МЕТОДИЧЕСКИЕ ПОДХОДЫ К ПРОГНОЗИРОВАНИЮ БАЛЛА ЕГЭ С ЦЕЛЬЮ ПРИВЛЕЧЕНИЯ АБИТУРИЕНТОВ В ВУЗ УДК: 338.2 JEL: O. 032

Основное содержание статьи

Александра Дмитриевна Федосова Email: aleksandra_fedosova@mail.ru

Аннотация

От наличия возможности в образовательной организации точно предсказывать для абитуриентов их возможный балл Единого государственного экзамена зависит определенная степень ее конкурентоспособности, доверия и лояльности со стороны абитуриентов. Используя точные математические модели, можно предлагать абитуриентам возможные варианты повышения балла ЕГЭ за счет реализации дополнительных профессиональных и образовательных курсов, тем самым повышая привлекательность организации и, как следствие, ее прибыль.В настоящее время существует несколько методических подходов к прогнозированию балла ЕГЭ. В связи с совершенствованием информационных технологий в прогнозировании получил развитие методический подход, основанный на построении и использовании искусственных нейронных сетей. В отличие от иных математических моделей, в настоящее время нейросети являются наиболее точными и адаптивными. Поэтому в статье был предложен методический подход к прогнозированию балла ЕГЭ, основанный на построении и использовании нейросетевых моделей. Предлагаемый подход может был применен для прогнозирования балла ЕГЭ по различным предметам.

Скачивания

Данные скачивания пока недоступны.

Детали статьи

Как цитировать
Федосова А. Д. МЕТОДИЧЕСКИЕ ПОДХОДЫ К ПРОГНОЗИРОВАНИЮ БАЛЛА ЕГЭ С ЦЕЛЬЮ ПРИВЛЕЧЕНИЯ АБИТУРИЕНТОВ В ВУЗ // Управление современной организацией: опыт, проблемы и перспективы, 2023. Т. 17, № 1. С. 16-27. URL: http://journal.asu.ru/mmo/article/view/14443.
Раздел
Вопросы теории и методологии управления организацией
Биография автора

Александра Дмитриевна Федосова, Алтайский государственный университет

и. о. директора Центра коммуникационных решений и консалтинга, ассистент кафедрыменеджмента, организации бизнеса и инноваций

Литература

Борисов А. М., Сысоев В. Н., Будко Д. Ю., Гусакова Е. В. Прогнозирование успешности обучения и результата сдачи ЕГЭ в средних специальных учебных заведениях по оценке физиологического и психофизиологического уровней функционального состояния организма // Современные проблемы науки и образования. 2013. № 6 [Borisov A. M., Sysoev V. N., Budko D. Yu., Gusakova E. V. Forecasting the success of training and the result of passing the Unified State Exam in secondary specialized educational institutions to assess the physiological and psychophysiological levels of the functional state of the body. Sovremennye problemy nauki i obrazovaniya = Modern problems of science and education. 2013;6 (In Russ.)].
Веселкова Н. В. Высшее образование: выбор вуза или города? // Вестник социально-гуманитарного образования и науки., 2015. № 3. С. 41–46. [Veselkova, N. V. Higher education: choosing a university or a city? Vestnik social'no-gumanitarnogo obrazovaniya i nauki = Bulletin of Social and Humanitarian Education and Science. 2015;3:41–46. (In Russ.)].
Калиновская И. Н. Технология использования нейронных сетей в когнитивном маркетинге на примере белорусского обувного предприятия // Материалы и технологии. 2019. № 1 (3). С. 90–96 [Kalinovskaya I. N. Technology of using neural networks in cognitive marketing on the example of a Belarusian shoe company. Materialy i tekhnologii Materials and technologies. 2019;1 (3):90–96 (In Russ.)].
Маслевич Т. П., Сафронова Н. Б., Минаева Н. Л. Инновационные методы привлечения абитуриентов (на примере исследования факторов мотивации) // Вестник Оренбургского государственного университета. 2018. № 6. C. 52–60 [Maslevich T. P., Safronova N. B., Minaeva N. L. Innovative methods of attracting applicants (on the example of the study of motivation factors). Vestnik Orenburgskogo gosudarstvennogo universiteta = Bulletin of Orenburg State University, 2018;6:52–60 (In Russ.)].
Сырцова А. О. Метод прогнозирования результатов ЕГЭ на основе объединения моделей ARIMA и нейронной сети // Скиф. 2019. № 5–1 (33). С. 198–205 [Syrtsova A. O. A method for predicting the results
of the Unified State Exam based on combining ARIMA models and a neural network. Skif. 2019;5–1 (33):198–205 (In Russ.)].
Prakhov I., Bugakova P. Regional accessibility of higher education in Russia, British Journal of Sociology of Education, 2023;44 (3):558–583, DOI: 10.1080/01425692.2023.2167700