Мальков И.А.
СИСТЕМА ПРОГНОЗИРОВАНИЯ АКАДЕМИЧЕСКОЙ ЗАДОЛЖЕННОСТИ НА ОСНОВЕ ТЕКУЩЕЙ УСПЕВАЕМОСТИ И ПРОЦЕНТА ПРОПУСКОВ *
Аннотация:
в результате проделанной работы были исследованы подходы к созданию системы прогнозирования академической задолженности, рассмотрено влияние ключевых факторов, а также сделан вывод об актуальности задачи и необходимости разработки такой системы.
Ключевые слова:
академическая задолженность, аттестация, успеваемость, прогнозирование, критерии
Введение.На текущий момент у образовательных организаций есть такая серьезная проблема, как академическая задолженность. Она отрицательно влияет не только на успехи и перспективы самих учащихся, но и на репутационное и финансовое состояние учебных заведений, так как это приводит к увеличению количества отчислений.Больше всего на риски возникновения академической задолженности влияет низкая текущая успеваемость и пропуски. Из этих параметров и составляется информация, необходимая для анализа учебного процесса учащихся. Однако в современных реалиях ручной анализ данных и мониторинг этих показателей преподавателями чаще оказывается малоэффективным, ввиду увеличения объема данных и количества учащихся.Современные инструменты прогнозирования и контроля успеваемости позволяют более точно и своевременно выявлять учащихся с риском академической задолженности, что позволяет организациям вовремя принять необходимые меры.Цель данной работы — исследовать и сравнить существующие инструменты прогнозирования в учебной среде.Актуальность.В современном образовательном процессе важное значение имеет своевременное выявление студентов, находящихся в зоне риска возникновения академической задолженности. Академическая задолженность не только снижает показатели успеваемости учащихся, но и увеличивает риск их отчисления, что негативно сказывается как на личных образовательных траекториях студентов, так и на репутации образовательной организации.Одним из ключевых факторов, влияющих на академическую успешность, являются текущие оценки и посещаемость занятий. Высокий процент пропусков и низкая текущая успеваемость часто коррелируют с возникновением академических трудностей. Однако традиционные методы контроля успеваемости и посещаемости, основанные на ручной обработке данных, часто являются трудоемкими и недостаточно эффективными для оперативного принятия управленческих решений.Внедрение системы прогнозирования академической задолженности на основе анализа текущей успеваемости и процента пропусков представляет собой современное решение данной проблемы. Такие системы позволяют не только своевременно выявлять студентов, нуждающихся в дополнительной поддержке, но и прогнозировать риск задолженности задолго до её фактического возникновения. Это дает возможность образовательным учреждениям разрабатывать индивидуальные меры поддержки, адаптировать образовательные процессы и минимизировать потери.Разработка системы прогнозирования академической задолженности актуальна в условиях стремительного роста объёмов данных и необходимости их эффективного использования для повышения качества образования и улучшения образовательных результатов.Аттестация, академическая задолженность и их влияние на образовательный процесс.Аттестация представляет собой процесс проверки знаний, умений и навыков учащихся, который проводится для определения уровня их освоения образовательной программы. Она может быть промежуточной (в рамках семестров или модулей) и итоговой (например, государственная итоговая аттестация). Основной задачей аттестации является объективная оценка успеваемости студентов, их готовности к следующему этапу обучения или завершению образовательной программы.Академическая задолженность возникает в случае неудовлетворительного результата аттестации по одному или нескольким учебным предметам или дисциплинам, а также при отсутствии допуска к аттестации из-за низкой посещаемости. Такая задолженность может быть результатом недостаточного усвоения материала, пропусков занятий или несвоевременного выполнения учебных заданий.