Классификация школьников по цифровым следам на основе нейронной сети MLP
УДК 519.8+004.855.5 ББК 22.1я431
Abstract
Статья посвящена исследованию различимости отдельных групп школьников по цифровым следам, оставляемым в профиле социальной сети «ВКонтакте». Классификация на отдельные группы основана на нейронной сети многослойного персептрона (MLP).
References
Kosinski M. et al. Manifestations of user personality in website choice and behaviour on online social networks // Machine learning. – 2014. – Vol. 95, №3. – P. 357–380. DOI: 10.1007/s10994-013-5415-y.
Mangal N., Niyogi R., Milani A. Analysis of Users’ Interest Based on Tweets // Computational Science and Its Applications – ICCSA 2016: 16th International Conference. – 2016. – Part V. – P. 12–23. DOI: 10.1007/978-3-319-42092-9_2.
Фурсов А.Л. Новые методы в отборе персонала: основные характеристики «цифрового следа» соискателя должности // Актуальные проблемы социально-гуманитарных наук и образования: сущность, концепции, перспективы: материалы VII Межд. науч. конф., Саратов, 15 апреля 2019 года. – Саратов, 2019. – С. 1057–1062.
Николаенко Г.А. Перспективы использования цифровых следов исследователей для анализа их коммуникативных стратегий (на примере социальной сети ResearchGate) // Социология науки и технологий. – 2019. – Т. 10, №2. – С. 93–109. DOI: 10.24411/2079-0910-2019-12005.
Тулупьева Т.В., Суворова А.В., Азаров А.А., Тулупьев А.Л.,Бордовская Н.В. Возможности и опыт применения компьютерных инструментов в анализе цифровых следов студентов-пользователей социальной сети // Компьютерные инструменты в образовании. – 2017. – №5. – С. 3–13.
Feshchenko A. et al. Modelling of an educational profile of a student by analyzing public user data from social networks // INTED2018: 12th International Technology, Education and Development Conference. –Valencia, Spain, 2018. – P. 640–646.DOI: 10.21125/inted.2018.1115.
Feshchenko A., Goiko V., Stepanenko A. Recruiting university entrants via social networks // EDULEARN17 Proceedings: 9th International Conference on Education and New Learning Technologies, Barcelona, Spain, July 3rd-5th 2017. – Barcelona, 2017. – P. 6077–6082.
Журавлева В.В., Маничева А.С., Фещенко А.В., Журавлев Е.В., Журенков О.В., Козлов Д.Ю. Примеры использования машинногообучения для разработки инструментов управления приемнойкампанией и учебным процессом вуза // EdCrunch-Томск: сборник тезисов Международной конференции по передовым технологиям обучения, Томск, 2-4 декабря 2020 г. – Томск, 2020. – С. 112-114.
Абрамов М.В., Тулупьев А.Л., Тулупьева Т.В. Агрегирование данных из социальных сетей для восстановления фрагмента мета-профиля пользователя // КИИ–2018: XVI национальная конференция по искусственному интеллекту с международным участием. Москва, 24–27 сентября 2018 года. – Москва, 2018. – С. 189–197.
Zhuravleva V.V., Manicheva A.S., Feshchenko A.V., Berestov A.V. Optimization of the algorithm for identifying digital traces of schoolchildren in the Altai Territory // Journal of Physics: Conference Series. – 2020. – V. 1615. DOI: 10.1088/17426596/1615/1/012013.
Журавлева В.В., Маничева А.С., Фещенко А.В., Берестов А.В. Исследование различимости цифровых следов у различных групп школьников на территории Алтайского края // Высокопроизводительные вычислительные системы и технологии. –2020. – Т. 1, № 4. – С. 121–125.
Университетский консорциум исследователей больших данных[Электронный ресурс]. – Заглавие с экрана. Режим доступа:http://opendata.university/ – Дата обращения: 20.05.2021.
