Szerző: NAGY MARCELL
2023.04.18.
A mesterséges intelligencia (AI) ma már nem pusztán a sci-fi filmek izgalmas világának kiegészítője, hanem a mindennapi valóság része, segítségével egyre több területen, egyre pontosabban jelezhetünk előre eseményeket és modellezhetünk folyamatokat. Az AI-eszközök ma már képesek akár megírni a házi feladatot vagy letenni az orvosi szakvizsgát, és aligha lep meg bárkit, hogy pusztán algoritmusokkal megjósolható az is, hogy megosztok-e majd egy álhírt a közösségi médiában vagy sem. A mesterséges intelligencia egyre jelentősebb mértékben hódít teret az egészségügyben is: kellően nagy adathalmazon végzett elemzésekkel számos betegség válik felismerhetővé, többek között azt is kimutathatjuk, hogy milyen védekezési módok tudnak igazán hatékonyak lenni a koronavírussal szemben, sőt társadalmi normák és etikai alapvetések megértésére is bevetették már.
Azokon a területeken, ahol megfelelően nagy adatmennyiség áll rendelkezésre, ott megjelenik az adattudomány, és munkába lép a mesterséges intelligencia és a gépi tanulási algoritmusok. Ilyen adatgazdag terület az oktatás világa is, ahol az egyik legfontosabb megoldandó probléma a végzési arány növelése a középiskolákban és az egyetemeken, vagyis a lemorzsolódás elleni küzdelem. Alapvető cél, hogy a rendszer idejében felismerje, kik azok, akik a kibukás szélére sodródtak, vagy hogy egyáltalán meg tudjuk mondani, mely tényezők vezethetnek a lemorzsolódáshoz.
A probléma igencsak aktuális, mivel a koronavírus-járvány idején megnőtt a lemorzsolódás a közoktatásban, amely különösen a hátrányos helyzetű és roma származású gyerekeket veszélyezteti. Az egyetemi kibukás kérdése pedig leginkább a mérnöki és természettudományos képzési területeket érinti, ugyanis ezeket a szakokat az Európai Unión belül a magyarországi egyetemeken végzik el az egyik legrosszabb arányban.
Vajon segíthet-e a lemorzsolódás elleni küzdelemben a tanulmányi adatok elemzése és a gépi tanulás? A válasz egyértelműen igen. A Műegyetemen működő Human & Social Data Science Laboratóriumban (HSDSLab) évek óta foglalkozunk adatvezérelt oktatáskutatással, többek között az egyetemi lemorzsolódás témájával. A felsőoktatásban használt Neptun elektronikus tanulmányi rendszer, amely minden hallgatóról számos adatot tárol, olyan gazdag adatkészletet biztosít, ami számos érdekes és kihívásokkal teli elemzést tartogat az adattudósoknak.
A középiskolai teljesítmény, a felvett kreditek száma és a kollégiumi lét is előre jelezheti az egyetemi sikereket...
Azokon a területeken, ahol megfelelően nagy adatmennyiség áll rendelkezésre, ott megjelenik az adattudomány, és munkába lép a mesterséges intelligencia és a gépi tanulási algoritmusok. Ilyen adatgazdag terület az oktatás világa is, ahol az egyik legfontosabb megoldandó probléma a végzési arány növelése a középiskolákban és az egyetemeken, vagyis a lemorzsolódás elleni küzdelem. Alapvető cél, hogy a rendszer idejében felismerje, kik azok, akik a kibukás szélére sodródtak, vagy hogy egyáltalán meg tudjuk mondani, mely tényezők vezethetnek a lemorzsolódáshoz.
A probléma igencsak aktuális, mivel a koronavírus-járvány idején megnőtt a lemorzsolódás a közoktatásban, amely különösen a hátrányos helyzetű és roma származású gyerekeket veszélyezteti. Az egyetemi kibukás kérdése pedig leginkább a mérnöki és természettudományos képzési területeket érinti, ugyanis ezeket a szakokat az Európai Unión belül a magyarországi egyetemeken végzik el az egyik legrosszabb arányban.
Vajon segíthet-e a lemorzsolódás elleni küzdelemben a tanulmányi adatok elemzése és a gépi tanulás? A válasz egyértelműen igen. A Műegyetemen működő Human & Social Data Science Laboratóriumban (HSDSLab) évek óta foglalkozunk adatvezérelt oktatáskutatással, többek között az egyetemi lemorzsolódás témájával. A felsőoktatásban használt Neptun elektronikus tanulmányi rendszer, amely minden hallgatóról számos adatot tárol, olyan gazdag adatkészletet biztosít, ami számos érdekes és kihívásokkal teli elemzést tartogat az adattudósoknak.
A középiskolai teljesítmény, a felvett kreditek száma és a kollégiumi lét is előre jelezheti az egyetemi sikereket...
Nincsenek megjegyzések:
Megjegyzés küldése
Megjegyzés: Megjegyzéseket csak a blog tagjai írhatnak a blogba.