В работе преподавателя имеет большое значение прогноз успешности обучения учащегося (студента). Такой прогноз квалифицированный преподаватель делает по текущим результатам обучения. Однако, для начинающего преподавателя сделать такой прогноз намного трудней. Кроме того, даже для квалифицированного преподавателя может иметь интерес не только прогноз, но и причина - почему тот или другой учащийся учился плохо или отлично, а также набор явных параметров, по которым можно решить эту задачу.
        Для решения этого набора задач был использован готовый аппарат и программное обеспечение обучаемых нейронных сетей - нейроимитаторы MultiNeuron (разработан группой НейроКомп в составе Горбань А.Н., Гилев С.Е., Коченов Д.А., Миркес Е.М., Россиев Д.А.) [1-2], Monoton и предобработчик Predmake.
        Было собраны данные по разным предметам, разным группам обучаемых и разным преподавателям. Проведено большое количество численных экспериментов, получены прогнозы успешности обучения, оценки значимости входным параметров.
        Основные проблемы для проведения этой работы - полнота и правильность исходных данных. Представляется разумным брать исходные данные из учебного журнала. Однако, в преподавательской практике журнал часто бывает неполон и/или неточен; оценки для небольшой группы обучаемых встречаются чаще, чем оценки для всех обучаемых и т.д.
        Результаты численных экспериментов:
     - выявлена повышенная значимость посещения занятий даже по сравнению с поставленными оценками,
     - выявлена неодинаковая значимость формально одинаковых оценок и формально одинаковых посещений занятий, что может зависеть от близости завершения курса, каникул, праздников и т.п.,
     - выявлена повышенная значимость некоторых “менее важных” предметов, таких как Всемирная история, для прогноза успешного обучения.
        Вывод: нейросети обучаются прогнозировать успешность обучения по предмету и позволяют выявлять некоторые элементы педагогического опыта.
        Работа поддержана ФЦП “Интеграция”, проект 68, направление 2.1.

Литература:

1. Горбань А.Н. Обучение нейронных сетей. М.1990
2. Горбань А.Н. Россиев Д.А. Нейронные сети на персональных компьютерах., Н.: Наука, 1996