Основные направления интеллектуального анализа данных в сфере образования
Н. А. Попова, Е. С. Егорова
Загрузить полный текст
Аннотация: Интеллектуальный анализ данных в сфере образования становится все более популярным, и многие высшие учебные заведения все чаще применяют его для повышения своей конкурентоспособности. В последние годы было проведено множество исследований по анализу образовательных данных по различным учебным темам и с использованием различных методов и алгоритмов. Поэтому было бы полезно иметь краткий обзор наиболее используемых методов и подходов. С этой целью был произведен анализ зарубежных и отечественных трудов для выявления самых актуальных направлений исследований, важных методов и алгоритмов в области анализа образовательных данных в современных вузах. Для составления обзора была предложена методология систематизированного анализа, состоящая из 5 этапов. Были выявлены наиболее используемые темы, методы, алгоритмы и установлена взаимосвязь между ними. Научная новизна обзора заключается в определении актуальных задач исследований в области анализа образовательных данных в вузах и обнаружении перспективных методов и алгоритмов исследований.
Ключевые слова: Data Mining, интеллектуальный анализ образовательных данных, мета-анализ, бизнес-аналитика
Для цитирования. Попова Н. А., Егорова Е. С. Основные направления интеллектуального анализа данных в сфере образования // Известия Кабардино-Балкарского научного центра РАН. 2024. Т. 26. № 5. С. 94–106. DOI: 10.35330/1991-6639-2024-26-5-94-106
Список литературы
- Du X., Yang J., Hung J.-L., Shelton B. Educational data mining: a systematic review of research and emerging trends. Information Discovery and Delivery. 2020. No. 48(4). Pp. 225–236. DOI: 10.1108/idd-09-2019-0070
- Семенкина И. А., Прусакова П. В. Направления исследований в области анализа образовательных данных в высшей школе: теоретический обзор // Педагогика. Вопросы теории и практики. 2023. Т. 8. № 7. С. 761–770. DOI: 10.30853/ ped20230111
- Политов А. Ю., Акжигитов Р. Р., Судариков К. А. Анализ моделей и инструментов предиктивной аналитики для анализа образовательных данных // Инновации. Наука. Образование. 2021. № 28. С. 1055–1065. EDN: SSBBWE
- Salal Ya. Kh., Abdullaev S.M. Monitoring of the education quality and implementing of individual learning: demonstration of approaches and educational data mining algorithms. Izvestiya SFedU. Engineering Sciences. 2020. No. 3(213). Pp. 112–122. DOI: 10.18522/2311-3103-2020-3-112-122
- Bunkar K. Educational data mining in practice literature review. Journal of Advanced Research in Embedded System. 2020. Vol. 7. Pp. 1–7. DOI: 10.24321/2395.3802.202001
- Терентьев А. В. Методы и алгоритмы интеллектуального анализа данных в образовании // Вестник науки. 2024. Т. 4. № 5(74). С. 1545–1550.
- Dol S. M., Jawandhiya P. M. Classification technique and its combination with clustering and association rule mining in educational data mining–A survey. Engineering Applications of Artificial Intelligence. 2023. Vol. 122. P. 106071. DOI: 10.1016/j.engappai.2023.106071
- Rabelo A., Rodrigues M.W., Nobre C.N., Isotani S. Educational data mining and learning analytics: A review of educational management in e-learning. Information Discovery and Delivery. 2024. Vol. 52. No. 2. Pp. 149–163. DOI: 10.1108/IDD-10-2022-0099
- Bošnjaković N., Đurđević Babić I. Systematic review on educational data mining in educational gamification. Tech Know Learn. 2023. Vol. 21. Pp. 5–19. DOI: 10.1007/s10758-023-09686-2
- Salloum S.A., Elnagar A., Shaalan K., Alshurideh M. Mining in educational data: review and future directions. Advances in Intelligent Systems and Computing. 2020. Vol. 1153. Pp. 92–102. DOI: 10.1007/978-3-030-44289-7_9
- Andrade T., Rigo S., Barbosa J. Active methodology, educational data mining and learning analytics: a systematic mapping study. Informatics in Education. 20201. Vol. 20. No. 2. Pp. 171–204. DOI: 10.15388/infedu.2021.09
- Ampadu Y.B. Handling big data in education: a review of educational data mining techniques for specific educational problems. AI, Computer Science and Robotics Technology. No. 13. DOI: 10.5772/ACRT.17
- Попова Н. А., Егорова Е. С. Data mining в образовании: прогнозирование успеваемости учащихся // Моделирование, оптимизация и информационные технологии. Т. 11. № 2(41). С. 9–10. DOI: 10.26102/2310-6018/2023.41.2.003
- Попова Н. А., Егорова Е. С. Интеллектуальный анализ образовательных данных для прогноза успеваемости студентов вуза // Известия Кабардино-Балкарского научного центра РАН. 2023. № 2(112). С. 18–29. DOI: 10.35330/1991-6639-2023-2-112-18-29
- Kovalev S., Kolodenkova A., Muntyan E. Educational data mining: current problems and solutions. 2020 5th International Conference on Information Technologies in Engineering Education, Inforino 2020 – Proceedings. Moscow, 14–17 апреля 2020 года. Moscow, 2020. P. 9111699. DOI: 10.1109/Inforino48376.2020.9111699
Информация об авторах
Попова Наталия Александровна, канд. техн. наук, доцент, доцент кафедры «Математическое обеспечение и применение ЭВМ», Пензенский государственный университет;
440026, Россия, г. Пенза, ул. Красная, 40;
popov.tasha@yandex.ru, ORCID: https://orcid.org/0000-0001-9713-4897, SPIN-код: 9358-8567
Егорова Екатерина Сергеевна, канд. экон. наук, доцент кафедры «Прикладная информатика», Пензенский государственный технологический университет;
440039, Россия, г. Пенза, проезд Байдукова/ул. Гагарина, 1а/11;
katepost@yandex.ru, ORCID: https://orcid.org/0000-0002-0816-0944, SPIN-код: 5624-6036