Бидний тухай
Багш ажилтан
Бакалаврын судалгааны ажил нь оюутны их сургуулийн боловсролын чанарыг илэрхийлж, эзэмшсэн мэдлэг, чадварыг бодит ажилд хэрэгжүүлэх чухал шалгуур болдог. Гэвч олон оюутан бакалаврын судалгааны ажлаа хугацаанд нь гүйцэтгэж чадалгүй, хангалтгүй үнэлгээ авч байгаа нь судалгааны үйл явцад нөлөөлж буй хүчин зүйлсийг судлах шаардлагыг бий болгож байна. Энэхүү судалгаанд 2023-2024 оны Монгол Улсын Их Сургуулийн Мэдээллийн Технологийн чиглэлийн дөрвөн хөтөлбөрөөр суралцаж буй оюутнуудын бакалаврын судалгааны ажлын өгөгдөл, суралцсан хугацааны хичээлийн дүнгийн өгөгдөл зэргийг цуглуулан боловсруулж өгөгдлийн багцыг (нийт 302 оюутан) бүрдүүлсэн. Бакалаврын судалгааны ажилд нөлөөлж буй хүчин зүйлсийг тодорхойлохдоо уламжлалт статистикийн шинжилгээ (корреляцийн шинжилгээ) болон өндөр үнэлгээ авах магадлалыг таамаглах зорилгоор машин сургалтын Random Forest аргыг ашиглав. Үр дүнгээс харахад БСА-ын гүйцэтгэлд мэргэжлийн хичээлийн дүн, сэдвийн сонголт зэрэг нь тодорхой нөлөөтэй байгаа бол багшийн нөлөө харьцангуй бага гэж тодорхойлогдлоо. Мөн таамаглалын загвар нь 74%-ийн үнэн зөв, 0.78-ийн F1-score үзүүлсэн нь Random Forest аргыг БСА-ын амжилттай гүйцэтгэлийг урьдчилан таамаглахад үр дүнтэй хэрэгсэл болохыг харуулж байна.
Бакалаврын судалгааны ажил нь оюутны их сургуулийн боловсролыг дүгнэх, эзэмшсэн мэдлэг чадварыг бодитоор хэрэгжүүлэх чухал судалгааны бүтээл юм. Энэ нь оюутанд мэргэжлийн мэдлэгийг гүнзгийрүүлэх, чадварыг бататгах, судалгаа шинжилгээний арга барилд суралцах, бие даан ажиллах, асуудлыг шинжлэх, дүгнэлт гаргах чадварыг хөгжүүлэх боломж олгодог. Сайн боловсруулсан бүтээл нь нь карьер эхлүүлэх, ахисан түвшинд судалгаагаа үргэлжлүүлэх гол түлхүүр болно. Харамсалтай нь олон тооны оюутнууд судалгааны ажлаа хугацаандаа дуусгадаггүй, эсвэл дутуу хэрэгжүүлснээр хангалттай дүн авч чаддаггүй байна. Оюутнууд судалгааны ажлын явцад сэдэв сонголт, эзэмшсэн мэдлэгийн хүрээ, судалгааны арга зүй, цагийн зохион байгуулалт зэрэг олон төрлийн бэрхшээлтэй тулгардаг. Тиймээс энэхүү судалгаанд бакалаврын судалгааны ажлын гүйцэтгэлд нөлөөлөх хүчин зүйлсийг машин сургалтын бүлэглэх арга болон энгийн статистикийн шинжилгээний аргыг ашиглан тодорхойлон тайлбарлахыг зорилоо. Энэхүү судалгаанд 2023-2024 оны Монгол Улсын Их Сургуулийн Мэдээллийн Технологийн чиглэлийн дөрвөн хөтөлбөрөөр суралцаж буй оюутнуудын бакалаврын судалгааны ажлын өгөгдөл, суралцсан хугацааны хичээлийн дүнгийн өгөгдөл зэргийг цуглуулан боловсруулж өгөгдлийн багцыг (нийт 267 оюутан) бүрдүүлсэн. Бакалаврын судалгааны ажилд нөлөөлж буй хүчин зүйлсийг тодорхойлохдоо уламжлалт статистикийн шинжилгээ (корреляцийн шинжилгээ) болон машин сургалтын бүлэглэх (clustering) аргыг ашигласан. Үр дүнгээс харахад БСА-ын гүйцэтгэлд мэргэжлийн хичээлийн дүн, явцын үнэлгээний дүн, сэдвийн сонголт зэрэг нь тодорхой нөлөөтэй байгаа бол багшийн нөлөө харьцангуй бага гэж тодорхойлогдлоо.
Элсэлтийн ерөнхий шалгалтын дүнг урьдчилан таамаглах нь шалгалтанд бэлтгэгчид болон шийдвэр гаргах түвшний байгуулагад үнэтэй мэдээлэл болдог. Судалганы ажлын зорилго нь ЕБС-ийн сурагчийн сурлагын дүн болон бусад хувийн өгөгдөлд тулгуурлан шалгалтын дүнг урьдчилан таамаглах боломжийг судлах юм. Ерөнхий боловсролын сургуулийн сүүлийн 3 жилийн сурлагын дүн, амьдрах орчны судалгаа, элсэлтийн ерөнхий шалгалтын дүнгээс тохирох онцлогийг тодорхойлж, хэд хэдэн регресс болон машин сургалтын техникийг ашигласан. Туршилтаар бидний боловсруулсан хамгийн сайн загвар нь 78.5 хувийн зөв таамагласан үр дүн үзүүлсэн.
Судалгааны ажлаар ажил олгогч болон ажил горилогчийн мэдээллийг ажлын зар болон анкетаас задлаж тухайн ажил олгогчид тохирох ажил горилогчийг олж санал болгох, нөгөө талаас ажил горилогчид хамгийн тохирох ажлын байрыг санал болгож чадах загварыг машин сургалт болон хайлтын алгоритмуудыг ашиглан бий болгох зорилго тавин ажиллалаа.
The research aims to create a model using machine learning and search algorithms that can parse information from job postings, and applicant resumes to recommend suitable candidates to employers and the most suitable jobs to applicants.
Goal of research work is to determine the most important features on predicting the grade of the General Entrance Exam (GEE). The features are high school student’s grade, personal information, and state exam results. We collected 96,827 high school students data and compared the F1 measures with different classification techniques such as decision tree, logistic regression, artificial neural network, and support vector machine. Among these techniques, the SVM provided the best F1 measure that is 0.70.
As education becomes increasingly digital, all educational institutions are collecting a lot of data, including quarterly exams, homework scores, and student personal information. But all this information used to make the final result of the student whether to pass or fail the particular examination. If student data is analyzed timely then definitely it will help the student to improve their performance in academics. Now a day's educational system is not limited to any formal teaching within a classroom but it goes beyond that like online MOOC course, Web-based education system (WBS), an intelligent tutorial system (ITS), Project-based learning (PBL), webinar, Seminar, Workshops and many more. All these teaching methods make the education system more attractive and provide lots of knowledge and learning through a different source. If all these methods do not properly check and evaluate then it adversely affect the education system. So for making any education system to have a success, then a proper evaluation check should be maintained. The ML techniques are used to analyze the historical data of any organization by using an inbuilt algorithm, which further finds the hidden information from that data which is not possible to find manually. By periodically evaluating the student progress, timely help and support are provided to those students who are on the risk of failure or dropout, so that they can improve their performance in the future.
