Главная » Файлы » Статьи

Анализ закономерностей системы образования вуза с помощью искусственных нейронных сетей.

[ Download from this server (667.5Kb) ]
Анализ закономерностей системы образования вуза с помощью искусственных нейронных сетей.

Д.А. Ануфриева1, М.В. Петрова.2

1 Чувашский гос. университет им. И.Н. Ульянова,
Ф-т прикладной математики, физики и информационных технологий, каф. прикладной физики и нанотехнологий,
Россия, 428000, г. Чебоксары, Университетская 38,
е-mail: Dashko-08@mail.ru
2 Чувашский гос. университет им. И.Н. Ульянова,
Ф-т прикладной математики, физики и информационных технологий, каф. прикладной физики и нанотехнологий,
Россия, 428000, г. Чебоксары, Университетская 38,
e-mail: vasilkovam@mail.ru

Состояние современного российского вуза - это результат принципиальных изменений политических и социально-экономических условий в последние 20 лет. Хороши они или плохи, покажет время, но сейчас каждый вуз в соответствии со своими особенностями (территориальными, уровнем материально-технической базы, специализацией и квалификацией преподавателей и т. д.) должен самостоятельно определять пути своего развития и взаимодействия с потребителями высшего образования, категории и потребности которых очень разнообразны. Поэтому создание современной системы управления вузом, учитывающей множество разнообразных факторов и рассматривающей задачи управления по отношению к различным целевым функциям, очень актуально. Решению этих задач посвящен проект, выполняемый в ЧувГУ (сайт проекта: http://mfi.chuvsu.ru/opros/).
В данной работе рассматривается вопрос влияния качества приема в вуз (качество абитуриентов) на успеваемость студентов 1 курса. Одним из ключевых показателей оценки «эффективности» деятельности вузов согласно мониторингу, который проводился Минобрнауки РФ, выступал средний балл ЕГЭ абитуриентов принятых в вуз. С целью проверки этого критерия, на основе данных анкет, собранных на сайте проекта, сначала была оценена корреляция между баллами ЕГЭ и качеством оценок полученных студентами 1 курса на первой (зимней) сессии. Результаты представлены на рис. 1.



Рис.1 Результаты корреляционного анализа
Они показывают, что линейной связи между баллами ЕГЭ и оценками первой сессии студентов нет и что связь эта существенно нелинейная. Для выявления этой связи были использованы искусственные нейронные сети, с помощью которых были построены вычислительные модели, позволяющие по баллам ЕГЭ прогнозировать успеваемость студентов в первую сессию. Результаты представлены на рис. 2-4.



Рис. 2. Зависимость количества «пятерок» в первую сессию от результатов ЕГЭ по математике.



Рис. 3. Зависимость количества «пятерок» в первую сессию от результатов ЕГЭ по физике.



Рис. 4. Зависимость количества «пятерок» в первую сессию от результатов ЕГЭ по русскому языку.

Результаты показывают следующее. Количество «пятерок» в первую сессию не зависит (близко к 0) от баллов ЕГЭ по математике до значения 70 (рис. 2). При баллах ЕГЭ более 70 количество «пятерок», полученных студентами в первую сессию начинает расти, достигая максимума при баллах ЕГЭ более 75. Зависимость количества «пятерок» в первую сессию от результатов ЕГЭ по физике практически не существует (рис. 3) - обратите внимание на то, что количество пятерок не превышает 0,64 (ось ординат). При анализе зависимости количества «пятерок» от баллов ЕГЭ по русскому языку (рис. 4), можно отметить тенденцию того, что меньшие баллы ЕГЭ по русскому языку определяют большее количество «пятерок» в первую сессию. Можно сделать вывод, что средние баллы ЕГЭ не могут служить основанием для определения «эффективности» вуза с точки зрения «качества образования» понимаемого как успеваемость студентов.
Просмотров: 1341 / Добавлено: Darina / Дата: 2017-11-23
Comments 1
Всего комментариев: 0
Только зарегистрированные пользователи могут оставлять комментарии.
[ Registration | Login ]