Тип публикации: доклад, тезисы доклада, статья из сборника материалов конференций
Конференция: Информатизация образования и методика электронного обучения: цифровые технологии в образовании; Красноярск; Красноярск
Год издания: 2025
Ключевые слова: прогнозирование, успеваемость студентов, предикторы, дисциплины-предшественники, корреляционный анализ, множественная проверка гипотез, линейные модели машинного обучения, predicting, student performance, predictors, precursor disciplines, correlation analysis, multiple hypothesis testing, linear machine learning models
Аннотация: В статье рассматривается процесс отбора предикторов для прогнозирования успеваемости студентов по дисциплинам «Теория вероятностей» и «Математическая статистика». В качестве предикторов использовались оценки студентов по предшествующим математическим дисциплинам. Для отбора применялся корреляционный анализ с учётом поправок на множПоказать полностьюественную проверку гипотез. Полученные предикторы применялись при построении моделей машинного обучения для прогнозирования успеваемости студентов. The article examines the process of selecting predictors for predicting student performance in the disciplines of “Probability Theory” and “Mathematical Statistics”. Students' grades in previous mathematical disciplines were used as predictors. Predictor selection was performed using correlation analysis with adjustments for multiple hypothesis testing. The resulting predictors were used to build machine learning models for predicting student performance.
Журнал: Информатизация образования и методика электронного обучения: цифровые технологии в образовании
Номера страниц: 69-73
Место издания: Красноярск