| Studiju veids |
bakalaura akadēmiskās studijas |
| Studiju programmas nosaukums |
Viedās datortehnoloģijas |
| Nosaukums |
Adaptīvie algoritmi izglītības datu apstrādei |
| Nosaukums angļu valodā |
Education Data Processing Using Adaptive Algorithms |
| Struktūrvienība |
33000 Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte |
| Darba vadītājs |
Evija Cibuļska |
| Recenzents |
Svetlana Jurenoka |
| Anotācija |
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. |
| Atslēgas vārdi |
ADAPTĪVIE ALGORITMI, ALGORITMI, IZGLĪTĪBAS DATI, DATU APSTRĀDE |
| Atslēgas vārdi angļu valodā |
ADAPTIVE ALGORITHMS, ALGORITHMS, EDUCATIONAL DATA, DATA PROCESSING |
| Valoda |
lv |
| Gads |
2026 |
| Darba augšupielādes datums un laiks |
02.09.2026 22:55:53 |
