Published Date: 01.01.2023
Employment of Graduates of Pedagogical Profiles Based on Artificial Intelligence Technologies and Data Analysis
Annotation
The study developed a program for predicting the employment of graduates based on artificial intelligence technologies and identified the main categories of features that significantly affect the trajectory of their professional employment after graduating from a pedagogical institute. When implementing the experimental work, predictive intellectual modeling was used, which, based on the identification, understanding and processing of big data by machine learning algorithms, allows predicting future events and further supporting the adoption of psychological and pedagogical decisions.
| Type | Article |
| Information | WORLD OF EDUCATION — EDUCATION AROUND THE WORLD № 01/2023 |
| Pages | 165-176 |
| UDK | 378.141 |
| DOI | 10.51944/20738536_2023_1_165 |
Library
1. 21. Yu J. Academic Performance Prediction Method of Online Education using Random Forest Algorithm and Artificial Intelligence Methods / J. Yu // International Journal of Emerging Technologies in Learning. — 2021. — No. 16 (5). — P. 45–57.
2. 20. Wang J. Visualization Analysis of Artificial Intelligence Technology in Higher Education Based on SSCI and SCI Journals from 2009 to 2019 / J. Wang, Q. Zhan // International Journal of Emerging Technologies in Learning. — 2021. — No. 16 (8). — P. 20–3
3. 19. Оrange. Data Mining Fruitful and Fun [Electronic resource]. — Access mode: <a href="https://" target="_blank">https://</a> orangedatamining.com/download/#windows (date of the application: 25.02.2023).
4. 18. Sukhbaatar O. An Artificial Neural Network Based Early Prediction of Failure-Prone Students in Blended Learning Course / O. Sukhbaatar, T. Usagawa // International Journal of Emerging Technologies in Learning. — 2019. — No. 14 (19). — P. 77–92.
5. 17. Renz A. Demystification of Artificial Intelligence in Education — How much AI is really in the Educational Technology? / A. Renz, S. Krishnaraja, E. Gronau // International Journal of Learning Analytics and Artificial Intelligence for Education. — 202
6. 16. Rajak A. Vidushi Applying and comparing machine learning classification algorithms for predicting the results of students / A. Rajak, A. K. Shrivastava // Journal of Discrete Mathematical Sciences and Cryptography. — 2020. — No. 23 (2). — P. 419–427.
7. 15. Qureshi M. I. Digital Technologies in Education 4.0. Does it Enhance the Effectiveness of Learning? A Systematic Literature Review / M. I. Qureshi, N. Khan, H. Raza et al. // International Journal of Interactive Mobile Technologies. — 2021. — No. 15 (
8. 14. Ma J. Intelligent Decision System of Higher Educational Resource Data Under Artificial Intelligence Technology / J. Ma // International Journal of Emerging Technologies in Learning. — 2021. — No. 16 (5). — P. 130–146.
9. 13. Khan I. A. Conceptual Framework to Aid Attribute Selection in Machine Learning Student Performance Prediction Models / I. Khan, A. R. Ahmad, N. Jabeur, M. N. Mahdi // International Journal of Interactive Mobile Technologies. — 2021. — No. 15 (15). — P
10. 12. Ifenthaler D. Reflections on Different Learning Analytics Indicators for Supporting Study Success / D. Ifenthaler, J. Y. Yau // International Journal of Learning Analytics and Artificial Intelligence for Education. — 2020. — No. 2 (2). — P. 4–23.
11. 11. Hussain S. Prediction Model on Student Performance based on Internal Assessment using Deep Learning / S. Hussain // International Journal of Emerging Technologies in Learning. — 2019. — No. 14 (8). — P. 4–22.
12. 10. Hu J. Teaching Evaluation System by use of Machine Learning and Artificial Intelligence Methods / J. Hu // International Journal of Emerging Technologies in Learning. — 2021. — No. 16 (5). — P. 87–101.
13. 9. Cope B. Artificial intelligence for education: Knowledge and its assessment in AI-enabled learning ecologies / B. Cope, M. Kalantzis, D. Searsmith // Educational Philosophy and Theory. — 2021. — No. 53 (12). — P. 1229–1245.
