Разработка методов и программных инструментов формирования цифрового портрета учащихся
Main Article Content
Аннотация
Рассмотрены вопросы возможности использования данных об обучающихся, представленных в электронном виде, для построения цифрового портрета. Предложен набор характеристик, необходимых для его построения, обозначена модель данных. Реализованы инструменты сбора данных об обучающихся из социальных сетей и других интернет-ресурсов. Предложены алгоритмы построения цифрового портрета. Проиллюстрировано применение алгоритмов машинного обучения для этих задач. Приведены примеры использования цифрового портрета в образовании.
Ключевые слова:
Article Details
Библиографические ссылки
2. Pepper.ninja [Электронный ресурс]. URL: https://pepper.ninja/ (дата обращения: 28.10.2023).
3. Segmento Target [Электронный ресурс]. URL: https://segmento-target.ru/ (дата обращения: 28.10.2023).
4. TargetHunter [Электронный ресурс]. URL: https://targethunter.ru (дата обращения: 28.10.2023).
5. Церебро Таргет [Электронный ресурс]. URL: https://церебро.рф (дата обращения: 28.10.2023).
6. Top 50 open-source web crawlers for data mining [Электронный ресурс]. URL: https://bigdata-madesimple.com/top-50-open-source-web-crawlers-for-data-mining (дата обращения: 28.10.2023).
7. 8 Best Web Scraping Tools [Электронный ресурс]. URL: https://hevodata.com/learn/8-best-web-scraping-tools/ (дата обращения: 28.10.2023).
8. Обзор алгоритмов Data Mining [Электронный ресурс]. URL: https://www.intuit.ru/studies/courses/6/6/info (дата обращения: 28.10.2023).
9. Статистический портал «Statista» [Электронный ресурс]. URL: https://www.statista.com/statistics/867549/top-active-social-media-platforms-in-russia/ (дата обращения: 28.10.2023).
10. VK API [Электронный ресурс]. URL: https://vk.com/apiclub (дата обращения: 28.10.2023).
11. VK Java SDK [Электронный ресурс]. URL: https://vk.com/dev/Java_SDK (дата обращения: 28.10.2023).
12. ScribeJava. Simple OAuth library for Java [Электронный ресурс]. URL: https://github.com/scribejava/scribejava (дата обращения: 28.10.2023).
13. OAuth authorization framework [Электронный ресурс]. URL: https://oauth.net (дата обращения: 28.10.2023).
14. REST. Representational State Transfer [Электронный ресурс]. URL: https://restfulapi.net/ (дата обращения: 28.10.2023).
15. JSON. JavaScript Object Notation [Электронный ресурс]. URL: https://www.json.org/ (дата обращения: 28.10.2023).
16. Черезов Д.С., Тюкачев Н.А. Обзор основных методов классификации и кластеризации данных // Вестник Воронежского государственного университета. Серия: Системный анализ и информационные технологии. 2009. №. 2. С. 25–29.
17. Scikit-Learn. Machine Learning in Python [Электронный ресурс]. URL: https://scikit-learn.org/stable (дата обращения: 28.10.2023).
18. Numpy. The fundamental package for scientific computing with Python [Электронный ресурс]. URL: https://numpy.org/ (дата обращения: 28.10.2023).
19. Keras. Python deep learning API [Электронный ресурс]. URL: https://keras.io/ (дата обращения: 28.10.2023).
20. Kaggle. the world's largest data science community [Электронный ресурс]. URL: https://keras.io/ (дата обращения: 28.10.2023).
21. Dostoevsky. Sentiment analysis library for Russian language [Электронный ресурс]. URL: https://github.com/bureaucratic-labs/dostoevsky (дата обращения: 28.10.2023).
22. Selenium. Automates browsers [Электронный ресурс]. URL: https://www.selenium.dev/ (дата обращения: 28.10.2023).
23. Jsoup. Java HTML Parser [Электронный ресурс]. URL: https://jsoup.org/ (дата обращения: 28.10.2023).
24. Apache POI. Java API for Microsoft Documents [Электронный ресурс]. URL: https://poi.apache.org/ (дата обращения: 28.10.2023).
25. Печенкин В.В., Ярская-Смирнова Е.Р. Сетевые подходы в анализе социальной сплоченности // Вестник Саратовского государственного технического университета. 2014. Т. 4. № 1 (77).
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
Представляя статьи для публикации в журнале «Электронные библиотеки», авторы автоматически дают согласие предоставить ограниченную лицензию на использование материалов Казанскому (Приволжскому) федеральному университету (КФУ) (разумеется, лишь в том случае, если статья будет принята к публикации). Это означает, что КФУ имеет право опубликовать статью в ближайшем выпуске журнала (на веб-сайте или в печатной форме), а также переиздавать эту статью на архивных компакт-дисках журнала или включить в ту или иную информационную систему или базу данных, производимую КФУ.
Все авторские материалы размещены в журнале «Электронные библиотеки» с ведома авторов. В случае, если у кого-либо из авторов есть возражения против публикации его материалов на данном сайте, материал может быть снят при условии уведомления редакции журнала в письменной форме.
Документы, изданные в журнале «Электронные библиотеки», защищены законодательством об авторских правах, и все авторские права сохраняются за авторами. Авторы самостоятельно следят за соблюдением своих прав на воспроизводство или перевод их работ, опубликованных в журнале. Если материал, опубликованный в журнале «Электронные библиотеки», с разрешения автора переиздается другим издателем или переводится на другой язык, то ссылка на оригинальную публикацию обязательна.
Передавая статьи для опубликования в журнале «Электронные библиотеки», авторы должны принимать в расчет, что публикации в интернете, с одной стороны, предоставляют уникальные возможности доступа к их материалам, но, с другой, являются новой формой обмена информацией в глобальном информационном обществе, где авторы и издатели пока не всегда обеспечены защитой от неправомочного копирования или иного использования материалов, защищенных авторским правом.
При использовании материалов из журнала обязательна ссылка на URL: http://rdl-journal.ru. Любые изменения, дополнения или редактирования авторского текста недопустимы. Копирование отдельных фрагментов статей из журнала разрешается для научных исследований, персонального использования, коммерческого использования до тех пор, пока есть ссылка на оригинальную статью.
Запросы на право переиздания или использования любых материалов, опубликованных в журнале «Электронные библиотеки», следует направлять главному редактору Елизарову А.М. по адресу: amelizarov@gmail.com
Издатели журнала «Электронные библиотеки» не несут ответственности за точки зрения, излагаемые в публикуемых авторских статьях.
Предлагаем авторам статей загрузить с этой страницы, подписать и выслать в адрес издателя журнала по электронной почте скан Авторского договора о передаче неисключительных прав на использование произведения.