Аннотации:
The aim of paper is to show the benefits of the educational data mining (EDM) techniques, in order to understand about of the factors which lead to technical student’s success and failure, and predict their performance and determine the individual learning ability in engineering sciences. For these goals, we use the individual data of 311 student and their grades that were collected in Industrial
Institute of Al-Diwaniyah city (Iraq) during 2015-2017 academic years, in order to predict the results of final theoretical exam in industrial drawing by applying EDM techniques, such as association
rules mining, classification with decision tree algorithm learning, clustering with Apriori algorithm and anomaly detection implemented as the output model of the clustering. Using Microsoft
SQL Server Business Intelligence Development Studio 2012 platform and based on Cross Industry Standard Process for Data Mining, we prepare of 13 nominal and numerical attributes for each student and consequently apply and finally evaluate all 4 EDM techniques. We conclude that: 1) association rules were revealed that the most important factor which contribute to the failure of the student is the “project” attribute; 2) decision tree classification permit to the teacher predict the future students and to correct the student's prediction path, but 3) clustering collects of the students
into successful and failure groups and helps to the teacher to guide each group separately, and
4) to detect anomaly by an extension DMX for SQL and correct the education process for students located on the border of the cluster. Исследуются перспективы применения методов интеллектуального анализа данных (Educational data mining - EDM) в техническом образовании республики Ирак с целью выявления
значимых факторов обучения и прогноза успеваемости студента и внедрения индивидуального
обучения для студентов инженерных направлений. Для этих целей: 1) нами создана база данных, содержащая индивидуальную информацию и оценки 311 студентов, проходивших
обучение в 2015-2017 годах в индустриальном институте города Эль-Дивания; 2) сделаны
оценки факторов обучения техническому дизайну и черчению и попытка прогноза результатов
выпускного экзамена по этой дисциплине на основе методов EDM, реализованных на платформе Microsoft SQL Server Business Intelligence Development Studio 2012 (поиск ассоциативных
правил; классификация с обучением дерева принятия решений; кластеризация с алгоритмом
Apriori; обнаружение аномалий обучения). Базируясь на стандарте Cross Industry Standard Process for Data Mining, мы подготовили по 13 номинальных и числовых атрибутов для каждого из студентов, провели обучение методом EDM и затем оценили их преимущества, заключив, что: 1) ассоциативные правила помогли обнаружить наиболее важный фактор, ведущий к провалу студента на экзамене; 2) дерево решений незаменимо в прогнозе итоговой успеваемости студента, позволяя выбрать траекторию обучения; 3) кластеризация собирает студентов в отдельные по успешности коллективы; 4) обнаружение аномалий данных помогает педагогу находить студентов, находящихся в граничных состояниях. Делается общий вывод о необходимости продолжения работ по апробации EDM и коллективных итогов обучения.
Описание:
Y.K. Salal, Yasskhudheirsalal@gmail.com,
S.M. Abdullaev, abdullaevsm@susu.ru
South Ural State University, Chelyabinsk, Russian Federation. Салал Ясс Кхудейр, аспирант кафедры системного программирования, Южно-Уральский государственный университет, г. Челябинск; Yasskhudheirsalal@gmail.com.
Абдуллаев Санжар Муталович, д-р геогр. наук, профессор кафедры системного программирования,
Южно-Уральский государственный университет, г. Челябинск; abdullaevsm@susu.ru.