Авторитетность издания
ВАК - К1
RSCI, ядро РИНЦ
Добавить в закладки
Следующий номер на сайте
№4
Ожидается:
09 Сентября 2024
Методика оценки качества обучения студентов вуза с использованием нейро-нечеткого подхода
Methods of assessing the quality of university students’ education using a neuro-fuzzy approach
Дата подачи статьи: 19.01.2016
УДК: 004.891
Статья опубликована в выпуске журнала № 4 за 2016 год. [ на стр. 189-193 ]Аннотация:В настоящее время в соответствии с Болонским процессом для обеспечения успешного функционирования высших учебных заведений и повышения их конкурентоспособности на международном рынке внедряются системы оценки качества обучения. На точность определения эффективности работы вуза в большой степени влияет правильный выбор критериев оценки факторов. Оценка качества образования затрудняется тем, что значение этого показателя обусловлено множеством факторов, возможно, с неизвестным характером влияния, а также тем, что при проведении педагогических измерений необходимо работать с иформацией, имеющей нечисловой характер. Для решения поставленных задач был проведен обзор факторов, оказывающих наибольшее влияние на процесс обучения студентов. Традиционно среди них выделяют следующие: качество взаимодействия с рынком труда при формировании содержания образования, качество абитуриентов и студентов, технологий обучения, учебно-методи¬ческого и материально-технического обеспечения образовательного процесса, профессорско-преподавательского состава. Предложенная авторами работы методика оценки качества обучения студентов вуза основана на использовании двухуровневой системы, построенной на базе адаптивной системы нейро-нечеткого вывода ANFIS, реализованной в пакете Fuzzy Logic Toolbox системы MatLab и искусственных нейронных сетей. Для оценки четырех выделенных групп факторов используются четыре модуля, реализованные с помощью искусственных нейронных сетей. Число входов каждой из этих сетей обусловлено числом факторов, входящих в соответствующую группу. На входы искусственных нейронных сетей подаются значения показателей в виде величин в диапазоне от 0 до 1. На выходе каждой ИНС формируются значения оценки соответствующей группы факторов также в виде величин в диапазоне от 0 до 1. Полученные в итоге значения оценки групп факторов подаются на вход сети ANFIS, которая представляет собой второй уровень системы оценки качества обучения студентов вуза. А выходная переменная системы ANFIS представляет собой численную оценку качества обучения студентов вуза. Двухуровневое вычисление упрощает сбор данных для обучения искусственных нейронных сетей, а также процесс формирования экспертных оценок для обучения и формирования входов искусственных нейронных сетей и сети ANFIS. Предложенная система оценки качества обучения студентов вуза позволяет получить числовую оценку, представляющую собой суммарный показатель, характеризующий результаты деятельности образовательного учреждения и показывающий, насколько эффективно проходит процесс обучения.
Abstract:Nowadays according to the Bologna process the system of education quality assessment are introduced for successful functioning of higher education institutions and enhancing their competitive in the international market. The accuracy of determining the university efficiency to a large extent depends on the correct choice of criteria to assess the factors that determine education quality. Education quality assessment is hampered by the fact that the value of this indicator depends on many factors, as well as the fact that during the pedagogical dimensions it is inevitable to work with non-numeric information. In order to achieve the objectives the authors have reviewed factors that have the greatest impact on student learning. Traditionally among these factors there are the following: the quality of interaction with a labor market during the formation of educational content, the quality of applicants and students, the quality of teaching technologies, teaching and logistical support of an educational process, the quality of teaching staff. The proposed methods of assessing the quality of students education is based on a two-level system. It is built on the basis of an adaptive neuro-fuzzy inference system (ANFIS) which is implemented in the Fuzzy Logic Toolbox package of MatLab and artificial neural networks. To evaluate each of the four groups of factors that influence the quality of a students’ learning process, there are four modules implemented using artificial neural networks. The number of inputs of each artificial neural network is caused by a number of factors included in an appropriate group. Factor group values go to the input of ANFIS, which is the second level of a quality assessment system for university students’ education. The output variable of ANFIS is a numerical evaluation of students’ learning quality. Two-level calculation simplifies data collection for artificial neural networks training and the expert assessments formation for training and formation of inputs of artificial neural networks and ANFIS. The proposed system of students education quality assessment provides a numerical estimate, which is an aggregate measure of an educational institution performance, showing learning process efficiency.
Авторы: Айдинян А.Р. (andstyle@mail.ru) - Донской государственный технический университет (доцент), Ростов-на-Дону, Россия, кандидат технических наук, Цветкова О.Л. (olga_cvetkova@mail.ru) - Донской государственный технический университет (доцент), Ростов-на-Дону, Россия, кандидат технических наук | |
Ключевые слова: экспертные оценки, адаптивные сети нейро-нечеткого вывода, искусственные нейронные сети, качество образования |
|
Keywords: expert assessments, adaptive neuro-fuzzy inference systems, artificial neural networks, quality of formation |
|
Количество просмотров: 9070 |
Статья в формате PDF Выпуск в формате PDF (16.17Мб) Скачать обложку в формате PDF (0.62Мб) |
Постоянный адрес статьи: http://swsys.ru/index.php?page=article&id=4238 |
Статья в формате PDF Выпуск в формате PDF (16.17Мб) Скачать обложку в формате PDF (0.62Мб) |
Статья опубликована в выпуске журнала № 4 за 2016 год. [ на стр. 189-193 ] |
Возможно, Вас заинтересуют следующие статьи схожих тематик:
- Методика оценки эффективности мероприятий по развитию технологии открытых систем
- Система автоматизированного проектирования коллективов интеллектуальных информационных технологий для задач анализа данных
- Метод идентификации технического состояния радиотехнических средств с применением технологий искусственных нейронных сетей
- Использование электронного портфолио применительно к профессорско-преподавательскому составу
- Обучение нейронной сети с запаздыванием
Назад, к списку статей