Вычисления будущих экзаменициооных оценок

Цель, которую я хотел достичь в результате моей статьи — суметь попытаться прогнозировать экзаменационную оценку учащегося по основным предметам, изучающимся в его учебном заведении (обычно это русский язык и математика, часто теперь и английский язык), на основании различного рода информации об ученике для понимания работы нейронных сетей и путей прогнозирования.

Согласно различным законом нашего мира, установленным учеными мужами, все явления и события, происходящие в нем, являются вытекающими из предыдущих явлений и событий, и служат зародышем для дальнейших.

Эти законы очень важны для моей работы, так как они являются ее фундаментом: без них нельзя достичь цель работы никаким другим способом, кроме угадывания, которое не подходит для прогнозирования различных событий и явлений, потому что результат мы сможем проверить только в процессе или после прогнозируемых событий и явлений.

Другая проблема заключается в том, что только четкая и полноценная система из предыдущих явлений и событий сможет привести к моей цели. Но построить ее точную копию не получится, потому что нельзя пока ничего скопировать «как есть» в нашем мире; поэтому я могу построить только модель этой системы. Вариантом, выбранным мною для достижение моей цели, стал вариант построения систем для каждого из учеников, а затем объединение их всех в одну систему.

Для того, чтобы понять, как в прошлом и настоящем решается проблема прогнозирования, я обратился к литературе и понял, что ближайшей из идей к моей попытки прогнозирования относится идея нейронных сетей.

Давайте посмотрим на этапы моей попытки прогнозирования:

1) Определить круг людей (далее группа тестирования), которые сейчас учатся в 9 классе, с которыми я буду работать. Договориться с ними об участии в эксперименте.

(Попытаться определить круг людей по возможности таким образом, чтобы они были из разных социальных групп, имели разные увлечения, были из разного экономического класса и т. п. )

2) Составить модель общей системы, с помощью которой в будущем я проведу попытку прогнозирования: это различные параметры, характеристики этих людей.

(Это один из самых трудных этапов, так как все зависит от построения модели. При проектировании модели я могу не учитывать малых факторов, иногда средних; но никак не крупных. Проблема еще в том, что малый фактор с первого взгляда на самом деле может оказаться очень важным; а еще некоторые факторы могут быть «скрыты под водою». )

3) Провести интервью и тесты с группой тестирования, чтобы получить входные данные (понятие взято из теории нейронных сетей; то есть те знание, на основе которых и определяется выходные данные, в нашем случае — экзаменационная оценка).

4) На этом этапе уже будет построена общая модель, где от входных данных будет зависеть экзаменационная оценка ученика.

Для понимания работы нейронных сетей мною была разработана специальная программа.

Для использования программы необходимо:

1. Запустить файл «neuro» («neuro. exe»).

2. Правой кнопкой мыши разместить нейроны по полю щелчками правой кнопки мыши.

3. Соединить нейроны синоптисами: сначала щелкая левой кнопкой мыши один раз по нейрону, от которого пойдет синоптис; затем, к которому пойдет (таким же щелчком). По середине между ними должен появиться синоптис, а нейрон-1, синоптис и нейрон-2 должны соединиться линией.

4. Щелкая правой кнопкой мыши один раз по любому из нейронов, можно изменить параметры «Для активации» и «Активация». Затем можно изменить эти параметры вверху справа, где расположены два текстовых поля. Заметьте, что эти параметры и изменяются на самом нейроне (два числа: сверху — «Для активации», снизу — «Активация»).

a. «Для активации» — параметр, который характеризует количество единиц, требующееся, чтобы нейрон активировался.

b. «Активации» — количество единиц, который нейрон уже получил.

5. Проверьте, готова ли нейронная сеть?

6. Если да, то необходимо нажать кнопку запустить.

7. Необходимо выбрать первый (или несколько первых нейронов) и установить для них активацию в единицах, чтобы было нейронная сеть запустилась.

8. Затем необходимо выбрать коэффициент для каждого из синоптисов (если требуется; по умолчанию — 1): щелкните правой кнопкой мыши один раз по синоптису и введите коэффициент.

9. Подведите курсор к нейронам, которые является стартерами сети. Эти числа по очереди вводите в третье поле сверху справа, а затем нажимайте по очереди кнопку «Добавить».

10. Нейронная сеть готова к использованию. Щелкайте кнопку «>», чтобы поэтапно следить за работой сети.

