Central AsianResearch Index

ПРИМЕНЕНИЕ АНСАМБЛЕВЫХ МЕТОДОВ МАШИННОГО ОБУЧЕНИЯ ДЛЯ АНАЛИЗА ОБРАЗОВАТЕЛЬНЫХ ДАННЫХ В УСЛОВИЯХ ПАНДЕМИИ COVID-19

Статья описывает влияние пандемии COVID-19 на различные сферы жизни, включая образование, где произошел значительный сдвиг к дистанционному обучению. Автор рассматривает роль больших данных и искусственного интеллекта в улучшении образовательных процессов, особенно в условиях глобальных кризисов. Исследование посвящено применению ансамблевых моделей машинного обучения для анализа образовательных данных, собранных во время дистанционного обучения в период пандемии COVID-19. Рассматриваются методы KNN, Random Forest и XGBoost, которые были объединены в ансамблевую модель для улучшения точности предсказаний изменений активности учащихся. Результаты показали положительную динамику учебной активности школьников в условиях дистанционного обучения, с точностью модели до 87%. Образцы данных были получены в ходе онлайн-опроса 35950 учащихся средних школ Казахстана, включая городские и сельские школы. Модель также позволила выявить причины повышения активности учащихся.

Сведения

Опубликовано
2024 · Т. 135, № 6, С. 192-202
Язык
Русский
ISSN
1609-1817 · 2790-5802
Издатель
JSC Academy of Logistics and Transport