- 7
- ИНСТРУМЕНТ ВЫЯВЛЕНИЯ ПАТТЕРНОВ ПОВЕДЕНИЯ СТУДЕНТОВ КГУ НА ОСНОВЕ АЛГОРИТМОВ PROCESS MINING
- Попов М. Д., Логинова А. А., Денисов А. Р. Инструмент выявления паттернов поведения студентов КГУ на основе алгоритмов PROCESS MINING // Технологии и качество. 2022. № 3(57). С. 34–38. https://doi.org//10.34216/2587-6147-2022-3-57-34-38.
- DOI: https://doi.org/10.34216/2587-6147-2022-3-57-34-38
- УДК: 004.415.2
- EDN: PTYANG
- Дата приема статьи в публикацию: 07.10.2022
- Аннотация: В данной статье рассматривается проблема формирования компетенций студента. Предлагается трансформация образовательной программы в систему образовательных результатов путем применения методов Educational Process Mining. В рамках исследования предлагается архитектура системы анализа цифровых следов студентов. Такая система даст возможность анализировать активность студентов в системе дистанционного обучения и в дальнейшем выявлять схожие поведенческие паттерны. Анализу подвержены данные из СДО Moodle, а именно задания, сдаваемые студентами, и действия, производимые ими в системе. Реализация данной архитектуры позволит на основе данных логов системы Moodle решить задачи выбора для студента наиболее подходящих компетенций в соответствии с его выявленными паттернами поведения в информационной среде.
- Ключевые слова: паттерн поведения, инструмент, Moodle, Process mining, формирование компетенций студентов, цифровой след, паттерны поведения, система поддержки принятия решений
- Список литературы: 1. Оценка образовательных результатов на основе компетенций студентов. URL: https://science-education.ru/ru/article/view?id=27188 (дата обращения: 12.09.2022). 2. Цифровой след. Стандарт цифрового следа Университет 20.35. URL: https://standard.2035.university (дата обращения: 09.09.2022). 3. Виноградова Д. А., Красавина М. С. Прототипирование информационной системы автоматического мониторинга мотивации студентов // Технологии и качество. 2020. № 3(49). С. 25–29. 4. Learning Management System. Большой обзор LMS-систем: виды, поставщики и реальный кейс внедрения. URL: https://vc.ru/education/218817-bolshoy-obzor-lms-sistem-vidy-postavshchiki-i-realnyy-keys-vnedreniya (дата обращения: 12.09.2022). 5. Process Mining. Ресурс с описанием понятия Process Mining. URL: https://habr.com/ru/post/244879/ (дата обращения: 12.09.2022). 6. Логинова А. А., Денисов А. Р. Применение технологии анализа цифрового следа для создания системы, формирующей индивидуальный цифровой профиль студента // Восьмая Международная научно-практическая конференция «BIG DATA and Advanced Analytics / BIG DATA и анализ высокого уровня». Минск, 2022. С. 411–420. 7. Using Process Mining for Learning Resource Recommendation: A Moodle Case Study / W. Hachicha, L. Ghorbel, R. Champagnat, C. A. Zayani, I. Amous // Procedia Computer Science. 2021. No 192. P. 853–862. 8. Van der Aalst W. Process mining: Data science in action. Berlin : Heidelberg : Springer-Verlag, 2016. 477 р. 9. Bogarín A., Cerezo R., Romero C. A survey on educational process mining // Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery. 2018. Vol. 8, no 1. P. 1230–1247. 10. Bogarín A., Cerezo R., Romero C. Discovering learning processes using Inductive Miner: A case study with Learning Management Systems (LMSs) // Psicothema. 2018. Vol. 30, no 3. P. 322–329. 11. Moodle. Руководство по разработке на платформе Moodle. URL: https://docs.moodle.org/dev/Process (дата обращения: 12.09.2022). 12. Van der Aalst W., Guo S., Gorissen P. Comparative Process Mining in Education // Approach Based on Process Cubes. 3rd International Symposium on Data-Driven Process Discovery and Analysis (SIMPDA). Riva del Garda, 2013. Р. 110–134. URL: https://hal.inria.fr/hal-01746404/file/335156_1_En_6_Chapter.pdf (дата обращения: 31.10.2022). 13. Gunther C. W., van der Aalst W. M. P. Fuzzy Mining – Adaptive Process Simplification Based on Multi-perspective Metrics // Proceedings of the 5th International Conference on Business Process Management. Lecture Notes in Computer Science. 2007. Vol. 4714. P. 328–343. 14. Process Mining in the Education Domain / Awatef Hicheur Cairns, Billel Gueni, Mehdi Fhima, Andrew Cairns, Stéphane David // International Journal on Advances in Intelligent Systems. 2015. Vol. 8, No 1-2. P. 219–232. 15. Aggarwal C. An Introduction to social network data analytics // Social Network Data Analytics. 2011. URL: http://charuaggarwal.net/socialintro.pdf (дата обращения: 31.10.2022). 16. Van der Aalst W. M. P., de Medeiros A. K. A., Weijters A. J. M. M. Genetic Process Mining // Applications and Theory of Petri Nets : 26th International Conference (June 20–25, 2005. Miami). 2005. Р. 48–69. 17. Van der Aalst W. M. P., Weijters A. J. M. M., Maruster L. Workflow Mining: Discovering Process Models from Event Logs // IEEE Transactions on Knowledge and Data Engineering. 2004. № 16(9). Р. 1128–1142. 18. Weijters A. J. M. M, van der Aalst W. M. P., de Medeiros A. A. K. Process Mining with the Heuristics Miner-algorithm //BETA Working Paper Series, WP 166. Eindhoven : Eindhoven University of Technology, 2006. URL. https://www.researchgate.net/publication/306014995_Process_mining_with_the_heuristics_ miner-algorithm (дата обращения: 31.10.2022). 19. JetBrains. PyCharm. Ресурс распространения средств разработки ПО. URL: https://www. jetbrains. com/idea (дата обращения: 15.09.2022).