МОДЕЛЬ МЯГКИХ ВЫЧИСЛЕНИЙ ДЛЯ ПРОГНОЗИРОВАНИЯ АКАДЕМИЧЕСКОЙ УСПЕШНОСТИ СТУДЕНТОВ ПЕРВОГО КУРСА

УДК 004.8
DOI: 10.36871/26189976.2026.06-5.001

Авторы

Зарема Магомедовна Миназова,
Кандидат педагогических наук, доцент кафедры «Педагогика и психология», Чеченский государственный университет имени А.А. Кадырова, Грозный, Россия
Тохириён Боисджони,
Доктор технических наук, доцент, доцент кафедры управления качеством и экспертизы товаров и услуг, Уральский государственный экономический университет, Екатеринбург, Россия
Надежда Николаевна Данько,
Старший преподаватель кафедры управления качеством и экспертизы товаров и услуг, Уральский государственный экономический университет, Екатеринбург, Россия

Аннотация

В статье рассматривается модель мягких вычислений, предназначенная для прогнозирования академической успешности студентов первого курса в условиях неопределенности образовательных данных. Обоснована необходимость соединения нечеткой логики, экспертного оценивания и интеллектуального анализа учебной информации. Показано, что прогнозирование успеваемости целесообразно строить с учетом академических, мотивационных, поведенческих и социально-адаптационных факторов. Предложенная модель позволяет выявлять группы риска, интерпретировать причины снижения результативности и поддерживать управленческие решения в образовательной организации.

Ключевые слова

мягкие вычисления
академическая успешность
студенты первого курса
прогнозирование успеваемости

Список литературы

[1] Аверкин А.Н., Батыршин И.З., Блишун А.Ф., Силов В.Б., Тарасов В.Б. Нечеткие множества в моделях управления и искусственного интеллекта ; под ред. Д.А. Поспелова. – М.: Наука, 1986. – 312 с.

[2] Апатова Н.В., Гапонов А.И., Майорова А.Н. Прогнозирование успеваемости студентов на основе нечеткой логики // Современные наукоемкие технологии. – 2017. – № 4. – С. 7–11.

[3] Белоножко П.П., Карпенко А.П., Храмов Д.А. Анализ образовательных данных: направления и перспективы применения // Интернет-журнал «Науковедение». – 2017. – Т. 9, № 4. – С. 57.

[4] Гафаров Ф.М., Руднева Я.Б., Шарифов У.Ю. Прогностическое моделирование в высшем образовании: определение факторов академической успеваемости // Высшее образование в России. – 2023. – Т. 32, № 1. – С. 51–70. DOI: 10.31992/0869-3617-2023-32- 1-51-70.

[5] Канапухин П.А., Коротких В.В., Щекунских С.С. Статистический анализ факторов академической успеваемости (на примере обучающихся экономического факультета ФГБОУ ВО «ВГУ») // Вестник Воронежского государственного университета. Серия: Экономика и управление. – 2020. – № 2. – С. 27–44. DOI: 10.17308/econ.2020.2/2899.

[6] Леоненков А.В. Нечеткое моделирование в среде MATLAB и fuzzyTECH. – СПб.: БХВ-Петербург, 2005. – 736 с.

[7] Мамонтова М.Ю. Качество учебных достижений: оценка и прогноз на основе результатов критериально-ориентированного тестирования // Образование и наука. – 2009. – № 3(60). – С. 18–26.

[8] Накарякова Н.Н., Русаков С.В., Русакова О.Л. Прогнозирование группы риска (по успеваемости) среди студентов первого курса с помощью дерева решений // Прикладная математика и вопросы управления. – 2020. – № 4. – С. 121–136. DOI: 10.15593/2499- 9873/2020.4.08.

[9] Орлов А.И. Организационно-экономическое моделирование : в 3 ч. Ч. 2. Экспертные оценки. – М.: Изд-во МГТУ им. Н.Э. Баумана, 2011. – 486 с.

[10] Попова Н.А., Егорова Е.С. Интеллектуальный анализ образовательных данных для прогноза успеваемости студентов вуза // Известия Кабардино-Балкарского научного центра РАН. – 2023. – № 2(112). – С. 18–29. DOI: 10.35330/1991-6639-2023-2-112-18-29.

[11] Русаков С.В., Русакова О.Л., Посохина К.А. Нейросетевая модель прогнозирования группы риска по успеваемости студентов первого курса // Современные информационные технологии и ИТ-образование. – 2018. – Т. 14, № 4. – С. 815–822. DOI: 10.25559/ SITITO.14.201804.815-822.

[12] Токтарова В.И., Попова О.Г. Интеллектуальный анализ образовательных данных студентов для создания персонализированной среды обучения // Цифровая гуманитаристика и технологии в образовании (DHTE 2021) : сб. статей II Всероссийской научно-практической конференции с международным участием, 11–12 ноября 2021 г. ; под ред. В.В. Рубцова, М.Г. Сороковой, Н.П. Радчиковой. – М.: Издательство ФГБОУ ВО МГППУ, 2021. – С. 343–352.