Красноярские ученые из СФУ разработали модель профилактики отчислений среди студентов

Красноярские ученые из СФУ разработали модель профилактики отчислений среди студентов. Данная программа – это модель машинного обучения, которая по данным цифрового следа студентов в электронной обучающей среде прогнозирует, сдаст ли он в конце семестра экзамен или зачёт.

— В вузах в основном сейчас обучение идет по смешанному типу. То есть, когда студенты посещают занятия очно и работают в электронной системе обучения, которая собирает цифровой след. То есть данные, когда студент переходит по ссылкам, отвечает на вопросы тестов, загружает лабораторные работы и так далее. Модель описывает то, как студент работает в электронных курсах. Именно эти данные мы используем для прогнозирования, — объясняет Татьяна Кустицкая.

Это исключает всякую предвзятость к студенту. Машина собирает данные, а затем считывает, обрабатывает, формирует из них признаки и прогнозирует, насколько успешны студенты:

— Схема следующая: раз в неделю мы выгружаем из системы электронных курсов файлы с цифровым следом. Если совсем просто: получаем данные, куда условный студент Иван Иванов заходил, что он отправлял, какую оценку получил и так далее. Затем мы включаем программу, которая считывает информацию и строит прогноз – вероятность того, сдаст ученик экзамен или нет. Этим алгоритмом может пользоваться любой преподаватель. По ходу обучения программа сравнивает текущую учебу студента с предыдущими оценками в сессию.

Границы определили такие: вероятность несдачи до 40% — «зеленая» зона; от 40 до 60% — это «желтая» зона, значит, студенту нужно прибавить; если же вероятность выше 60% — это уже зона риска. Помимо своей главной задачи, программа поможет выяснить особенности самих электронных курсов университета – их недостатки, а значит, и возможности для совершенствования.

Сейчас программа находится в зоне отработки. Модель постепенно отлаживается, чтобы увеличить точность:
— Пока мы находимся в стадии эксперимента – проводили его в нескольких группах. Тем, кто находится в группе риска в двух группах мы отправляли прогнозы (экспериментальная группа), другим двум группам – нет (контрольная группа). Начиная с четвертой недели обучения, точность прогноза у выбранной модели превысила 80%, с седьмой недели семестра– 85%, а с тринадцатой недели – 90%. Но надо учесть, что модель тоже ошибается. 100% точность не гарантирует никто. В итоге те студенты, у которых к середине семестра обнаружили проблемы с обучением, экзамен сдали 43% студентов контрольной группы и 75% студентов экспериментальной группы.

В перспективе модель будет использоваться для работы со студентами-бакалаврами. Основной упор будет сделан на первокурсников, так как у них наблюдается самый сильный отсев после сессий.
Татьяна Кустицкая добавила, данный алгоритм может облегчить не только учебу, но и работу для преподавателей:

— У преподавателей может быть несколько лекционных потоков, это сотни студентов. Разумеется, что чисто физически тщательно наблюдать за всеми – невозможно. В некоторых случаях увидеть проблему у студента можно, когда слишком поздно.

Впрочем, с полномасштабным введением системы в обучающий процесс ученые не торопятся. Однако перспективы в своем изобретении видят весьма обширные:

— Конечно, ввести программу в процесс обучения – это не вопрос завтрашнего дня. Новый значимый этап ожидается в течение следующего года. Задача ставится, что эта система будет работать во всем СФУ. Что касается других вузов или школ, это, безусловно, возможно, но нужно понимать, что они используют разные системы обучения, поэтому здесь потребуется перенастройка. Понятное дело, что просто так взять и отнести в другой вуз, то она у них работать не будет.