Моделирование признаков одаренности учащихся по цифровым следам в социальной сети "ВКонтакте" Т. В. Кабанова, К. В. Корепанов, В. В. Мацута [и др.]
Material type:
ArticleContent type: Текст Media type: электронный Subject(s): цифровой след | большие данные | цифровой университет | тьюторство | машинное обучение | социальные сети | одаренность | креативность | интеллект | мотивация | абитуриенты | рекрутингGenre/Form: статьи в сборниках Online resources: Click here to access online
In:
eLearning stakeholders and researchers summit 2018 : материалы международной конференции, Москва, 5-6 декабря 2018 г С. 111-118Abstract: В работе представлен опыт Томского государственного университета по моделированию признаков одаренности обучающихся по цифровым следам в социальной сети «ВКонтакте». Данные психологического тестирования 2225 учащихся сравнивались со списком их подписок в социальных сетях с целью обнаружения зависимости между высоким, средним и низким уровнями проявления каждого признака одаренности и определенными маркерными сообществами «ВКонтакте». Обнаруженная взаимосвязь уровня одаренности и сообщества социальной сети использовалась для создания прогностической модели, проверенной на новом массиве данных из 1692 учащихся. Точность предсказания полученной модели составила 73-90% в зависимости от прогнозируемого признака и пола учащегося. Результаты исследования применены на практике как элемент экосистемы цифрового университета, обеспечивающий задачи рекрутинга абитуриентов и тьюторского сопровождения студенюв.
Библиогр.: 12 назв.
В работе представлен опыт Томского государственного университета по моделированию признаков одаренности обучающихся по цифровым следам в социальной сети «ВКонтакте». Данные психологического тестирования 2225 учащихся сравнивались со списком их подписок в социальных сетях с целью обнаружения зависимости между высоким, средним и низким уровнями проявления каждого признака одаренности и определенными маркерными сообществами «ВКонтакте». Обнаруженная взаимосвязь уровня одаренности и сообщества социальной сети использовалась для создания прогностической модели, проверенной на новом массиве данных из 1692 учащихся. Точность предсказания полученной модели составила 73-90% в зависимости от прогнозируемого признака и пола учащегося. Результаты исследования применены на практике как элемент экосистемы цифрового университета, обеспечивающий задачи рекрутинга абитуриентов и тьюторского сопровождения студенюв.
There are no comments on this title.