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

2025

Полный текст Открытый доступ: Hybrid Метаданные (CSL-JSON)
DOI 10.51885/3134-8025_jics_2026_1_9
Достоверность данных 70 средняя
Как считается эта оценка

Складывается из проверяемых признаков самой записи: есть ли у статьи DOI, сколько независимых источников подтвердили её данные, заполнены ли обязательные поля и насколько свежо последнее подтверждение. Снижают оценку расхождения между источниками и отсутствие идентификатора. Значение от 80 означает, что запись опубликована без дополнительной проверки; от 60 до 79 — что она опубликована с пониженной достоверностью и ручная проверка желательна. Запись, выверенную редактором вручную, пересчёт не опускает ниже 90. Это оценка наших данных о статье, а не оценка самой статьи.

Аннотация

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.