| Form of studies |
Bachelor |
| Title of the study programm |
Smart Computer Technologies |
| Title in original language |
Adaptīvie algoritmi izglītības datu apstrādei |
| Title in English |
Education Data Processing Using Adaptive Algorithms |
| Department |
Faculty Of Computer Science Information Tehnology And Energy |
| Scientific advisor |
Evija Cibuļska |
| Reviewer |
Svetlana Jurenoka |
| Abstract |
Bakalaura darbs ir vērsts uz to, lai atrastu risinājumu adaptīvo algoritmu izmantošanai izglītības datu apstrādei. Mūsdienās tas ir svarīgs virziens, jo tas piedāvā personalizētas mācību iespējas katram skolēnam un studentam. Darba mērķis ir izstrādāt risinājumu izglītības datu apstrādei, izmantojot adaptīvos algoritmus skolēnu klasifikācijai pēc SOLO taksonomijas līmeņiem, kā arī novērtēt un salīdzināt šo algoritmu efektivitāti.
Pētījumā tika analizētas un vēlāk Python vidē realizētas trīs pieejas, balstoties uz reāliem un ģenerētiem skolēnu datiem: bāzes heuristika, Gradient Boosted Decision Trees (jeb GBDT) un Q-Learning. Lai novērtētu algoritmu efektivitāti, tiek izmantota precizitātes (angļ. Accuracy) metrika, vidējā absolūtā kļūda (jeb MAE) un standartnovirze.
Eksperimentu rezultāti liecina, ka Q-Learning algoritms uzrāda visaugstāko precizitāti pie 50 skolēnu apjoma. GBDT algoritms uzrāda zemāko standartnovirzi. Bāzes heuristika uzrādīja viszemākos rezultātus. Darba autora izstrādātais risinājums ļauj automatizēt skolēnu SOLO līmeņa noteikšanu.
Bakalaura darbs sastāv no ievada, 4 nodaļām, rezultātiem un secinājumiem. Darba apjoms ietver 29 attēlus, 25 tabulas, 26 informācijas avotus un 71 lapaspuses. |
| Keywords |
ADAPTĪVIE ALGORITMI, ALGORITMI, IZGLĪTĪBAS DATI, DATU APSTRĀDE |
| Keywords in English |
ADAPTIVE ALGORITHMS, ALGORITHMS, EDUCATIONAL DATA, DATA PROCESSING |
| Language |
lv |
| Year |
2026 |
| Date and time of uploading |
02.09.2026 22:55:53 |
