Инновационная модель для раскрытия научного потенциала
Специалисты МТУСИ создали уникальную систему на основе логистической регрессии, которая помогает выявлять студентов, готовых к научной деятельности. Технология персонализирует образовательные траектории и повышает вовлеченность первокурсников в конференции, анализируя их предрасположенность к исследовательской работе.
Как работает алгоритм предсказаний?
«Логистическая регрессия — это современный инструмент для оценки вероятности событий, — комментирует Алексей Осипов, доцент кафедры «Бизнес-информатика». — Мы адаптировали метод для прогнозирования интереса студентов к научным мероприятиям через анализ взвешенных признаков и преобразование данных логистической функцией».
Масштабное исследование студенческой аудитории
В эксперименте участвовали 155 первокурсников и четверокурсников МТУСИ. Анкетирование с 15 вопросами охватило ключевые аспекты: мотивацию, тематические предпочтения, опыт публичных выступлений. Для старшекурсников добавили вопрос о реальном участии в конференциях за время обучения.
Революционные результаты и точность прогнозов
С помощью библиотеки scikit-learn данные анкет преобразовали в числовые значения через Target Encoder. Модель продемонстрировала 93% точности, выделив 10 наиболее активных студентов. «Accuracy 0,93 означает, что система правильно классифицирует 93% случаев», — поясняет Александр Емельянов, магистрант МТУСИ.
Перспективы развития технологии
Учёные планируют увеличить выборку данных для улучшения модели. Расширенный анализ позволит точнее адаптировать алгоритм под разные группы студентов и выявить новые факторы научной вовлеченности, открывая возможности для образовательных инноваций.
Источник: naked-science.ru
