INCREASING THE RELIABILITY OF PREDICTING EDUCATIONAL TRAJECTORIES BY A RECOMMENDATION SYSTEM THAT UNITES ACADEMIC AND MOTIVATIONAL PROFILES

2025

Full text Open access: Hybrid Metadata (CSL-JSON)
DOI 10.51885/3134-8025_jics_2026_1_9
Data confidence 70 medium
How this score is calculated

It is built from checkable properties of the record itself: whether the article has a DOI, how many independent sources confirmed its data, whether the required fields are filled in, and how recent the latest confirmation is. Disagreement between sources and a missing identifier lower it. A value of 80 or above means the record was published without further checking; 60 to 79 means it is published at reduced confidence, with a manual check advisable. A record verified by an editor by hand is never pushed below 90 by a recalculation. This scores our data about the article, not the article itself.

Abstract

Настоящее исследование связано с тем, что традиционные рекомендательные системы демонстрируют не очень высокую точность выборакурсов. В центре внимания данного исследования было построение и эмпирическое обоснование использования предложенной рекомендательной системы. Исследование направлено на создание рекомендательной системы и ее проверкудля прогнозирования образовательных траекторий IТ-специальностей ВКТУ. Для решения задачи исследования применялась матричная факторизация примоделированииакадемического профиля обучающихся. Параллельно создан мотивационный вектор, строящийся на базе психометрического моделирования RIASEC. Результаты двух прогностических компонент были объединены через линейную взвешенную комбинацию, при этом коэффициент в этой комбинации оптимизирован методом GridSearch. Оценка точности и стабильности выполнена с использованием пятикратной кросс-валидации и ключевых метрик.Найденное значение коэффициента 𝛼=0.58 дало оптимальные параметры нашей системы. При данномкоэффициенте получилисьнаибольшая точность прогноза и самая низкая ошибка. Нашамодельпродемонстрировала значительную стабильность результатов. Исследование подтверждает, что построенная в нашей системе комбинация академического и мотивационного профилей может являться одной из компонент для разработки открытых и надежных рекомендательных систем.