Прогнозирование результатов учебы студентов с помощью методов ИИ

Автор работы: Пользователь скрыл имя, 09 Декабря 2010 в 08:40, курсовая работа

Описание работы

РО, ЭС. Анализ результатов тестирования. Прогнозирование результатов тестирования, объяснение результатов прогноза, оценка знаний студентов.

Скачать архив (165.63 Кб) Сколько стоит заказать работу?

Файлы: 1 файл

Курсовая работа.doc

— 662.50 Кб (Скачать файл)

*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.

R0 МУВ Устойчивость
0.860 5,10,14,15 устойчивый
0.765 5,10,14,15
0.669 5,10,14,15
0,574 5,7,10,12,13,14,15 неустойчивый
0,479 3,5,6,7,8,9,10,12,13,14,15 неустойчивый
0,384 1,3,5,6,7,8,9,10,12,13,14,15 неустойчивый
0,288 1,2,3,5,6,7,8,9,10,12,13,14,15 неустойчивый

     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.

№ Фамилия Имя МК1 МК2 ФНП МК3 МК4 МК5 МК6 МК7 ИПФ МК8 МК9 МК10 МК11 ВА МК12 МК13 Сум
1 Лейчук Диана 50 38 190 67 38 50 75 50 315 75 75 42 71 445 58 17 1656
2 Шевякова Зоя 25 75 246 47 50 75 50 100 266 75 75 100 96 225 33 50 1589
3 Фролова Наталья 50 0 216 50 0 75 75 25 367 25 0 50 75 300 25 25 1358
4 Нещерецкая Ольга 13 50 215 60 38 25 25 25 233 75 0 50 67 414 25 25 1340
5 Горенко Ольга 42 0 310 68 25 0 75 75 219 50 75 50 43 178 71 25 1305
6 Помехина Ангелина 4 100 308 67 50 50 50 0 140 50 25 42 50 255 58 8 1257
7 Веретенникова Екатерина 8 50 184 42 50 25 0 50 149 25 50 38 50 316 100 0 1137
8 Самсонова Эмилия 50 38 192 80 50 25 0 25 150 25 0 0 64 300 25 0 1024
9 Масленников Павел 8 0 92 50 25 13 25 75 80 25 0 50 75 241 92 75 925
10 Беляева Анастасия 13 25 154 80 25 25 25 0 186 25 25 38 58 178 50 8 915
11 Добрых Александр 33 63 215 42 75 0 0 0 117 50 0 92 71 55 33 0 846
12 Герасименко Алена 17 13 69 17 25 63 25 0 67 25 25 13 25 219 75 25 701
13 Белкина Анна 0 25 16 60 25 25 25 25 123 50 0 38 21 141 58 8 640
14 Рычков Антон 17 0 108 13 0 0 0 33 37 25 0 25 44 202 75 8 587
15 Ястребинский Василий 4 25 69 0 25 21 25 0 42 50 25 50 25 190 0 0 550
16 Кащук Юлия 17 0 152 25 0 25 25 0 50 50 0 31 21 81 33 0 511
17 Петрова Марина 25 25 115 0 0 0 25 63 100 25 0 13 0 84 0 25 500
18 Искорцева Елена 0 13 38 38 0 38 0 21 35 0 50 38 42 128 58 0 498
19 Никифорова Елена 25 0 45 25 25 25 50 0 77 25   13 46 47 50 8 461
20 Шугалия Кирилл 33 13 62 8 0 8 25 0 57 50 25 33 50 74 0 0 439
21 Семагин Артем 25 25 31 0 0 38 0 0 33 50 0 63 46 48 50 8 417
22 Пузаков Антон 0 25 46 0 0 46 25 0 38 0 0 75 25 90 33 0 403
23 Локтеев Илья 0 0 23 0 0 0 0 0 14 0 0 13 50 156 100 33 390
24 Батурин Олег 17 0 30 33 0 38 0 0 37 50 25 13 0 63 50 0 354
25 Чащин Сергей 13 0 31 0 25 46 25 25 54 0 0 38 17 36 25 0 333
26 Сергеев Денис 8 0 92 50 0 0 0 0 39 0 25 13 25 81 0 0 333
27 Клепинин Алексей 25 0 62 17 0 0 0  0 15 0 0 8 43 50 58 50 328
28 Родионов Роман 0 38 38 17 0 0 0 0 11 50 0 42 46 17 42 13 312
29 Бездомова Анна 13 0 31 13 0 13 0 13 62 0 0 17 25 44 83 0 311
30 Соловьев Евгений 17 0 31 42 25 13 0 0 38 0 0 25 50 37 25 0 302
31 Разумова Виктория 33 0 31 42 0   25 21 65 0 13 0 14 31 0 8 283
32 Бухрякова Светлана 25 0 23 5 0 25 0 0 73 0 0 6 17 19 75 8 276
33 Шевченко Кристина 0 0 45 33 0 0 25 0 63 0 25 8 50 25 0 0 275
34 Путилова Ирина 0 0 23 13 0 0 25 0 22 25 50 31 0 32 33 8 262
35 Здобнова Екатерина 8 0 31 13 0 0 0 25 30 0 0 6 0 104 25 0 243
36 Тузин Мирослав 38 0 23 17 0 38 0 25 0 0 25 0 0 44 8 0 217
37 Годонюк Дмитрий 38 0   43 0 0 25 0 26 0 6 31 21 0 0 21 211
38 Швецов Артем 50 0 0 0 0 25 0 25 33 0 50 0 0 0 0 0 183
39 Байрамлы Абдулла 0 0 15 17 0 13 0 25 14 0 25 25 17 31 0 0 182
40 Габдрахманова Альбина 25 0 23 0 0 13 0 0 47 0 0 8 25 0 8 0 149
41 Першин Михаил 17 0 23 0 0 0 0 0 9 25 0 0 17 21 25 0 136
42 Русинов Александр 0 0 8 25 0 0 0 0 29 0 0 0 14 24 0 25 125
43 Тормышова Виктория 0 0 0 0 0 0 0 0 0 0 25 0 17 60 0 0 102
44 Бачаев Иван 8 0 0 17 0 0 0 13 0 0 25 0 0 0 33 0 96
45 Кобзарева Дарья 8 0 8 0 0 0 0 0 3 50 0 8 0 12 0 0 90
 

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.

R0 МУВ Устойчивость
0.821 3,9,14,17 неустойчивый
0.731 3,7,9,13,14,17 неустойчивый
0.640 2,3,4,5,7,9,10,13,14,17 неустойчивый
0,550 2,3,4,5,6,7,8,9,10,12,13,14,17 неустойчивый
0,459 1,2,3,4,5,6,7,8,9,10,11,12,13,14,16 неустойчивый

     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.

 

  1. 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.

 

  1. 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.

Информация о работе Прогнозирование результатов учебы студентов с помощью методов ИИ