| Form of studies |
Professional Master |
| Title of the study programm |
Information Technology |
| Title in original language |
Mašīnmācīšanās izmantošana studējošo atbiruma analīzei un prognozēšanai |
| Title in English |
Using Machine Learning to Aanalyze and Forecast Student Dropout |
| Department |
12100 Institute of Information Technology |
| Scientific advisor |
Jans Šlihte |
| Reviewer |
Dr. sc. ing. Solvita Bērziša |
| Abstract |
Darba mērķis ir izpētīt un pielietot mašīnmācīšanās metodes un tehnoloģijas studentu atbiruma prognozēšanas reālajā laikā, lai paredzētu un analizētu studentu (tajā skaitā reflektantu) kopējo atbirumu.
Darba ietvaros ir izpildīti visi definētie uzdevumi. 1. nodaļā apkopota literatūra par studējošo atbiruma definīciju, atbalsta pasākumiem studējošo atbiruma samazināšanai un datiem par studējošo atbirums augstākajā izglītībā Latvijā. 2. nodaļā veikts pētījums par studējošo atbirumu Rīgas Tehniskajā universitātē, balstoties uz pieejamajiem studējošo datiem un rādītājiem. 3. nodaļā apkopota literatūra un izvērtēti pētījumi par mašīnmācīšanās paņēmieniem studentu atbiruma prognozēšanai augstākajā izglītībā. 4. nodaļā aprakstīts izstrādātā studentu atbiruma mašīnmācīšanās modeļa prototips, definējot tā metodoloģiju un mašīnmācīšanās metodi, veicot izmantotās datu kopas validāciju un testēšanu, un novērtējot iegūtos rezultātus.
Darba pamatā izstrādāts studējošo atbiruma prognozēšanas modelis, izmantojot vektora atbalsta mašīnas (VSM) metodi, kas jau pēc desmit modeļa un datu trenēšanas reizēm spēja uzrādīt ievērojamus rezultātus. Reflektantu jeb 1. kursa studentu atbiruma prognozes precizitāte (Accuracy - rādītājs, kas atspoguļo daļu no visiem iznākumiem, kurus modelis prognozēja pareizi) ir 79.7 %. Bet studējošo atbiruma prognozes precizitāte sasniedz pat 88.0%.
Projekta daļā aprakstīta Eiropas Sociālā fonda atbalstīta projekta “Rīgas Tehniskās universitātes efektīvas pārvaldības attīstība” viena no apakšaktivitātēm ir RTU studējošo atbiruma prognozēšanas modeļa izstrāde.
Darba apjoms - 80. lpp., 9 tabulas, 22 attēli un 1 pielikums. |
| Keywords |
mašīnmācīšanās, SVM, atbirums, eksmatrikulācija, studenti, studējošie, PowerBI |
| Keywords in English |
machine learning, SVM, dropout, exmatriculation, students, PowerBI |
| Language |
lv |
| Year |
2021 |
| Date and time of uploading |
10.06.2021 22:38:26 |
