Успешность обучения в вузе: статистико-эконометрический анализ

Автор: Боченина М.В., Нерадовская Ю.В., Курмашева Л.Б., Куликова В.П.

Журнал: Вестник Алтайской академии экономики и права @vestnik-aael

Рубрика: Экономические науки

Статья в выпуске: 8-1, 2022 года.

Бесплатный доступ

В статье представлены результаты исследования, проведенного на основе данных, собранных в региональном университете Республики Казахстан, целью которого являлось проведение статистического анализа выявления факторов, оказывающих заметное влияние на успешность окончания университета студентами. Под успешностью в работе понималась вероятность не быть отчисленным до окончания срока обучения. В результате исследования были выделены три группы факторов, отражающие индивидуальные характеристики абитуриентов, студентов и характеристики уровня социально-экономического развития региона, в котором расположен вуз. Однако, как и ожидалось, наиболее существенным оказалось отношение студентов к обучению, а именно их успеваемость. В качестве инструментария для построения статистико-эконометрических моделей процесса успешного окончания университета были использованы методы дискретного выбора, регрессионного анализа временных рядов и нейронных сетей.

Еще

Логит-модель, множественная регрессия, нейронная сеть, успешность обучения, уровень бедности

Короткий адрес: https://sciup.org/142234833

IDR: 142234833   |   DOI: 10.17513/vaael.2343

Список литературы Успешность обучения в вузе: статистико-эконометрический анализ

  • Балацкий Е.В., Юревич М.А. Использование нейронных сетей для прогнозирования инфляции: новые возможности // Вестник УрФУ. Серия экономика и управление. 2018. Т. 17. № 5. С. 823-838. DOI: 10.15826/vestnik.2018.17.5.037.
  • Динамика основных социально-экономических показателей. Бюро национальной статистики Агентства по стратегическому планированию и реформам Республики Казахстан. [Электронный ресурс]. Режим доступа: https://stat.gov.kz/region/264023/dynamic.
  • Канапухин П.А., Коротких В.В., Щекунских С.С. Статистический анализ факторов академической успеваемости (на примере обучающихся экономического факультета ФГБОУВО «ВГУ») // Вестник Воронежского государственного университета. Серия: Экономика и управление. 2020. № 2. C. 27-44. DOI: 10.17308/econ.2020.2/2899.
  • Осовский С. Нейронные сети для обработки информации / пер. с польского И.Д. Рудинского. М.: Финансы и статистика, 2002. 344 с.
  • Пугач В.Ф. Конкурс при поступлении в вузы, прием и выпуск: выявление взаимосвязи // Высшее образование в России. 2014. № 3.
  • Пандемия цифрового образования. [Электронный ресурс]. Режим доступа: https://vc.ru/education/153144-pandemiya-cifrovogo-obrazovaniya.
  • Ферцев А.А. Ускорение обучения нейронной сети для распознавания изображений с помощью технологии NVIDIA CUDA // Вестник Самарского государственного технического университета. Сер. Физ.-мат. науки. 2012. Вып. 1(26). С. 183-191. DOI: 10.14498/vsgtu990.
  • Шапоров А.М., Исаева Е.Р., Тюсова О.В., Ванчакова Н.П., Кулик В.В. Анализ факторов, влияющих на успешность обучения студентов медицинского вуза // Ученые записки университета Лесгафта. 2019. № 6 (172).
  • Maximilian Zellner, Ali E. Abbas, David V. Budescu and Aram Galstyan. A survey of human judgement and quantitative forecasting methods. DOI: 10.1098/rsos.201187.
Еще
Статья научная