Применение методов и моделей системного анализа для оптимизации образовательного процесса подготовки специалистов по землеустройству
https://doi.org/10.46845/2071-5331-2025-1-71-33-44
Аннотация
Рассматривается применение методов и моделей системного анализа для оптимизации образовательного процесса подготовки специалистов по землеустройству. Основное внимание уделяется методу «Дерево решений» для анализа тестовых данных студентов и модели «Вход–Выход» для оценки изменений в учебных программах. На основе реальных данных тестирования студентов демонстрируется построение дерева решений, анализируются его структура, алгоритмы и метрики качества модели (точность, индекс Джини). Применение таких подходов позволяет разрабатывать персонализированные рекомендации для студентов, адаптировать содержание курсов к их образовательным потребностям и на этой основе повышать качество подготовки специалистов.
Об авторах
И. Д. Рудинский
Балтийский федеральный университет им. И. Канта
Россия
Россия
Игорь Давидович Рудинский - доктор педагогических наук, профессор
Калининград
О. Ю. Ли
Балтийский федеральный университет им. И. Канта
Россия
Россия
Оксана Юрьевна Ли - аспирант
Калининград
Список литературы
1. Рудинский, И. Д. Основы формально-структурного моделирования систем обучения и автоматизации педагогического тестирования знаний // Научно-техническое издательство Горячая линия-Телеком, 2004. – С. 202.
2. Славутская, Е. В. Вертикальный системный анализ данных психодиагностики учащихся с использованием метода «дерево решений» // Science for Education Today. – 2020. – Vol. 10. – № 3. – Pp. 87–107.
3. Минеева, О. А., Даричева,М.В. Организация тестирования в системе Moodle при обучении иностранному языку // Научно-педагогическое обозрение. Pedagogical Review. – 2016. – № 3(13). – Pp. 81–86.
4. Шайтура, С. В. Основные направления использования геоинформационных систем в землеустройстве и земельном кадастре // Вестник Курской государственной сельскохозяйственной академии. – 2022. – № 2. – С. 165–171.
5. Betti, M. J. An Input-Process-Output Analysis of the Department of English in the Colleges of Education in Iraq. 2021.
6. Ismail Fawaz, H. Deep learning for time series classification: a review // Data Min Knowl Disc. – 2019. – Vol. 33. – № 4. – Pр. 917–963.
7. Genrikhov, I. E., Djukova E.V. About methods of Synthesis Complete Regression Decision Trees // Pattern Recognit. Image Anal. – 2019. – Vol. 29. – № 3. – Pр. 457–470.
8. Adriaens, F., Lijffijt J., De Bie T. Subjectively interesting connecting trees and forests // Data Min Knowl Disc. – 2019. – Vol. 33. – № 4. – Pр. 1088–1124.
9. Левитин, А. В. Алгоритмы: введение в разработку и анализ. – Москва : Издательский дом Вильямс, 2006.
10. Kurdi, G. A Systematic Review of Automatic Question Generation for Educational Purposes // Int J Artif Intell Educ. – 2020. – Vol. 30. – № 1. – Pр. 121–204.
11. Резниченко, Н. С., Шилов, С. Н., Абдулкин, В. В. Нейросетевой подход в решении медикопсихологических проблем и в диагностическом процессе у лиц с ограниченными возможностями здоровья (обзор литературы) // Журнал Сибирского федерального университета. Серия: Гуманитарные науки. – 2013. – Т. 6. – № 9. – С. 1256–1264.
12. Грушецкий, С. В., Рудинский, И. Д. Модель статистического оценивания знаний // Информационные технологии. – 2004. – № 12. – С. 48–54.
13. Вдовина, С. А., Кунгурова, И. М. Сущность и направления реализации индивидуальной образовательной траектории // Вестник евразийской науки. Общество с ограниченной ответственностью «Издательский центр «Науковедение». – 2013. – № 6(19). –175 с.
14. Сысоев, П. В. Обучение по индивидуальной траектории // Язык и культура. – 2013. – № 4(24). – С. 121–131.
15. Перязева, Ю. В., Калганов, Р. Г. Формирование индивидуальных образовательных траекторий в традиционных LMS // Современные информационные технологии и ИТ-образование. Фонд содействия развитию интернет-медиа, ИТ-образования, человеческого потенциала «Лига интернет-медиа». – 2020. – Вып. 3. – 2020. – С. 754–763.
16. Ли, О. Ю. Развитие профессиональных навыков студентов в области землеустройства и кадастров с помощью дисциплины «информатика» // Туристско-рекреационный потенциал и особенности развития туризма и сервиса : сб. статей Всероссийской межвузовской научно-практической конференции. – 2023. – № 17. – С. 318–322.
17. Genrikhov, I. E., Djukova, E. V., Zhuravlev, V. I. On full regression decision trees // Pattern Recognit. Image Anal. – 2017. – Vol. 27. – № 1. – Pр. 1–7.
18. Quinlan, J. R. Induction of decision trees // Mach Learn. – 1986. – Vol. 1. – № 1. – Pp. 81–106.
19. Мифтахова, А. А. Применение метода дерева решений для решения задач классификации и прогнозирования // Инфокоммуникационные технологии. 2016. – Вып. 14. – № 1. – С. 64–70.
20. Полин, Я. А. Деревья решений в задачах классификации: особенности применения и методы повышения качества классификации // Современные наукоемкие технологии. Общество с ограниченной ответственностью «Издательский Дом» Академия. – 2020. – № 9. – С. 59–63.
Рецензия
Для цитирования:
Рудинский И.Д., Ли О.Ю. Применение методов и моделей системного анализа для оптимизации образовательного процесса подготовки специалистов по землеустройству. ИЗВЕСТИЯ Балтийской государственной академии рыбопромыслового флота. Психолого-педагогические науки. 2025;(1(71)):33-44. https://doi.org/10.46845/2071-5331-2025-1-71-33-44
For citation:
Rudinskiy I.D., Li O.Yu. Application of methods and models of system analysis to optimize the educational process of training specialists in land management. The Tidings of the Baltic State Fishing Fleet Academy: Psychological and pedagogical sciences. 2025;(1(71)):33-44. (In Russ.) https://doi.org/10.46845/2071-5331-2025-1-71-33-44
Просмотров:
7
Послать статью по эл. почте 