Разработка методов и программных инструментов формирования цифрового портрета учащихся
https://doi.org/10.26907/1562-5419-2023-26-5-697-717
Аннотация
Рассмотрены вопросы возможности использования данных об обучающихся, представленных в электронном виде, для построения цифрового портрета. Предложен набор характеристик, необходимых для его построения, обозначена модель данных. Реализованы инструменты сбора данных об обучающихся из социальных сетей и других интернет-ресурсов. Предложены алгоритмы построения цифрового портрета. Проиллюстрировано применение алгоритмов машинного обучения для этих задач. Приведены примеры использования цифрового портрета в образовании.
Об авторах
М. А. Солнцев
Казанский (Приволжский) Федеральный университет
Россия
Россия
М. М. Абрамский
Казанский (Приволжский) Федеральный университет
Россия
Россия
Список литературы
1. Постановление Правительства Российской Федерации от 07.12.2020 № 2040 «О проведении эксперимента по внедрению цифровой образовательной среды». URL: https://open.edu.gov.ru/files/faq/subjects.pdf (дата обращения: 28.10.2023).
2. Pepper.ninja [Электронный ресурс]. URL: https://pepper.ninja/ (дата обращения: 28.10.2023).
3. Segmento Target [Электронный ресурс]. URL: https://segmento-target.ru/ (дата обращения: 28.10.2023).
4. TargetHunter [Электронный ресурс]. URL: https://targethunter.ru (дата обращения: 28.10.2023).
5. Церебро Таргет [Электронный ресурс]. URL: https://церебро.рф (дата обращения: 28.10.2023).
6. Top 50 open-source web crawlers for data mining [Электронный ресурс]. URL: https://bigdata-madesimple.com/top-50-open-source-web-crawlers-for-data-mining (дата обращения: 28.10.2023).
7. Best Web Scraping Tools [Электронный ресурс]. URL: https://hevodata.com/learn/8-best-web-scraping-tools/ (дата обращения: 28.10.2023).
8. Обзор алгоритмов Data Mining [Электронный ресурс]. URL: https://www.intuit.ru/studies/courses/6/6/info (дата обращения: 28.10.2023).
9. Статистический портал «Statista» [Электронный ресурс]. URL: https://www.statista.com/statistics/867549/top-active-social-media-platforms-in-russia/ (дата обращения: 28.10.2023).
10. VK API [Электронный ресурс]. URL: https://vk.com/apiclub (дата обращения: 28.10.2023).
11. VK Java SDK [Электронный ресурс]. URL: https://vk.com/dev/Java_SDK (дата обращения: 28.10.2023).
12. ScribeJava. Simple OAuth library for Java [Электронный ресурс]. URL: https://github.com/scribejava/scribejava (дата обращения: 28.10.2023).
13. OAuth authorization framework [Электронный ресурс]. URL: https://oauth.net (дата обращения: 28.10.2023).
14. REST. Representational State Transfer [Электронный ресурс]. URL: https://restfulapi.net/ (дата обращения: 28.10.2023).
15. JSON. JavaScript Object Notation [Электронный ресурс]. URL: https://www.json.org/ (дата обращения: 28.10.2023).
16. Черезов Д.С., Тюкачев Н.А. Обзор основных методов классификации и кластеризации данных // Вестник Воронежского государственного университета. Серия: Системный анализ и информационные технологии. 2009. №. 2. С. 25–29.
17. Scikit-Learn. Machine Learning in Python [Электронный ресурс]. URL: https://scikit-learn.org/stable (дата обращения: 28.10.2023).
18. Numpy. The fundamental package for scientific computing with Python [Электронный ресурс]. URL: https://numpy.org/ (дата обращения: 28.10.2023).
19. Keras. Python deep learning API [Электронный ресурс]. URL: https://keras.io/ (дата обращения: 28.10.2023).
20. Kaggle. the world's largest data science community [Электронный ресурс]. URL: https://keras.io/ (дата обращения: 28.10.2023).
21. Dostoevsky. Sentiment analysis library for Russian language [Электронный ресурс]. URL: https://github.com/bureaucratic-labs/dostoevsky (дата обращения: 28.10.2023).
22. Selenium. Automates browsers [Электронный ресурс]. URL: https://www.selenium.dev/ (дата обращения: 28.10.2023).
23. Jsoup. Java HTML Parser [Электронный ресурс]. URL: https://jsoup.org/ (дата обращения: 28.10.2023).
24. Apache POI. Java API for Microsoft Documents [Электронный ресурс]. URL: https://poi.apache.org/ (дата обращения: 28.10.2023).
25. Печенкин В.В., Ярская-Смирнова Е.Р. Сетевые подходы в анализе социальной сплоченности // Вестник Саратовского государственного технического университета. 2014. Т. 4. № 1 (77).
Рецензия
Для цитирования:
Солнцев М.А., Абрамский М.М. Разработка методов и программных инструментов формирования цифрового портрета учащихся. Электронные библиотеки. 2023;26(5):697-717. https://doi.org/10.26907/1562-5419-2023-26-5-697-717
For citation:
Solntsev M.A., Abramskiy M.M. Development of Methods and Software Tools for the Formation of a Digital Portrait of Students. Russian Digital Libraries Journal. 2023;26(5):697-717. (In Russ.) https://doi.org/10.26907/1562-5419-2023-26-5-697-717
Просмотров:
21
Послать статью по эл. почте 