Юлия Юрьевна Дюличева - кандитдат физико-математических наук, доцент, доцент кафедры прикладной математики.
Симферополь
SPIN
Yulia Y. Dyulicheva - Cand. Sci. (Phys.-Math.), Associate Professor, Associate Professor of the Department of Applied Mathematics.
Simferopol
SPIN
Целью работы является исследование современных подходов и перспектив применения алгоритмов роевого интеллекта для анализа образовательных данных, а также возможность применения модификаций муравьиного алгоритма для организации учебного контента в адаптивных системах проведения проектных семинаров.
Материалы и методы. Проведенное исследование включало обзор современных работ в области анализа образовательных данных на основе алгоритмов роевого интеллекта, рассмотрены подходы к решению задачи построения оптимального пути обучения (оптимальной организации учебного контента) на основе муравьиного алгоритма и его модификаций, позволяющих учитывать освоение учебного материала в процессе построения обучающего пути; применение алгоритма роя частиц и его модификации на основе алгоритма Роккио для снижения размерности данных в задаче автоматической классификации вопросов; применение муравьиного алгоритма, алгоритма колонии пчел и алгоритма летучих мышей для построения систем рекомендаций при выборе учебного контента; прогнозирования успеваемости обучающихся на основе алгоритма оптимизации роя частиц.
Было предложено использование модификации муравьиного алгоритма для организации учебного контента на проектных семинарах.
Результаты. В ходе работы были исследованы современные подходы к решению задач в области анализа образовательных данных на основе алгоритмов роевого интеллекта. Изучены различные подходы к обновлению феромонов (их испарению) при построении оптимального обучающего пути с учетом освоения учебного материала и поиска групп «схожих» обучающихся; исследованы возможности применения гибридных алгоритмов роевого интеллекта для построения систем рекомендаций.
На основании модификации муравьиного алгоритма предложен подход к организации учебного контента на проектных семинарах в ходе реализации проектной деятельности с учетом индивидуальных предпочтений и уровня знаний обучающихся.
Были разработаны классы на языке python: класс для обработки статистических данных; класс для реализации модификации муравьиного алгоритма, учитывающего текущий уровень знаний и заинтересованность обучающихся в изучении определенной темы на проектных семинарах, класс для вывода оптимальной последовательности тем проектных семинаров для данного обучающегося. Разработанные классы позволяют создать адаптивную систему, помогающую обучающимся 1-го курса с выбором тем проектных семинаров.
Заключение.По результатам проведенного исследования можно сделать вывод об эффективности применения алгоритмов роевого интеллекта для решения широкого круга задач, возникающих при организации учебного контента и анализе данных об обучающихся в системах электронного обучения и о перспективах разработки гибридных подходов на основе алгоритмов роевого интеллекта для реализации адаптивных систем обучения на основе парадигмы «обучение по требованию».
Полученные результаты могут быть применены для автоматизации организации учебного контента при проведении проектных семинаров для обучающихся первых курсов, когда важно понимать базовый уровень знаний и заинтересованность обучающихся в освоении новых технологий.
The purpose of the paper is the investigation of the modern approaches and prospects for the application of swarm intelligence algorithms for educational data analysis, as well as the possibility of using of ant algorithm modifications for organizing educational content in adaptive systems for conducting project seminars.
Materials and methods. The review of the modern articles on the educational data analysis based on swarm intelligence algorithms is provided; the approaches to solving problem of the optimal learning path construction (optimal organization of the learning objects) based on the algorithm and its modifications taking into account the students’ performance in the process of the optimal learning path construction are investigated; the application of particle swarm optimization and its modification based on Roccio algorithm for the reduction of curse dimension in the problem of the auto classifying questions; the application of ant algorithm, bee colony algorithm and bat algorithm for recommender system construction are studied; the prediction of students’ performance based on particle swarm optimization is researched in the article. The modification of ant algorithm for optimal organization of learning objects at projects seminars is proposed.
Results. The modern approaches based on swarm intelligence algorithms to problem solving in educational data analysis are investigated. The various approaches to pheromones updating (their evaporation) when building the optimal learning path based on students’ performance data and search of group with “similar" students are studied; the abilities of the hybrid swarm intelligence algorithms for recommendation construction are investigated.
Based on the modification of ant algorithm, the approach to the learning content organization at project seminars with individual preferences and students’ level of basic knowledge is proposed. The python classes are developed: the class for statistical data processing; the classfor modifica -tion of ant algorithm, taking into account the current level of knowledge and interest of student in studying a specific topic at the project seminar; the class for optimal sequence of the project seminars ’ topics for students. The developed classes allow creating the adaptive system that helps first year students with a choice of topics of project seminars.
Conclusion. According to the results of the study, we can conclude about the effectiveness of swarm intelligence algorithms usage to solve a wide range of tasks connected with learning content and students’ data analysis in the e-learning systems and perspectives to hybrid approaches development based on swarm intelligence algorithms for realizing the adaptive learning systems on the paradigm of “demand learning".
The results can be used to automate the organization of learning content during project seminars for the first-year students, when it is important to understand the basic level of knowledge and students’ interest in learning new technologies.
The authors declare that there are no conflicts of interest present.