Бурукина Ирина Петровна, кандидат технических наук, доцент, заведующий кафедрой "Системы автоматизированного проектирования",
ул. Красная, д. 40, г. Пенза 440026.
Irina P. Burukina, Cand. of Sci. (Engineering), Associate Professor, Head of the Computer-Aided Design Systems Department,
40, Krasnaya str., Penza 440026.
Горшенин Лев Николаевич, аспирант,
ул. Красная, д. 40, г. Пенза 440026.
Lev N. Gorshenin, Post-Graduate Student,
40, Krasnaya str., Penza 440026.
Цель исследования. Целью настоящего исследования является разработка и обоснование методики формирования индивидуальной образовательной траектории в рамках онлайн курсов посредством анализа учебной активности учащихся и уровня их академической успеваемости.
Методы. В работе применяются скрытые марковские модели, которые хорошо сочетаются с современными подходами машинного обучения, что усиливает их потенциал в плане аналитики и точного подбора образовательных траекторий. Выделены ключевые характеристики учебной активности учащихся, которые можно использовать в качестве наблюдений, а также выбрано подходящее количество скрытых состояний, соответствующее разным уровням академической успеваемости учащихся.
Результаты. Для экспериментального построения модели использовалась библиотека scikit-learn, разработанная для языка программирования Python. Обучение модели осуществлялось на двух массивах данных: реальная выборка включала 48942 записей результатов студентов по онлайн курсу «Технологии разработки интернет ресурсов», а дополнительный набор данных содержал 18052 записей из открытого репозитория Kaggle. Проведенное тестирование подтвердило эффективность предлагаемой методики, продемонстрировав улучшение качества образования благодаря точной оценке текущего состояния учащегося (учебной активности, уровня академической успеваемости), гибкому подбору учебных материалов и иной формы взаимодействия.
Заключение. Полученные результаты доказали перспективность использования предлагаемого подхода, способствующего повышению вовлеченности учащихся за счет особенностей восприятия учебного материала, увеличению скорости освоения новых компетенций путем оптимизации последовательности подачи учебного материала и возможности автоматизации процессов мониторинга прогресса учащихся. Исследование представляет особый интерес для специалистов, работающих над повышением эффективности онлайн обучения, и разработчиков образовательных платформ, желающих интегрировать такие модели в свои сервисы для поддержки педагогов и организаторов образовательного процесса.
Purpose of research. The purpose of this study is to develop and substantiate a methodology for the formation of an individual educational trajectory in online courses by analyzing the educational activity of students and their level of academic achievement.
Methods. Hidden Markov models are used in the work, which are well combined with modern machine learning approaches, which enhances their potential in terms of analytics and accurate selection of educational trajectories. The key characteristics of students' learning activity that can be used as observations are highlighted, and a suitable number of hidden states corresponding to different levels of students' academic performance are selected.
Results. The scikit-learn library, developed for the Python programming language, was used for experimental model construction. The model was trained on two data arrays: the real sample included 48942 records of students' results in the online course «Internet Resource Development Technologies», and an additional data set contained 18052 records from the Kaggle open repository. The conducted testing confirmed the effectiveness of the proposed methodology, demonstrating an improvement in the quality of education due to an accurate assessment of the student's current state (academic activity, academic achievement), flexible selection of educational materials and other forms of interaction.
Conclusion. The obtained results proved the prospects of using the proposed approach, which helps to increase student engagement due to the peculiarities of the perception of educational material, increase the speed of mastering new competencies by optimizing the sequence of presentation of educational material and the possibility of automating the processes of monitoring student progress. The study is of particular interest to specialists working to improve the effectiveness of online learning, and developers of educational platforms who want to integrate such models into their services to support teachers and organizers of the educational process.
The authors declare that there are no conflicts of interest present.