ПРИМЕНЕНИЕ ИНСТРУМЕНТОВ DATA MINING ДЛЯ АНАЛИЗА И ПРОГНОЗИРОВАНИЯ УДОВЛЕТВОРЕННОСТИ ОБУЧЕНИЕМ

В статье рассматриваются особенности и результаты применения инструментов интеллектуального анализа данных – приложения для построения деревьев решений See5, с помощью которого на основе данных социологического опроса определяется ряд параметров, наиболее значимых для оценки удовлетворенности обучением. Наряду с особенностями применения программного инструмента анализа данных в работе показан порядок подготовки данных для загрузки и дальнейшего анализа. При этом представлены не только форматы файлов, загружаемых в приложение, но и подходы к очистке и агрегированию исходных данных, в том числе и в целях снижения их размерности. Интерпретация результатов построения деревьев решений – правил классификации, полученных в ходе обработки – направлена в том числе на выбор оптимальных настроек обработки исходных данных. Построенный с использованием данных социологического опроса классификатор показал, что существенное влияние на классификацию оказывают такие параметры, как атмосфера межличностных отношений, признание достижений обучаемого, престиж образовательной организации. Также в работе приведена процедура оценки прогнозных значений удовлетворенности обучаемых на основе ввода предполагаемых значений классификационных признаков.

1. Клейменов Е.А. Институциональные ожидания курсантов и слушателей в образовательной организации. Власть и управление на Востоке России. 2018;3:92- 105.

2. Русанова А.А. Удовлетворенность как показатель качества образования в современном вузе (из опыта конкретного социологического исследования). Современные исследования социальных проблем (электронный научный журнал). 2011;3:21-26.

3. Киселёва М.В. Вовлечение обучающихся вуза в оценку и повышение качества образования. Вестник Костромского государственного университета. Серия: Педагогика. Психология. Социокинетика. 2016;22(3):142-147.

4. Бондарь К.М., Скрипко П.Б. Анализ данных в образовании как основа для повышения качества образовательного контента и эффективности обучения. Социальнопсихологические и педагогические детерминанты формирования и развития профессиональной мотивации курсантов и слушателей в процессе обучения в образовательных организациях системы МВД России Материалы всероссийской научно-практической конференции. Отв. ред. А.А. Андреев. 2017:130-133.

5. Pappas Ch. 9 Tips To Give and Receive eLearning Feedback. Доступно по: https://elearningindustry.com/9-tips-give-receive-elearning-feedback. Ссылка активна на 02.09.2019.

6. Скрипко П.Б., Дунин В.С. Направления применения методов интеллектуального анализа данных для оценки результатов электронного обучения. Государство и право в эпоху глобальных перемен материалы международной научно-практической конференции. Под ред. С.К. Бурякова. 2017:307-308.

7. Agaoglu M. Predicting Instructor Performance Using Data Mining. IEEE Access. 2016;4:2379-2387.

8. Дюк В., Самойленко А. Data Mining: учебный курс. СПб.: Питер; 2001:366.

9. Барсегян А.А. и др. Анализ данных и процессов: учеб. пособие. СПб.: БХВПетербург; 2009:512.

10. Бондарь К.М., Емельянова О.В., Скрипко П.Б. Методика проведения аналитической работы в ОВД: учебно-практическое пособие. Дальневосточный юрид. ин-т МВД РФ. Хабаровск: РИО ДВЮИ МВД РФ; 2013:144.