ivdon3@bk.ru
В работе актуализируется стратегический подход к поддержанию качества успеваемости студентов. В статье «Большие данные» представляются как подход к организации данных, получаемых в ходе учебного процесса. Интеллектуальный анализ рассматривается как инструмент анализа Больших данных. Также авторами рассмотрены подходы повышающие эффективность обучения, и которые позволяют прогнозировать успеваемость учащихся. Смешанное обучение, как интеграция в учебный процесс лучших возможностей очного и дистанционного обучения, представлено основой для последующего сбора Больших данных для анализа. Рассмотрено применение методов интеллектуального анализа данных для разработки моделей прогнозирования поведения и успеваемости учащихся. Авторами предложено моделирование учащихся – как ключевая концепция интеллектуального анализа данных в образовании, которая относится к качественному представлению поведения учащихся. Описаны алгоритмы интеллектуального анализа данных, классификация и кластеризация представлены как наиболее частые задачи. Алгоритм CART дерева решений, представлен как один из эффективных методов интеллектуального анализа данных, необходимых для прогнозирования успеваемости учащихся на основе онлайн-активности, которая хранится в файле журнала Moodle LMS. В завершение сделан вывод, что личный контакт опытного педагога со студентом в учебном процессе невозможно заменить на инструменты, предоставляемые Moodle и аналогичных систем, но в связи с ростом угроз, вызванных пандемией, актуальность дистанционного образования приобретает все большее значение.
Ключевые слова: качество успеваемости студентов, большие данные, интеллектуальный анализ, моделирование учащихся, Алгоритм CART дерева решений, Moodle LMS, дистанционное образование