Нечетко-множественный прогноз образовательных результатов на основе показателей использования цифровых образовательных ресурсов
Грошев А.Р.1, Грошева Т.А.2, Безуевская В.А.1
1 Сургутский государственный университет, Россия, Сургут
2 Югорский государственный университет, Россия, Ханты-Мансийск
Скачать PDF | Загрузок: 5 | Цитирований: 10
Статья в журнале
Вопросы инновационной экономики (РИНЦ, ВАК)
опубликовать статью | оформить подписку
Том 9, Номер 3 (Июль-Сентябрь 2019)
Эта статья проиндексирована РИНЦ, см. https://elibrary.ru/item.asp?id=41263364
Цитирований: 10 по состоянию на 24.01.2023
Аннотация:
Разработана нечетко-множественная модель прогнозирования результатов деятельности образовательных учреждений на основе системы нечетко-логических выводов с несколькими входными переменными. Для построения модели использованы результаты мониторинга цифровой образовательной среды 206 общеобразовательных организаций 16 муниципальных образований Ханты-Мансийского автономного округа в отношении направлений использования цифровых (электронных) образовательных ресурсов при реализации образовательной деятельности на уровне начального общего, основного общего и среднего общего образования. Модель позволяет на основе числовых значений 12 показателей, характеризующих использование цифровых образовательных ресурсов в образовательном процессе, спрогнозировать наиболее вероятное значение индекса образовательных результатов для конкретной образовательной организации.
Ключевые слова: цифровые образовательные ресурсы, индекс образовательных результатов, система нечетко-логических выводов
JEL-классификация: I21, C15, C59
Источники:
Грошева Т.А. Отчет по результатам выполнения технологической разработки «Разработка и проведение мониторинга цифровой образовательной среды общеобразовательных организаций Ханты-Мансийского автономного округа - Югры (2019 год)»
Заде Л.А. Понятие лингвистической переменной и его применение к принятию приближенных решений. - М.:Мир, 1976.
4. Kramarov S., Temkin I., Khramov V. The principles of formation of united geo-informational space based on fuzzy triangulation // Procedia Computer Science. – 2017. – № 120. – С. 835-843. – doi: 10.1016/j.procs.2017.11.315 .
5. Крамаров С.О., Сахарова Л.В., Храмов В.В. Мягкие вычисления в менеджменте: управление сложными многофакторными системами на основе нечетких аналог-контроллеров // Научный вестник южного института менеджмента. – 2017. – № 3(19). – С. 42-51.
Блюмин С.Л., Шуйкова И.А., Сараев П.В., Черпаков И.В. Нечеткая логика: алгебраические основы и приложения. / Монография. - Липецк: ЛЭГИ, 2002. – 111 с.
Конышева Л.К., Назаров Д.М. Основы теории нечетких множеств. - СПб.: Питер, 2011. – 192 с.
Страница обновлена: 02.12.2024 в 01:09:05