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.

methods for preprocessing of the given responses. Selects the method of representation of short texts on a given theme in the form of a numerical model. Describes computer analysis approaches both turnkey solutions as well as the means to develop own analyzers. The results of experiments that allow you to make a choice in favor of naive Bayesian Classifier as a method that gives good results if you use a small training samples, are suggested. Keywords: Text Mining, analysis, preprocessing, classification, bag of words, naive Bayesian Classifier. Информационные технологии и математические методы АНАЛИЗ УСПЕВАЕМОСТИ СТУДЕНТОВ МЕТОДОМ ПОСТРОЕНИЯ ТРЕНДА ОТКЛОНЕНИЙ БАЛЛОВ ОТ СРЕДНЕГО ЗНАЧЕНИЯ ПО ПРЕДМЕТАМ Ф.Г. Шкурин, И.М. Лазарева Мурманский арктический государственный университет, г. Мурманск, Россия lasareva. irina(a),mshu. edu. ru Аннотация. В данной работе производится анализ и оценка успеваемости студентов и учебных групп с помощью построения тренда. В качестве показателя успеваемости студентов используются отклонения от среднего значения по конкретной дисциплине среди всех студентов, которые когда-либо изучали этот предмет. По данным успеваемости студентов рассчитаны средние значения, построены линейные тренды для отклонений от среднего и проведена оценка их коэффициентов. Также была предпринята попытка прогнозирования методами построения мультипликативной модели и представления ряда значений как выборки случайно распределенной величины, с дальнейшим поиском закона распределения с помощью критерия согласия Колмогорова. Ключевые слова: высшая школа, анализ успеваемости студентов, оценка тренда. Введение В современном мире высшее образование считается одним из обязательных условий для успешной профессиональной деятельности. Из-за этого возросло количество студентов в ВУЗах. Что, в свою очередь, вызвало усложнение системы управления, необходимой для отслеживания результатов процесса обучения и его регулирования в случае необходимости. В процессе обучения происходит накопление данных о результатах промежуточных сессий. Их правильный анализ и оценка позволят выявить тенденции освоения учебной программы отдельными студентами и группами, а также эффективно управлять учебным процессом с целью выявления проблем на ранних стадиях. Таким образом, нахождение достаточно продуктивного метода анализа успеваемости студентов повысит действенность принятых решений. Основная часть Нахождение отклонений от среднего значения В первую очередь был введен такой параметр, как отклонение баллов студента, полученных по предмету, от среднего значения, позволяющий при анализе результатов аттестации абстрагироваться от сложности конкретной дисциплины и особенности конкретного преподавателя. В этом случае можно будет говорить об индивидуальных успехах отдельного студента по предмету, избегая ситуаций, когда, например, 75 баллов, при среднем значении по предмету 65, будут считаться неудовлетворительным результатом и данный студент будет причислен к неуспевающим студентам. И, наоборот, когда при 91