Использование технологий машинного обучения в образовательных практиках

Машинное обучение представляет собой широкий подраздел искусственного интеллекта, изучающий алгоритмы, способные самостоятельно обучаться на основе предыдущего опыта. Машинное обучение стоит на стыке таких дисциплин, как математика, статистика, теория вероятностей и теория графов. За счёт накопления больших объёмов данных в сферах науки, бизнеса, здравоохранения и образования возможности применения технологий машинного обучения постоянно расширяются. Данное исследование призвано продемонстрировать возможности применения методов машинного обучения в сфере образования с целью приобретать новые знания из демографических и академических данных студентов, собранных в университетах, для того, чтобы сократить количество студентов, отчисленных из университета за неуспеваемость. Для достижения цели исследования были выполнены три обширные задачи. В первую очередь были изучены основы машинного обучения: какие задачи оно позволяет решать и с помощью каких алгоритмов, были описаны сферы, в которых машинное обучения уже активно применяется, и были даны примеры возможных недостатков и проблем, связанных с использованием машинного обучения. После было определено, как именно и какие данные образуются в сфере образования, а также приведены примеры того, как различные образовательные учреждения применяют машинное обучение для анализа этой информации. Наконец, была реализована модель машинного обучения, позволяющая предсказывать успешность прохождения студентом в конце первого курса дисциплины «математический анализ» на основе данных о его школьных успехах и оценках за первый семестр обучения в университете. Модель получила на вход данные о 583 студентах. Реализованный алгоритм предсказал сдаст или не сдаст студент экзамен для 100 студентов, из которых неверно классифицированы были 5. Таким образом, модель показала точность в 95%.