Интеллектуальные информационные системы

         

Решить задачи идентификации и прогнозирования (для себя).


Эти операции выполняются в 4-й подсистеме системы "Эйдос". Результаты выводятся в двух разрезах:

– индивидуальная универсальная характеристика конкретного респондента (рисунок 113);

– выборка респондентов, имеющих наивысшие сходство с заданным классом (рисунок 114).

Анализ карточек прогноза успеваемости показывает, что вариабельность внутри группы успевающих студентов гораздо выше, чем в группе неуспевающих. В результате в среднем уровень сходства конкретных респондентов с обобщенными образами классов, соответствующих высоким уровням успеваемости, гораздо ниже, чем с классами, соответствующими низким уровням успеваемости.

Это дает основание предложить гипотезу, что высокая успеваемость детерминируется менее жестко, чем низкая, т.е. существуют конкретные факторы, фактически предопределяющие

низкую успеваемость, тогда как для высокой успеваемости можно говорить лишь о системе факторов, способствующих высокой успеваемости.

Конечно, чтобы подобные выводы имели достаточную научную достоверность необходима значительно большая статистика, чем использованная в данном учебном примере. Например, если бы подобное исследование было проведено хотя бы в масштабах КубГАУ (более 17000 студентов), то тогда уже с достаточной уверенностью можно было бы говорить о реально обнаруженных закономерностях.

 

Рисунок 113. Прогноз успеваемости по различным предметам

для конкретного студента



Рисунок 114. Список респондентов в порядке убывания сходства

с заданным классом

Формы, подобные представленной на рисунке 113, могут интересовать потенциальных работодателей, а также приемную комиссию вуза в качестве дополнительной информации для принятия решения.



Содержание раздела