Прогнозирование результатов учебы студентов с помощью методов ИИ

*Таксон  1:   1,  3,  5,  6,  7,  8,  9, 10, 12, 13, 14, 15.

Остальные таксоны  единичные.

     Таксономия  при RO =  0.288

*Таксон  1:   1,  2,  3,  5,  6,  7,  8,  9, 10, 12, 13, 14, 15.

Остальные таксоны  единичные.

     Таксономия  при RO =  0.193

Все признаки  вошли в один таксон.

     Всего таксонов – 7

     ρ = 81 %

     По  шкале интеллектуальных задач (ШИЗ) хорошо, т.к. 0,81 > 0,75 и 0,81 < 0,95.

     Вывод: по результатам таксономии выявлено, что наиболее общие свойства и признаков 5, 10, 14, 15.  
3.3.3. Третий поток студентов.

     В таблице, представленной ниже, даны результаты тестирования студентов из групп ИТ-28011,ВИ-28013,ВИ-28031 за 2008-2009г.

 

АНАЛИЗ  ИНФОРМАТИВННОСТИ ПРИЗНАКОВ

Информационные  веса признаков (в относит. единицах):

-------------------------------------------------------------------------------

Признак :    17     10     14     3      13     12     7      9      5      15

-------------------------------------------------------------------------------

Инф. вес:  1.000  0.940  0.877  0.873  0.761  0.684  0.664  0.577  0.568  0.566

-------------------------------------------------------------------------------

-------------------------------------------------------------------------------

Признак :    2      6      4      8      16     1      11

-------------------------------------------------------------------------------

Инф. вес:  0.528  0.519  0.512  0.279  0.125  0.015  0.000

-------------------------------------------------------------------------------

     Вывод: В результате исследования информативности признаков было выявлено, что наиболее существенными признаками являются тесты № 17, 10 и 14.

ТАКСОНОМИЯ  МНОЖЕСТВА ПРИЗНАКОВ

     Параметры алгоритма таксономии устанавливаются автоматически. Для этого выполняется расчет макс. и мин. (по модулю) значений коэффициента парной корреляции. В результате выполнены следующие назначения:

начальное пороговое  значение коэф-та парной корреляции (по модулю) - 0.912

конечное пороговое  значение коэф-та парной корреляции (по модулю) -  0.007

шаг изменения порогового значения      0.091

     Таксономия  при RO =  0.912

Все таксоны  единичные.

     Таксономия  при RO =  0.821

*Таксон  1:   3,  9, 14, 17.

Остальные таксоны единичные.

     Таксономия  при RO =  0.731

*Таксон  1:   2,  5.

*Таксон  2:   3,  7,  9, 13, 14, 17.

Остальные таксоны  единичные.

     Таксономия  при RO =  0.640

*Таксон  1:   2,  3,  4,  5,  7,  9, 10, 13, 14, 17.

Остальные таксоны  единичные.

     Таксономия  при RO =  0.550

*Таксон  1:   2,  3,  4,  5,  6,  7,  8,  9, 10, 12, 13, 14, 17.

Остальные таксоны  единичные.

     Таксономия при RO =  0.459

*Таксон  1:   1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 16,

             17.

Остальные таксоны  единичные.

     Таксономия при RO =  0.369

Все признаки  вошли в один таксон.

     Всего таксонов – 5

     ρ = 76 %

     По  шкале интеллектуальных задач (ШИЗ) хорошо, т.к. 0,76 > 0,75 и 0,76 < 0,95.

     Вывод: по результатам таксономии выявлено, что наиболее общие свойства и признаков 3,9, 14, 17.

 

3. ЗАКЛЮЧЕНИЕ

     В ходе выполнения работы были собранны и проанализированы данные об успеваемости студентов при помощи пакета «КВАЗАР».

     Выявив  наиболее существенные тесты по трем потокам, мы получили следующие результаты:

• В потоке студентов из групп ИТ-190101,ВИ-190102,ВИ-190301 наиболее существенными тестами оказались тесты № 12, 5 и 3.
• В потоке студентов из групп ИТ-18011,ВИ-18013,ВИ-18031 наиболее существенными тестами оказались тесты № 15, 6 и 5.
• В потоке студентов из групп ИТ-28011,ВИ-28013,ВИ-28031 наиболее существенными тестами оказались тесты № 12, 5 и 3.

     Также по результатам таксономии можно  сделать следующие выводы:

• Общие свойства имеют признаки 3, 14, т.к. тест № 3 является существенным, то можно сделать вывод, что тест № 14 можно также отнести в группу существенных признаков.
• Общие свойства имеют признаки 5, 10, 14, 15, т.к. тесты № 5 и 15 является существенным, то можно сделать вывод, что тесты № 10 и 14 можно также отнести в группу существенных признаков.
• Общие свойства имеют признаки 3,9, 14, 17, т.к. тест № 3 является существенным, то можно сделать вывод, что тесты № 9, 14 и 17 можно также отнести в группу существенных признаков.

     По  результатам анализа можно сделать  вывод, что студенты, имеющие неудовлетворительные результаты по информативным признакам, могут быть в скором времени отчислены.

     В общем можно сделать вывод, что  тест № 5 является наиболее существенным, среди всех потоков.

     Во  всех трех потоках студентов мы получили оценку «хорошо» по шкале интеллектуальных задач (ШИЗ), следовательно, можно сделать  вывод, что с помощью методов ИИ можно прогнозировать результаты успеваемости студентов.

 

4. ЛИТЕРАТУРА

1. Горелик, Александр Леопольдович. Методы распознавания: Учеб. пособие для вузов / А. Л. Горелик, В. А. Скрипкин. - 3-е изд., перераб. и  доп. - М.: Высшая школа, 1989. - 232 с.
2. Генкин, Виталий Леонидович. Системы распознавания автоматизированных производств / В.Л. Генкин, И.Л. Ерош, Э.С. Москалев. - Л.: Машиностроение, 1988. - 246с.
3. Яблонский, Феликс Максимович. Средства отображения информации: Учеб. для вузов по специальности "Пром. электроника" / Ф. М. Яблонский, Ю. В. Троицкий. - М.: Высшая школа, 1985. - 200 с.: ил.; 22 см. - Библиогр.: с. 196 (23 назв.). - Предм. указ.: с. 198-199.
4. Гольдштейн С. Л. Введение в системологию и системотехнику / Ин-т развития регион. образов., подгот. и переподгот. пед. работников. - Екатеринбург: Б. и., 1994. - 198с. Гоппа, Валерий Денисович. Введение в алгебраическую теорию информации / В. Д. Гоппа. - М.: Наука. "Физ.-мат.лит.", 1995. - 108 с.: ил.; 22 см. - Библиогр.: с. 108
5. Век радио: Перспективные пути развития антенных систем космической связи, теории управления и распознавания образов: Сб. науч. тр. / Под ред. Н.И. Черных; Редкол.: А.Ф. Богомолов, Н.Н. Красовский, В.Г. Лабунец и др. ; УрО РАН, Ин-т математики и механики. - Екатеринбург: Б. и., 1996. - 296с.
6. Бухалев, Вадим Алексеевич. Распознавание, оценивание и управление в системах со случайной скачкообразной структурой. - М.: Наука. Физматлит, 1996. - 288с.
7. Загоруйко, Николай Григорьевич. Прикладные методы анализа данных и знаний. - Новосибирск: Изд-во Ин-та математики, 1999. - 270 с.
8. Пестряков, Владимир Борисович. Индивидуальное прогнозирование состояния РЭА с использованием теории распознания образов: Учеб. пособие. - Куйбышев: КуАИ, 1980. - 88 с.