В статье рассматриваются особенности и результаты применения инструментов интеллектуального анализа данных – приложения для построения деревьев решений See5, с помощью которого на основе данных социологического опроса определяется ряд параметров, наиболее значимых для оценки удовлетворенности обучением. Наряду с особенностями применения программного инструмента анализа данных в работе показан порядок подготовки данных для загрузки и дальнейшего анализа. При этом представлены не только форматы файлов, загружаемых в приложение, но и подходы к очистке и агрегированию исходных данных, в том числе и в целях снижения их размерности. Интерпретация результатов построения деревьев решений – правил классификации, полученных в ходе обработки – направлена в том числе на выбор оптимальных настроек обработки исходных данных. Построенный с использованием данных социологического опроса классификатор показал, что существенное влияние на классификацию оказывают такие параметры, как атмосфера межличностных отношений, признание достижений обучаемого, престиж образовательной организации. Также в работе приведена процедура оценки прогнозных значений удовлетворенности обучаемых на основе ввода предполагаемых значений классификационных признаков.
The article discusses the features and results of using data mining tools, an application for building See5 decision trees, with which a number of parameters are determined on the basis of sociological survey data that are most important for assessing student satisfaction. Along with the features of using a software tool for data analysis in the work, the procedure for preparing data for downloading and further analysis is shown. At the same time, not only file formats loaded into the application are presented, but also approaches to cleaning and aggregating source data, including in order to reduce their dimensionality. Interpretation of the results of constructing decision trees - classification rules obtained during processing, is aimed, inter alia, at choosing the optimal settings for processing the source data. The classifier constructed using the data of a sociological survey showed that such parameters as the atmosphere of interpersonal relations, recognition of the achievements of the student, and the prestige of the educational organization have a significant impact on the classification. The paper also describes the procedure for assessing the predicted values of student satisfaction based on the input of the estimated values of the classification features.
The authors declare that there are no conflicts of interest present.