pedagogy. Computers and Composition. 2020;55:102544.
  7. Jagtap A, Bodkhe B, Gaikwad B, Kalyana S. Homogenizing social networking with smart education by means of machine learning and Hadoop: a case study. International Conference on Internet of Things and Applications (IOTA). 2016:85-90. https://doi.org/10.1109/IOTA.2016.7562700
  8. Lin J, Pu H, Li Y, Lian J. Intelligent recommendation system for course selection in smart education. Procedia Computer Science. 2018;129:449-453.
  9. Nabizadeh AH, Leal J, Rafsanjani H, Shah R. Learning path personalization and recommendation methods: a survey of the state-of-the-art. Expert Systems with Applications. 2020;159:113596.
  10. Sun JC, Lin C, Chou C. Applying learning analytics to explore the influence of online learners' motivation on their online learning behavioral patterns. 5th IIAI International Congress on Advanced Applied Informatics (IIAI-AAI), Kumamoto. 2016:377-380. https://doi.org/10.1109/IIAI-AAI.2016.186
  11. Kupriyanov RB. System for monitoring the dynamics of educational success of students based on algorithms for data mining. Informatization of Education and Methods of E-Learning: Proceedings of the II International Scientific Conference. Krasnoyarsk: SFU Publ.; 2018. p. 188-192. (In Russ.)
  12. Guseva AI, Kireev VS, Bochkarev PV, Kuznetsov IA, Philippov SA. Scientific and educational recommender systems. Information Technologies in Education of the XXI Century (ITE-XXI), AIP Conf. Proc. 2017;1797(1). https://doi.org/10.1063/1.4972422
  13. Mehta R, Rana K. An empirical analysis on SVD based recommendation techniques. Innovations in Power and Advanced Computing Technologies (i-PACT). 2017:1-7.
  14. Farouk M. Measuring text similarity based on structure and word embedding. Cognitive Systems Research. 2020;63:1-10.
  15. Shirude SB, Kolhe SR. Measuring similarity between user profile and library book. International Conference on Information Systems and Computer Networks (ISCON). Mathura; 2014. p. 50-54.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».