ДОСЛІДЖЕННЯ ОРГАНІЗАЦІЙНОЇ РОБОТИ КУРАТОРА З ІНДИВІДУАЛЬНИМИ НАВЧАЛЬНИМИ ПЛАНАМИ СТУДЕНТІВ - Научное сообщество
Главная
UA RU EN

Вас приветствует Интернет конференция!

Приветствуйем на нашем сайте

Рік заснування видання - 2011

ДОСЛІДЖЕННЯ ОРГАНІЗАЦІЙНОЇ РОБОТИ КУРАТОРА З ІНДИВІДУАЛЬНИМИ НАВЧАЛЬНИМИ ПЛАНАМИ СТУДЕНТІВ

11.11.2024 09:56

[1. Информационные системы и технологии]

Автор: Крошка Тетяна Іллівна, магістрант, Донбаська державна машинобудівна академія, м. Краматорськ


Метою даного дослідження є розробка інструменту, що дозволить автоматизувати процес створення індивідуальних навчальних планів (ІНП) здобувачів фахової передвищої освіти, підвищуючи ефективність роботи куратора й адміністративного персоналу навчального закладу, та сприяти при цьому підвищенню якості освітнього процесу. Вимоги щодо оформлення документації при вступі здобувачів ( майбутніх студентів) є досить жорсткі, і куратор при знайомстві з інформацією про групу має оформити досить великий обсяг документації (в стислі терміни), і в першу чергу оформити ІНП студента на 4 роки навчання. А це означає вивчити накази про зарахування та договори на навчання, віднайти саме своїх студентів, нікого не загубити, та сформувати на основі робочих планів індивідуальний навчальний план навчання студента на весь період його навчання. 

Дана документація ретельно перевіряється адміністративним персоналом, що також займає велику кількість часу. Після, з цими планами вже знайомиться студент. В наш час, коли освіта зазнає величезних змін, усе йде до цифрової ери, до електронного документообігу, цифрових підписів, коли є величезна можливість економити час куратора та адміністрації використовуючи google-документи, автоматизацію багатьох паперових процесів та при цьому не забувати за екологію (відмова від паперових носіїв) роль цієї роботи є надзвичайно важливою.

Сучасні освітні програми передбачають багато дисциплін вільного вибору, що дозволяє студентам формувати свій власний індивідуальний план навчання. Кожного року, вже під час навчання, студент може обирати на свій розсуд нову вибіркову дисципліну із запропонованого ряду викладачами (одна дисципліна на семестр). А відтак, процес створення таких індивідуальних планів навчання досить трудомісткий для куратора і одразу сформувати його на 4 роки навчання при вступі студента в навчальний заклад довільного рівня акредитації - є не легкою справою та врахувати усі можливі зміни, та внести одразу усі вибіркові дисципліни не можливо (адже за рік, два чи три студент може обрати інші вибіркові дисципліни). Тобто, важливість автоматизації цього процесу обумовлена необхідністю зниження адміністративного навантаження на кураторів та покращенням доступності інформації для студентів. 

В ході даного дослідження було розроблено веб-додаток, що сприяє спрощенню цього процесу, зменшуючи час, необхідний для формування ІНП.

Для реалізації проєкту використано методологію Agile [1], яка забезпечує поступовий підхід до розробки програмного забезпечення, що включає розподіл проєкту на невеликі етапи (спринти) з фокусом на гнучкість і адаптацію до змін. Завдяки Agile методології забезпечується швидкий зворотний зв’язок від кінцевих користувачів, що дозволяє своєчасно вносити зміни до функціоналу додатка, покращуючи зручність його використання. Використання спринтів допомагає розробникам чітко визначити пріоритети і швидко реагувати на потреби користувачів. Ця методологія підтримується у роботі команди ідеально для проєктів, які вимагають високого рівня інтерактивності та адаптивності.

