Методы машинного обучения для информационного обеспечения управления профессиональным развитием студентов

Abstract

Introduction. Professional development of students requires effective interaction with teachers, scientists, university administrators, students, representatives of professional community and labour market. The effectiveness of this interaction resulted from its information support, based on reliable information, promptly provided to all the members of learning process. The aim of this paper was to study the machine learning methods potential for the effective management of learning process by the example of implementing information support component designed to diagnose and predict the professional development of students based on automatic text analysis. Methodology and research methods. The theoretical basis of the research involved modelling of students’ professional development using the analysis of textual informative and professional relevance in written works of students. To identify the characteristics of professional development, a computer cluster analysis of texts was carried out using the K-means method of clustering. The Bayes method was used to construct a model for classifying students from the standpoint of identified features. Results and scientific novelty. A computer analysis of texts relating to different stages of learning for the evaluation of general and special vocabulary was performed. Regularities in the dynamics of students’ use of general scientific and professional terminology were revealed. Accordingly, the groups with certain trends of educational behaviour of students were formed. It was shown how this differentiation, based on the complex of previously selected dynamic indicators characterising the changes of professional vocabulary, expands the possibilities for diagnostics and forecasting of professional growth of students. The author notes that the efficiency of similar intellectual systems is determined not only by the continued database up-dating, i.e. the amount of data in turn influence the accuracy of model of students’ classification and, consequently, the forecast of students’ professional development. Equally important is the improvement of knowledge base, which contains the criteria of professional development and complies with the requirement of basic dictionaries relevance. In addition, supportive procedures should be carried out with participating of the representatives of professional community. Practical significance. The information support provided for the management of professional development of students can be used both for operational decision making and developing content and technologies for educational process. This means students can evaluate the dynamics of own performance in comparison with earlier works, classmates’ work, target indicators of the use of general scientific and professional terminology. This information management component allows teachers to monitor the content of texts and easily determine the authorship of content of learner’s general frequency vocabulary and the dynamics of its change. The representatives of labour market along with access to information on the current progress of a student can define his or her prospects as a future worker. Heads of educational programmes, university administrators receive objective information about the content of disciplines as their study is reflected in the students’ professional development.

Введение. Профессиональное развитие студентов требует эффективного взаимодействия обучающихся с преподавателями, научными работниками и администрацией вуза, а также с другими обучающимися, представителями профессионального сообщества и агентами рынка труда. Результативность таких коммуникаций обусловлена их информационным обеспечением, оперативно предоставляющим достоверные сведения всем субъектам образовательного процесса. Цель изложенного в статье исследования – изучение потенциала методов машинного обучения для действенного управления образовательным процессом на примере реализации компонента информационного обеспечения, предназначенного для диагностики и прогнозирования профессионального развития обучающихся посредством автоматического анализа их текстов. Методология и методы. Теоретической базой исследования послужило моделирование профессионализации студентов с помощью компьютерного анализа информативности и профессиональной актуальности текстов их письменных работ. Для определения специфики профессионального развития разных групп будущих специалистов был задействован метод кластеризации k-средних. При построении модели классификации обучающихся применялся статистический метод распознавания Байеса. Результаты и научная новизна. С тем чтобы оценить общий и специальный словарный запас учащихся, была выполнена программная обработка текстов, написанных на разных этапах образовательного процесса в вузе. Выявлены закономерности и особенности усвоения студентами общенаучной и профессиональной терминологии. Исходя из этого сформированы группы учащихся, каждой из которых свойственны определенные тренды образовательного поведения. Продемонстрировано, как такая дифференциация, основанная на комплексе предварительно отобранных динамических показателей, характеризующих изменения профессионального лексикона, расширяет возможности диагностики и прогнозирования профессионального роста учащихся. Оговаривается, что эффективность подобных интеллектуальных систем определяется не только постоянным пополнением базы данных, от объема которых зависит точность модели классификации обучающихся и, соответственно, прогноза их профессионализации. Не менее важную роль играет совершенствование базы знаний, содержащей критерии профессионального развития, и соблюдение требования актуальности базовых словарей, поддержка которой может и должна осуществляться с участием представителей профессионального сообщества. Практическая значимость. Предлагаемое информационное обеспечение управления профессиональным развитием учащихся может использоваться как для принятия оперативных решений, так и при разработке содержания и технологий образования. Благодаря такой системе студенты могут оценить результаты собственной подготовки, сопоставляя свои достижения с более ранними работами, работами однокурсников, целевыми показателями употребления общенаучной и профессиональной терминологии. Преподавателям данный компонент информационного обеспечения позволяет проводить мониторинг терминологической содержательности созданных студентами текстов и легко определять их авторство по частотности общего словаря обучающегося и характеру изменений используемой лексики. Представители рынка труда наряду с доступом к информации о текущей успеваемости студента могут определить его перспективы как будущего работника. Для руководителей образовательных программ и администрации вуза открываются новые возможности получать объективную информацию о содержательности тех или иных дисциплин, судя по тому как их изучение отражается на общем и профессиональном уровнях развития студентов.