В итоге входными данными для общей модели системы стали: а) значения тестов IQ (коэффициент интеллекта) и EQ (эмоциональный коэффициент); б) форма одежды в день экзамена; в) умение списывать; г) четвертные и годовая оценки ученика по экзаменационному предмету; д) среднее арифметическое годовых оценок ученика по всем предметам; е) дополнительные занятия по этому предмету; ж) дополнительные занятия по предмету, который относится к тому же разделу, что и экзаменационный предмет; з) дополнительная активность (кружки, секции, выездные школы и т. д. );

Параметр К «2» «3» «4» «5»

а. IQ 10 0—70 71—80 81—100 101—+

а. EQ 10 0—84 85—99 100—120 121—+

б. Форма одежды 3

(Форма одежды оценивается баллами в промежутке 1-10:

Официальный верх, к примеру пиджак, — +4 балла,

Бабочка, галстук — +1 балл,

Строгие брюки и т. п. — +3 балла,

Туфли — +2 балла.

в. Умение списывать 8 0—1 2—3 4—7 8—10

Определяется по интервью с несколькими вопросами:

(Перед этим обязательно при интервью важен мостик, который должен расположить собеседника к себе, к примеру:

«Конечно, каждый из нас в своей жизни списывал» (с улыбкой на лице). )

1) Оцени от 1 до 3 свое умение списывать.

2) Попадался ли ты на списывании (1—2 балла)?

3) Как ты обычно это делаешь, расскажи подробнее о процессе (1—5 баллов в зависимости от способов, изобретательности; а также от аккуратности и целеустремленности при списывании).

Балл выносится от 1 до 10 суммой всех вопросов.

г. Четвертные и годовая оценки 10 0—16 17—27 28—35 36—40

ученика по экзаменационному предмету

Четвертные оценки по предмету складываются, а годовая умножается на 4 и прибавляется к сумме четвертных.

(Имеются в виду оценки за 9 класс. )

д. Среднее арифметическое годовых 8 0—2,6 2,6—3,5 3,6—4,5 4,6—5

оценок ученика по всем предметам е. Дополнительные занятия по этому2 0 0—1 1,25—1,5 1,5—+

предмету

Оцениваются в часах в неделю.

2 0 0—1 1,25—1,5 1,5—+

ж. Дополнительные занятия по предмету, который относится к тому же разделу, что и экзаменационный предмет

Оцениваются в часах в неделю.

з. Дополнительная активность 2 0 0—2 3—5 6—+

(кружки, секции, выездные школы и т. д. )

Оценивается как количество часов в неделю; плюс количество суток, проведенных в выездных школах (и т. п. ).

Вот примерная схема сети:

Как вы видите, от каждого входного параметра отходят свои отростки («дендриты» по терминологии нейронных сетей) к каждому из возможных результатов. В зависимости от значения входного параметра он передаст свое K соответственному результату. Получается, что число K является коэффициентом, тем параметром, который определяет, насколько важен тот или иной фактор. В итоге, тот результат, который наберет наибольшее число, и является прогнозируемой оценкой.

В данной реализации у схемы есть существенная проблема: если параметр IQ был равен 100, то этот параметр передаст свое значение, умноженное на K, результату «4». Хотя ему не хватило всего одного очка, чтобы передать свое значение результату «5».

Из этой ситуации есть такой выход:

1) Вычислить для каждого результата для каждого параметра свой центр (к примеру, для результата «4» параметра IQ это будет 75: середина между 71 и 80).

2) Чем ближе входной параметр к значению каждого из центров этого параметра, такой коэффициент K он передает каждому из результатов: в зависимости от близости к центру, K может увеличиваться на диапазон от 0 до 1 — получается что-то типа процентного соотношения.

В итоге, выигрывает снова же результат, набравший наибольшее количество единиц. Но этот вариант более чистый.

С социальной стороны нашей работы, с помощью прогнозирования мудрый человек может увидеть, что результаты, ожидаемые аналитиком, его не устраивает, и понять, что, возможно, можно исправить в своей жизни. Поэтому можно предоставить интересное подробное описание, какое воздействие каждый из входных параметров оказал на результат, чтобы проанализировать свою жизненную позицию.

Сила нейронной сети в возможности ее самообучаемости. Предоставленные здесь значения коэффициента K и зависимости параметров является приближенные к действительности, полученные путем анализа, поэтому могут отличаться от реальных в некоторой степени. Поэтому есть возможность провести проверку значений с помощью групп 10-классников, чтобы подставлять входные параметры и результаты, и проверять верность значений коэффициента K и зависимости параметров.

Я, как автор этих исследований, понимаю их некоторую абсурдность. Действительно, в нашей системе образования практически отказались от оценки «1», оценка «2» тоже редко ставится как оценка.

Также обычно нет смысла прогнозировать экзаменационную оценку, так как по оценкам за четверть и год легко просто понять, какая оценка ждет ученика. Да и не является это какой-нибудь очень важной информацией, к примеру, такой, как прогнозирование погоды или землетрясений, которые могут помочь людям не получить травмы, и даже выжить.

Не зря моя цель работы содержит такое окончание: «для понимания работы нейронных сетей и путей прогнозирования». Самоцель — не возможность прогнозирования оценки, а именно понимание прогнозирования для работы, практики и реализации проектов в будущем.