У процесі розробки веб-додатка було використано JavaScript та бібліотеку React, що забезпечує можливість створення інтерактивних інтерфейсів із підтримкою оновлення даних у реальному часі. JavaScript є однією з найпопулярніших мов програмування для створення фронтенд-частин веб-додатків, а React – бібліотекою, яка дозволяє ефективно створювати інтерфейси користувача на основі компонентів. Це дає змогу реалізувати сучасні та інтерактивні можливості для вибору дисциплін, надання оновленої інформації про курси та швидкого реагування на дії студентів. Такий підхід є найбільш оптимальним для розробки додатків із високою частотою оновлень, де важливе значення має користувацький досвід [2].

В ході роботи з дослідження алгоритмів було обрано рекомендаційні алгоритми та алгоритм кластеризації. Рекомендаційні алгоритми використовуються для реалізації механізму рекомендацій, що надає студентам можливість вибору найкращих курсів на основі попередніх виборів інших студентів, використовується алгоритм матричної факторизації [3]. Цей алгоритм дозволяє аналізувати попередні дані про вибір дисциплін і визначати закономірності, за допомогою яких можна персоналізувати рекомендації. Завдяки цьому студентам надаються індивідуальні поради щодо вибору курсів, що сприяє підвищенню їхньої зацікавленості.

Алгоритм кластеризації використовується для групування студентів за певними ознаками, такими як академічні успіхи чи вподобання, використовується алгоритм кластеризації k-середніх [4]. Це дозволяє автоматично сегментувати студентів і адаптувати рекомендації відповідно до інтересів кожної групи. Завдяки цьому студенти можуть отримувати рекомендації курсів, які більше відповідають їхнім інтересам та академічним потребам.

Для організації вибору дисциплін з урахуванням пріоритетів кожного студента використовується модель черг з пріоритетами [5]. Це допомагає автоматизувати процес реєстрації студентів на курси, враховуючи їхні академічні результати та потреби. Пріоритетні черги надають можливість організувати вибір курсів у найбільш оптимальному порядку, забезпечуючи рівний доступ для всіх студентів.

Під час тестування та впровадження системи було виявлено, що веб-додаток дозволяє знизити трудовитрати кураторів на складання ІНП до 55%, порівняно з традиційним підходом, що полягає у створенні навчальних планів вручну. Інтерфейс додатка, орієнтований на користувача, забезпечує легкий доступ до необхідної інформації та допомагає студентам у виборі відповідних дисциплін. Автоматизація вибору та включення курсів до ІНП надає студентам більшу гнучкість, дозволяючи їм самостійно обирати навчальні курси, що підвищує їхню залученість у навчальний процес і задоволеність від освітньої програми.

Розроблений веб-додаток показав свою ефективність у контексті автоматизації роботи кураторів із створення індивідуальних навчальних планів, що позитивно вплинуло на якість та оперативність освітніх процесів. Подальший розвиток системи може включати вдосконалення рекомендаційних алгоритмів, впровадження штучного інтелекту для прогнозування академічного успіху студентів на основі обраних дисциплін, а також інтеграцію системи з іншими академічними платформами для забезпечення більшої персоналізації та підвищення ефективності навчання.

Література

1. Cohn, M. (2005). Agile Estimating and Planning. Prentice Hall.

2. Resig, J. (2020). Secrets of the JavaScript Ninja. Manning Publications.

3. Koren, Y., Bell, R., & Volinsky, C. (2009). "Matrix Factorization Techniques for Recommender Systems." Computer, 42(8), 30-37.

4. Lloyd, S. (1982). "Least Squares Quantization in PCM." IEEE Transactions on Information Theory, 28(2), 129-137.

5. Dean, J., & Ghemawat, S. (2004). "MapReduce: Simplified Data Processing on Large Clusters." OSDI, 4, 137-150.



Creative Commons Attribution Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License
допомога Знайшли помилку? Виділіть помилковий текст мишкою і натисніть Ctrl + Enter

Другие научные работы даной секции

Конференции

Конференции 2025

Конференции 2024

Конференции 2023

Конференции 2022

Конференции 2021



Міжнародна інтернет-конференція з економіки, інформаційних систем і технологій, психології та педагогіки

Наукова спільнота - інтернет конференції

:: LEX-LINE :: Юридична лінія

Інформаційне суспільство: технологічні, економічні та технічні аспекти становлення