Модель, разработанная командой исследователей МТУСИ, основана на методе логистической регрессии. Она открывает новые горизонты в персонализации обучения и стимулировании научной активности, позволяя прогнозировать заинтересованность первокурсников в участии в научных конференциях. Объектом исследования учёных стали студенты первого курса, а предметом — их участие в научных мероприятиях.
«Логистическая регрессия – это мощный инструмент для прогнозирования вероятности события, – объясняет Алексей Осипов, кандидат физико-математических наук, доцент кафедры «Бизнес-информатика». В нашем случае, мы используем его для определения вероятности участия студента в научной конференции. Логистическая регрессия, используемая в данном контексте, основывается на принципах линейной классификации. Она представляет собой метод, при котором проводится взвешенная комбинация входных признаков, с последующим применением логистической функции к этой комбинации. Этот подход позволяет получить вероятность принадлежности объекта к одному из двух классов».
Чтобы выявить студентов, заинтересованных в участии в конференциях, было проведено анкетирование среди первокурсников и четверокурсников МТУСИ. 15 вопросов были составлены таким образом, чтобы определить уровень интереса на основе нескольких критериев: опыт участия в школьных конференциях, возможная мотивация, интересуемая тематика, сдерживающие факторы, отношение к публичным выступлениям и другие. Для четверокурсников был задан дополнительный вопрос о реальном участии в конференциях за время обучения.
Затем данные ответов, такие как «да/нет», «интересно/неинтересно», были преобразованы в числа с помощью Target Encoder — метода, который учитывает связь между ответом и целевой переменной (участием в конференциях). Для решения задачи предсказания вовлеченности студентов в участие в научных конференциях была выбрана модель логистической регрессии из библиотеки scikit-learn.
Модель была протестирована на первокурсниках МТУСИ, и результаты показали точность 93%. Из 155 студентов модель выделила 10 человек, которые с высокой вероятностью проявят интерес к научным мероприятиям.
Для определения качества модели была выбрана метрика Accuracy. «Accuracy — это показатель, который описывает общую точность предсказания модели по всем классам. Точность – это сумма правильно определенных классов, поделенная на общее число экземпляров контрольных данных. Значение Accuracy для данной модели составляет 0,93», – говорит Александр Емельянов, магистрант МТУСИ.
Однако исследователи не останавливаются на достигнутом: для улучшения качества модели они планируют расширить выборку данных, включив больше студентов в опрос. Это позволит более точно адаптировать модель к различным контекстам и особенностям студенческой аудитории. Дополнительные данные также могут способствовать более глубокому анализу факторов, влияющих на участие студентов в научных конференциях, что откроет новые исследовательские и образовательные перспективы.