14. 8. Chen Y. Intelligent Design Based Neural Network Model for Measuring Analysis of the College Teachers’ Teaching Ability / Y. Chen // International Journal of Emerging Technologies in Learning. — 2020. — No. 15 (15). — P. 176–187.
15. 7. Chulyukov V. A. Iskusstvennyi intellekt i budushchee obrazovaniya / V. A. Chulyukov, V. M. Dubov // Sovremennoe pedagogicheskoe obrazovanie. — 2020. — № 3. — C. 27–31.
16. 6. Rusakov S. V. Metody iskusstvennogo intellekta v zadache prognozirovaniya gruppy riska studentov / S. V. Rusakov, O. L. Rusakova, N. N. Nakoryakova, E. S. Chingaeva // Novye informatsionnye tekhnologii v obrazovanii i nauke. — 2020. — № 3. — S. 92–95.
17. 5. Nagovitsyn R. S. Iskusstvennyi intellekt po obrabotke dannykh abiturientov dlya prognozirovaniya ikh dal’neishego trudoustroistva posle obucheniya / R. S. Nagovitsyn // V sb. : Regional’nye vuzy — draivery prostranstvennogo razvitiya Rossii : mater. Vs
18. 4. Nagovitsyn R. S. Prognozirovanie sorevnovatel’noi rezul’tativnosti yunykh sportsmenov na osnove tekhnologii iskusstvennogo intellekta / R. S. Nagovitsyn, I. G. Gibadullin, O. N. Batsina, I. A. Mokrushina // Teoriya i praktika fizicheskoi kul’tury. — 20
19. 3. Kasprzhak A. G. Institutsional’nye tupiki rossiiskoi sistemy podgotovki uchitelei / A. G. Kasprzhak // Voprosy obrazovaniya. — 2013. — № 4. — S. 261–282.
20. 2. Elshanskii S. P. Shkola budushchego: mozhet li iskusstvennyi intellekt obespechit’ kognitivnuyu effektivnost’ obucheniya? / S. P. Elshanskii // Vestnik Tomskogo gosudarstvennogo universiteta. — 2021. — № 462. — S. 192–201.
21. 1. Dukhanina L. N. Problemy implementatsii iskusstvennogo intellekta v sfere obrazovaniya / L. N. Dukhanina, A. A. Maksimenko // Perspektivy nauki i obrazovaniya. — 2020. — № 4 (46). — S. 23–35.
22. 7. Чулюков В. А. Искусственный интеллект и будущее образования / В. А. Чулюков, В. М. Дубов // Современное педагогическое образование. — 2020. — № 3. — C. 27–31.
23. 6. Русаков С. В. Методы искусственного интеллекта в задаче прогнозирования группы риска студентов / С. В. Русаков, О. Л. Русакова, Н. Н. Накорякова, Е. С. Чингаева // Новые информационные технологии в образовании и науке. — 2020. — № 3. — С. 92–95.
24. 5. Наговицын Р. С. Искусственный интеллект по обработке данных абитуриентов для прогнозирования их дальнейшего трудоустройства после обучения / Р. С. Наговицын // В сб. : Региональные вузы — драйверы пространственного развития России : матер. Всерос. с ме
25. 4. Наговицын Р. С. Прогнозирование соревновательной результативности юных спортсменов на основе технологии искусственного интеллекта / Р. С. Наговицын, И. Г. Гибадуллин, О. Н. Бацина, И. А. Мокрушина // Теория и практика физической культуры. — 2023. — № 2
26. 3. Каспржак А. Г. Институциональные тупики российской системы подготовки учителей / А. Г. Каспржак // Вопросы образования. — 2013. — № 4. — С. 261–282.
27. 2. Елшанский С. П. Школа будущего: может ли искусственный интеллект обеспечить когнитивную эффективность обучения? / С. П. Елшанский // Вестник Томского государственного университета. — 2021. — № 462. — С. 192–201.
28. 1. Духанина Л. Н. Проблемы имплементации искусственного интеллекта в сфере образования / Л. Н. Духанина, А. А. Максименко // Перспективы науки и образования. — 2020. — № 4 (46). — С. 23–35.
The full version of the article is available only to subscribers of the journal