Сервіс автоматизованого запису на вибіркові навчальні дисципліни в НаУКМА та можливі напрями його інтелектуалізації

Show simple item record

dc.contributor.author Горборуков, Вячеслав
dc.contributor.author Олецький, Олексій
dc.date.accessioned 2017-03-13T09:57:02Z
dc.date.available 2017-03-13T09:57:02Z
dc.date.issued 2016
dc.identifier.citation Горборуков В'ячеслав Вікторович. Сервіс автоматизованого запису на вибіркові навчальні дисципліни в НаУКМА та можливі напрями його інтелектуалізації / Горборуков В. В., Олецький О. В. // Наукові записки НаУКМА : Комп'ютерні науки. - 2016. - Т. 190. - С. 52-56. uk
dc.identifier.uri http://ekmair.ukma.edu.ua/handle/123456789/11110
dc.description The paper describes the main features of the system of automated enrollment to optional disciplines developed in the National University of “Kyiv-Mohyla Academy” and its place in the overall environment for automating learning processes in the University. The authors regard the main trends of integrating this system to other services and of transforming it to the recommendation system. To form recommendations, three approaches are proposed: on the basis of solving the optimization task, on the basis of analyzing similarities between annotations, and on the basis of applying methods of Data Mining and Web Usage Mining. Within the optimization approach, the problem, in the simplest case, can be formulated as a knapsack problem with boolean variables. But in more complex cases, some fuzzy and multi-criteria optimization problems are formulated. The multi-criteria problem arises if we regard different topics and the domain of knowledge addressed by courses. As the goal function and constraints of these tasks can be unknown, the use of machine learning methods might be needed. It should be taken into account that the most appropriate recommendations elaborated by the recommendation system on the basis of evaluating similarity measures should neither be very similar to the already completed courses nor very distant from them. So an approach involving fuzzy concept of average distance is developed. The main directions of applying Data Mining and Web Usage Mining such as detecting problem situations, analyzing cases of choosing disciplines from other faculties, reducing risks of failures in choosing disciplines, etc., are distinguished. en
dc.description.abstract Описано основні функціональні можливості автоматизованої системи запису студентів на вибіркові навчальні курси, що була розроблена в Національному університеті «Києво-Могилянська академія». Розглянуто можливості розвитку цієї системи в напрямі її інтеграції з іншими системами автоматизації бізнес-процесів університету, а також щодо набуття нею рис рекомендаційної системи. Для надання рекомендацій щодо вибору дисциплін запропоновано три підходи: на основі розв’язання оптимізаційних задач, на основі аналізу мір близькості між анотаціями та на основі використання методик Data Mining і Web Usage Mining. Показано, що в найпростішому випадку автоматичне формування рекомендацій зводиться до розв’язання задачі про рюкзак із булевими змінними. Але врахування додаткових факторів призводить до нечітких і багатокритеріальних оптимізаційних задач, а також до необхідності використання методів машинного навчання. Для вироблення рекомендацій на основі мір близькості запропоновано розвивати підхід на основі формалізації нечіткого поняття «середня відстань». Сформульовано основні напрями застосування методів Data Mining і Web Usage Mining. uk
dc.language.iso uk uk
dc.subject автоматизація uk
dc.subject рекомендаційна система uk
dc.subject нечітка оптимізаційна задача uk
dc.subject нечіткі міри близькості uk
dc.subject Data Mining en
dc.subject automation en
dc.subject e-learning en
dc.subject recommendation system en
dc.subject fuzzy optimization task en
dc.subject fuzzy similarity measures en
dc.subject Data Mining en
dc.title Сервіс автоматизованого запису на вибіркові навчальні дисципліни в НаУКМА та можливі напрями його інтелектуалізації uk
dc.title.alternative A Service of Automated Enrollment to Optional Disciplines and Possible Ways of Making it More Intelligent en
dc.type Article uk
dc.status published earlier uk
dc.relation.source Наукові записки НаУКМА: Комп'ютерні науки uk

Files in this item

This item appears in the following Collection(s)

Show simple item record

Search DSpace


My Account