Paslėptų šablonų paieška ir analizė e.studijose
Simanovičius, Andrejus |
Baigiamajame magistro darbe nagrinėjama Vilniaus Gedimino technikos universiteto e. studijų sistema, skirta dieninių studijų studentams egzaminuoti. Darbo tikslas - e. studijų sistemoje rasti egzaminų rezultatų dėsningumus naudojant duomenų gavybos technologijas.Darbe aprašomos duomenų gavybos teikiami privalumai, duomenų gavybos etapai, aptariami skirtingi duomenų gavybos metodai ir technologijos, naudojamos e. studijose. Magistro darbe pritaikomas klasterizacijos metodas siekiant sugrupuoti studentus į grupes, jos aptariamos ir išskiriami būdingi požymiai. Pasitelkus asociacijos metodą surandama, kaip susiję egzaminų rezultatai ir studentų atsakymų į pateiktus klausimus sugaištas laikas. Darbą sudaro 7 dalys: įvadas, informacinė Vilniaus Gedimino technikos universiteto e. studijų sistema, duomenų gavybos technologijos, duomenų gavybos technologijos e. studijose, duomenų gavybos technologijų realizavimas, išvados ir siūlymai, literatūros sąrašas. Darbo apimtis - 58 p. teksto be priedų, 23 iliustr., 15 lent., 31 bibliografinis šaltinis. Atskirai pridedami darbo priedai.
The thesis examines the Vilnius Gediminas technical university e-learning system designed to test full-time students. The purpose of the job - to find the results of tests patterns in e-learning system using data mining techniques.The advantages of the data mining and the stages of the data mining are described in the job, moreover, the different data mining methods and technologies in e-learning are discussed as well. In master thesis clustering method is applied to group students into groups, each of them is discussed and the characteristic features are distinguished. The association method is used to find out the relationship between results of examinations. The association rules show how students' responses to questions are related to time spent on them.Structure: introduction, Vilnius Gediminas technical university e-learning system, data mining technologies, applying data mining technologies in e-learning, implementation of data mining technologies, conclusions and suggestions, references.Thesis consists of: 58 p. text without appendixes, 23 pictures, 15 tables, 31 bibliographical entries.Appendixes included.