Академическая задолженность негативно сказывается как на индивидуальном образовательном процессе, так и на общем уровне организации образовательного учреждения. Для студента задолженность может привести к дополнительной учебной нагрузке, психологическому стрессу и, в крайних случаях, к отчислению. Для учебного заведения это означает увеличение нагрузки на преподавателей и административный персонал, а также снижение показателей успешности.Низкая текущая успеваемость и высокий процент пропусков являются основными предикторами возникновения академической задолженности. Недостаточная посещаемость приводит к пробелам в знаниях, которые сказываются на результатах аттестации. В свою очередь, неудовлетворительные оценки по промежуточным заданиям, экзаменам и другим видам контроля сигнализируют о высоком риске возникновения задолженности.При этом влияние указанных факторов усиливается, если проблемы остаются без внимания со стороны преподавателей и администрации. Раннее выявление таких студентов позволяет своевременно оказать им помощь, например, организовать консультации, дополнительные занятия или наставничество.Системы прогнозирования академической задолженности основываются на анализе данных об успеваемости, посещаемости и других параметрах образовательного процесса. Среди методов прогнозирования можно выделить следующие:- анализ данных для выявления закономерностей,- алгоритмы классификации и регрессии, которые оценивают вероятность задолженности на основе текущих данных,- корреляционный анализ между пропусками, успеваемостью и задолженностями,- автоматизированные инструменты, сигнализирующие об учащихся, находящихся в зоне риска.Для уменьшения вероятности академической задолженности необходимо внедрять комплексные меры, такие как:- создание автоматизированных систем, отслеживающих успеваемость студентов в реальном времени,- организация консультаций и дополнительных занятий для отстающих учащихся,- развитие программ наставничества и вовлечение студентов в учебный процесс.- регулярное информирование студентов о текущем уровне их успеваемости и потенциальных рисках,- внедрение интеллектуальных систем анализа данных для прогнозирования задолженности и оптимизации образовательного процесса.Грамотное управление образовательным процессом с использованием современных методов анализа данных и прогностических систем позволяет не только снизить вероятность возникновения академической задолженности, но и повысить общую эффективность обучения.Разработка системы прогнозирования академической задолженности необходима для своевременного контроля и принятия мер по устранению проблем образовательного процесса. Такая система позволяет вовремя выявлять студентов, находящихся в зоне риска, и принимать меры для предотвращения задолженности еще до её фактического возникновения. Это снижает нагрузку на преподавателей и административный персонал, сокращает количество студентов, испытывающих трудности в обучении, и минимизирует риск их отчисления. Кроме того, прогнозирование помогает оптимизировать образовательные ресурсы, улучшить показатели успеваемости и повысить общий уровень качества образования. Внедрение таких систем особенно актуально в условиях цифровизации образования и растущего объема данных, что делает процесс анализа и принятия решений более эффективным и объективным.Сравнение аналогов.1. Метод главного критерия.Данный метод предполагает сведения задачи многокритериальной оптимизации к однокритериальной. Для этого выбирается один из рассматриваемых критериев в качестве главного критерия.Были выделены основные критерии оценки:• Эффективность. Скорость обработки данных.• Объективность. Непредвзятость системы к оценкам учеников.• Конфиденциальность. Изолированность прогнозов для каждого ученика.• Пользовательский опыт. Удобство взаимодействия с программным продуктом.• Точность. Точность прогноза академической задолженности.• Обратная связь. Возможность получения данных о прогнозах как учителем, так и учеником.Применение метода главного критерия.