Чув
Регистрация Вход
  1. Главная
  2. Конференция
  3. Образование и педагогика: теория и практика
  4. Определение образовательного потенциала учащегося...

Определение образовательного потенциала учащегося на основе его социальных характеристик при помощи машинного обучения

Статья в сборнике трудов конференции
DOI: 10.31483/r-97403
Open Access
Всероссийская научно-практическая конференция «Образование и педагогика: теория и практика»
Creative commons logo
Опубликовано в:
Всероссийская научно-практическая конференция «Образование и педагогика: теория и практика»
Автор:
Романов А. А. 1 , Кожевникова Е. А. 2
Рубрика:
Инновационные технологии как ресурс повышения качества образования
Страницы:
175-180
Получена: 12.12.2020

Рейтинг:
Статья просмотрена:
2094 раз
Размещено в:
РИНЦ
1 Российский университет дружбы народов имени Патриса Лумумбы
2 ГБОУ г. Москвы «Школа №1285»
Для цитирования:
Романов А. А. Определение образовательного потенциала учащегося на основе его социальных характеристик при помощи машинного обучения: сборник трудов конференции. / А. А. Романов, Е. А. Кожевникова // Образование и педагогика: теория и практика : материалы Всеросс. науч.-практ. конф. (Чебоксары, Dec 4, 2020) / editorial board: Ж. В. Мурзина [etc.] – Чебоксары: «Лару-тăру» («Среда») издательство çурчě, 2020. – pp. 175-180. – ISBN 978-5-907313-97-2. – DOI 10.31483/r-97403.

Аннотаци

Работа посвящена исследованию эффективности машинного обучения как ресурса повышения качества образования. Машинное обучение основано на разработке таких компьютерных программ и алгоритмов, которые способны самостоятельно обучаться и адаптироваться при подаче новых данных. В исследовании было проведено практическое использование описанных технологий и сделан вывод, что технологии машинного обучения способны корректно оценить образовательный потенциал учащегося.

Список литературы

  1. 1. Подгайский Н.Е. Психолого-педагогическое прогнозирование успешности обучения первоклассников: дис. … канд. психол. наук / Н.Е. Подгайский; ГОУ ВПО «Нижегородский педагогический университет».
  2. 2. Student Performance Data Set [Электронный ресурс]. – Режим доступа: https://www.kaggle.com/larsen0966/student-performance-data-set (дата обращения: 12.12.2020).
  3. 3. Bishop C.M. Pattern Recognition and Machine Learning. – Springer, 2006.

Комментарии(0)

При добавлении комментария укажите:
  • степень актуальности публикуемого материала;
  • общую оценку (оригинальность и актуальность темы, полнота, глубина, всесторонность раскрытия темы, логичность, связность, доказательность, структурная упорядоченность, характер и достоверность примеров, иллюстративного материала, убедительность выводов);
  • недостатки, недочеты;
  • вопросы и пожелания Автору.