ВИКОРИСТАННЯ МЕТОДУ МАШИННОГО НАВЧАННЯ ДЛЯ АНАЛІЗУ ДИНАМІКИ ШВИДКОСТЕЙ ВИКОНАННЯ ПРАКТИЧНИХ ЗАВДАНЬ З ІНФОРМАТИКИ

Автор(и)

DOI:

https://doi.org/10.32782/pet-2023-1-3

Ключові слова:

методи машинного навчання, дерево регресій, дерево класифікацій, метод моментів, статистичні розподіли, Python, бібліотека Scikit-Learn

Анотація

Карантинні обмеження раніше, військові дії тепер актуалізували дистанційне навчання. Важливими моментами стали: управління процесом навчання, фіксація та аналіз результатів навчання великих груп здобувачів освіти. Керування всяким процесом передбачає зворотній зв’язок. Актуальним перспективним напрямком забезпечення зворотного зв’язку у цьому випадку може стати аналіз відповідних статистичних розподілів результатів навчання. У цій роботі в якості наукової методології, що забезпечує згаданий вище аналіз, вибрані методи машинного навчання, а саме: дерево регресій та дерево класифікацій. Метою роботи є дослідження динаміки процесів навчання великих груп здобувачів освіти методами машинного навчання, що реалізується аналізом результатів вимірювань змін швидкостей виконання практичних завдань з інформатики. Наукова новизна цієї роботи полягає у спробі застосування методів машинного навчання до аналізу результатів практичних навчальних дій. Впродовж реалізації досліджень було проведено понад п'яти тисяч відповідних вимірів, написана програма для аналізу цих даних на мові Python з використанням бібліотеки Scikit-Learn. Ця програма представлена в роботі. За допомогою методів машинного навчання проведено аналіз результатів вимірювань швидкостей виконання завдань з інформатики. Графіки, що були отримані, мають гладку форму з незначним вигином, без екстремумів. На графіках фіксуються, значні лінійні фрагменти. У роботі здійснено порівняння отриманих результатів аналізу даних з результатами аналізу цих же даних, проведеного раніше із застосуванням методу моментів.. Спостерігається співпадіння споріднених залежностей динаміки зміни швидкостей навчальних дій, отриманих за методом дерева регресій та методом моментів.

Посилання

Головін М.Б. Дослідження процесів навчання на основі аналізу моментів статистичних розподілів швидкостей навчальних дій (на матеріалах вивчення інформатики). Психологічні перспективи. Луцьк, 2011. В. 18. С. 62–72. URL: https://evnuir.vnu.edu.ua/bitstream/123456789/1743/1/Holovin.pdf

Головін М.Б., Головіна Н. А., Головіна Н. М. Модельний розгляд пізнавальних процесів супутніх навчальному програмуванню. Психологічні перспективи. Луцьк, 2018. В. 31. С. 57 – 70. URL: http://nbuv.gov.ua/UJRN/Ppst_2018_31_7

Головін М.Б., Головіна Н. М., Гузачов Д.М., Головіна Н.А. Метод моментів як інструмент комп’ютерної діагностики навчальної діяльності. Комп’ютерно-інтегровані технології: освіта, наука, виробництво. Луцьк: Вид-во ЛНТУ, 2020. В. 38. С. 67-78.UR I: https://evnuir.vnu.edu.ua/bitstream/123456789/19700/1/moment.pdf

Гласс Дж. Статистические методы в педагогике и психологии. М.: Прогресс, 1976. 494 с.

Крамер Г. Математические методы статистики. М.: Мир, 1975. 648 с.

Barros R. C., Cerri R., Jaskowiak P. A., Carvalho A. C. P. L. F. A bottom-up oblique decision tree induction algorithm. Proceedings of the 11th International Conference on Intelligent Systems Design and Applications (ISDA 2011). 2011. С. 450–456. ISBN 978-1-4577-1676-8. doi:10.1109/ISDA.2011.6121697

Hugh A. Chipman, Edward I. George, Robert E. McCulloch. Bayesian CART model search. Journal of the American Statistical Association. 1998. Т. 93, В. 443. С. 935–948. doi:10.1080/01621459.1998.10473750

Бібліотека Scikit-Learn https://scikit-learn.org/dev/whats_new/v0.20.html

##submission.downloads##

Опубліковано

2023-07-13

Як цитувати

ГОЛОВІН, М., & ГОЛОВІНА, Н. (2023). ВИКОРИСТАННЯ МЕТОДУ МАШИННОГО НАВЧАННЯ ДЛЯ АНАЛІЗУ ДИНАМІКИ ШВИДКОСТЕЙ ВИКОНАННЯ ПРАКТИЧНИХ ЗАВДАНЬ З ІНФОРМАТИКИ. Фізика та освітні технології, (1), 18–24. https://doi.org/10.32782/pet-2023-1-3

Статті цього автора (авторів), які найбільше читають