Выделение главного критерия. Наиболее важным критерием является «точность», так как необходимо максимально точно составлять прогноз задолженности ученика по оценке текущей успеваемости и пропускам.Оценка альтернатив.Программа прогнозирования успеваемости студентов первого курса высшего учебного заведения по баллам вступительных испытаний и оценкам за текущие аттестации - Программа предназначена для поиска закономерностей между баллами ЕГЭ абитуриентов при поступлении в ВУЗ, баллами текущих аттестаций и оценками за зимнюю и летнюю промежуточные аттестации 1-го курса средствами глубокого машинного обучения. Сформированная в результате обучения матрица весовых коэффициентов позволяет сформировать прогноз успеваемости студента на зимнюю и летнюю промежуточные аттестации по изучаемым дисциплинам: «зачтено»/«не зачтено» либо «отлично»/«хорошо»/«удовлетворительно»/«не удовлетворительно» в зависимости от формы аттестации по каждой дисциплине. Далее – Аналог 1 [1].Чат-бот «Цифровой помощник студента» - Программа нацелена на снижение академической задолженности студентов. В результате создания программы будут дополнительно разработаны и апробированы модели прогнозирования риска академической неуспешности. Программа реализована в виде Telegram-бота, который автоматически предупреждает студентов о приближающихся дедлайнах к заданиям в академических дисциплинах, а также сопровождает эти оповещения мотивирующими пожеланиями. Программа использует диагностические вопросы для выявления факторов, которые могут негативно повлиять на успеваемость и реализует персонализированные программы поддержки, адаптированные к их потребностям. Далее – Аналог 2 [2].Сравнение.Таблица 1. Сравнение аналогов.Рисунок 1. Диаграмма сравнения аналогов.Метод аддитивной свертки.Это метод многокритериального принятия решений, который используется для оценки и выбора альтернатив на основе нескольких критериев. Этот метод позволяет объединять различные критерии в одну итоговую оценку, что упрощает процесс принятия решения.Основные критерии и аналоги будут такими же, как и в пункте 1.Сравнение.Для решения данной задачи используется аддитивный критерий оптимальности (обобщенная функция цели), который определяется по формуле:где:aij – значение частного (локального) критерия,λj - вес (важность) j–го частного критерия.Нормализация - последовательность процедур, с помощью все критерии приводятся к единому масштабу измерения. В процессе нормализации выполняют следующие действия:Определяют max каждого локального метода: aj+=max aij.В соответствии с критерием max эффективности пересчитываются значение частных критериев:Таблица 2. Сравнение аналогов с параметром max.Рассчитаем значения аддитивного критерия оптимальности.F1 =0.7*0.5+0*0.1+0*0.06+1*0.12+1*0.2+0.7*0.02=0.684F2 =0.5*0.5+0.25*0.1+0*0.06+0.3*0.12+0.6*0.2+0.6*0.02=0.443F3 =1*0.5+0*0.1+0*0.06+0.6*0.12+0.7*0.2+0.2*0.02=0.716Рисунок 2. Диаграмма сравнения аналогов c параметром max.Метод идеальной точки.Таблица 4. Сравнение аналогов с идеальной точкой.Расчет расстояний:Fᵢ = √(∑ⱼ₌)ⁿ (xᵢⱼ - x^*ⱼ)²F1 =9−82+9−92+10−102+7−62+8−82+8−72=1.73F2 =9−92+9−92+10−102+7−72+8−72+8−82=1Рисунок 3. Рассчитанные расстояния.Заключение.В результате проведенной работы была рассмотрена академическая задолженность как явление, актуальность этой проблемы и влияние ее на учебный процесс. Также были изучены существующие системы прогнозирования, задействованные в образовательных целях. Выделены критерии сравнения, с главным критерием – точность и проведена оценка альтернатив.Учитывая общую тенденцию к цифровизации образования, такие интеллектуальные помощники могут стать неотъемлемой частью учебного процесса, тем самым повысив эффективность обучения в целом и помогая учащимся лучше справляться с учебой на текущий момент времени.
Номер журнала Вестник науки №6 (87) том 1
Ссылка для цитирования:
Мальков И.А. СИСТЕМА ПРОГНОЗИРОВАНИЯ АКАДЕМИЧЕСКОЙ ЗАДОЛЖЕННОСТИ НА ОСНОВЕ ТЕКУЩЕЙ УСПЕВАЕМОСТИ И ПРОЦЕНТА ПРОПУСКОВ // Вестник науки №6 (87) том 1. С. 1492 - 1502. 2025 г. ISSN 2712-8849 // Электронный ресурс: https://www.вестник-науки.рф/article/23761 (дата обращения: 12.07.2025 г.)
Вестник науки © 2025. 16+