XVI международная научная конференция студентов и аспирантов «Проблемы арктического региона», Мурманск, 16 мая 2017 года : труды конференции / [ред.: Черняков С. М., Шаповалова Ю. А.]. - Мурманск : Полиграфист, 2017.

опроса составили обучающиеся 11 класса информационно-технологического профиля МБОУ г. Мурманска «Международный академический лицей», «Мурманский международный лицей», COILI №49, а также МБОУ г. Мончегорска «Лицей имени В.Г. Сизова». Ответы респондентов были анонимными и поступали в течение двух недель (анкеты заполнялись в удобное для пользователей время с помощью Web- сервиса GoogleForms). Всего поступило 22 анкеты одиннадцатиклассников. Для каждого респондента было известно время заполнения и вектор рангов. Таким образом, каждый абитуриент кодировался с помощью 10-мерного вектора признаков. Далее множество полученных векторов отправлялось во вторую созданную авторами программу (в среде математического программирования Scilab), которая отвечала за составление групп пользователей. В ней сначала решалась задача уменьшения размерности (переход от 10-и переменных к 2-ум искусственным), а затем - кластеризации множества полученных двумерных векторов. Для решения первой задачи использовался метод главных компонент, а для второй - кластеризация К-средних. Алгоритм построения групп абитуриентов имеет следующий вид: 1. Загрузка файла .xls, содержащего признаковые векторы. 2. Составление матрицы «объект-признак». 3. Формирование двух искусственных признаков методом главных компонент. 4. Уменьшение размерности исходных данных путём проецирования признаковых векторов на главные компоненты. 5. Применение метода К-средних для кластеризации двумерных векторов (группировки признаков). 6. Визуализация кластерной структуры. 7. Сохранение изображения. Группировка признаков с учётом их корреляции с главными компонентами (ГК) привела к следующему результату (для каждого признака указаны главные компоненты, соответствующие наибольшим по модулю коэффициентам парной корреляции Пирсона) приведена в табл. 1. Таблица 1 Корреляция признаков и главных компонент Информационные технологии и математические методы Признак М П И Т Р В Н С Д К Коэффициент -0,62 0,92 0,90 -0,68 -0,84 -0,75 0,57 -0,74 -0,80 -0,73 № ГК 3 1 1 2 2 2 1 2 2 3 Последний этап - интерпретация полученных групп. Её необходимо выполнять сотрудникам вузов, чтобы создать более подходящую атмосферу для обучения, оценить глубину и дифференциацию интересов отдельных групп, учесть возможные проблемы у обучающихся. Подобное социологическое исследование легко осуществить в дни открытых дверей вуза и проработать на основании анализа результатов различные сценарии работы со студентами на уровне деканатов до начала приёмной кампании. Эта оперативная информация, отражающая региональную и современную специфику учащейся молодёжи, безусловно актуальна и ценна для повышения эффективности подготовки кадров. Задача интерпретации в наибольшей степени потребует впоследствии привлечения специалистов, но в рамках примера также была выполнена авторами без дополнительных консультаций. По первой ГК сгруппированы признаки «П, И, Н», по второй - «Т, Р, С, В, Д», по третьей - «М, К».Как и следовало ожидать, наиболее значимой искусственной переменной по ответам респондентов оказалась ГК1. Интересно, что изучение математики и пункт «доводить начатое до конца» образовало единую искусственную переменную ГКЗ. Низкий приоритет этих аспектов специальности можно объяснить тем, что в Мурманской области относительно низкий интерес непосредственно к математике: он уступает увлечённости программированием и техническим творчеством, с ним связанным. Можно сказать, что ГК1 7 5