МАТЕМАТИЧНЕ МОДЕЛЮВАННЯ ПРОЦЕСІВ НАВЧАННЯ І ПРОГНОЗУВАННЯ УСПІШНОСТІ СТУДЕНТІВ
Тип публікації :
Стаття
Дата випуску :
1 жовтня 2024 р.
Автор(и) :
ДОРОШЕНКО, Дмитро
Мова основного тексту :
Англійська
eKNUTSHIR URL :
Том :
1
Випуск :
1
ISSN :
3041-2323
Початкова сторінка :
410
Кінцева сторінка :
415
Цитування :
[APA 7] ДОРОШЕНКО, Д. (2024). MATHEMATICAL MODELING OF LEARNING PROCESSES AND PREDICTION OF STUDENTS SUCCESS. Прикладні інформаційні системи та технології в цифровому суспільстві, 1(1), 410–415. https://doi.org/10.17721/3041-2323.2024.410-415
[ДСТУ] ДОРОШЕНКО Д. MATHEMATICAL MODELING OF LEARNING PROCESSES AND PREDICTION OF STUDENTS SUCCESS. Прикладні інформаційні системи та технології в цифровому суспільстві. 2024. Vol. 1, no. 1. P. 410—415. DOI: 10.17721/3041-2323.2024.410-415 (date of access: 25.07.2026).
Розглянуто ключові підходи до моделювання, зокрема регресійний аналіз, кластерний аналіз, нейронні мережі, баєсові мережі та методи машинного навчання. Ці техніки допомагають освітянам оцінювати успішність студентів, визначати академічні ризики та впроваджувати адаптивні заходи. Прогнозні моделі враховують такі фактори, як попередні оцінки, витрачений на навчання час і рівень залученості до цифрових освітніх систем. Алгоритми машинного навчання, включаючи дерева рішень і нейронні мережі, підвищують точність прогнозування, адаптуючись до нових даних. Хоча математичні моделі забезпечують цінні аналітичні висновки, такі виклики, як неповні дані, емоційні фактори та перенавчання моделі, можуть впливати на їхню надійність.
Файл(и) :![Ескіз]()
Вантажиться...
Формат :
Adobe PDF
Розмір :
536.99 KB
Контрольна сума :
(MD5):f6b4d617f2b0d5d34dbcb7797402a60c
Якщо не вказано інше, ця робота розповсюджується на умовах ліцензії Creative Commons Attribution 4.0 International