hrvatski

Sustavi potpore odlučivanju: klasteriranje u funkciji optimiziranja studentskih grupa

Na Zdravstvenom veleučilištu u organizaciji Katedre za informatiku u zdravstvu studenti pojedinih studijskih smjerova pohađaju vježbovnu nastavu iz informatičkih kolegija u odgovarajućem broju nastavnih sati. Studentske grupe formiraju se prema abecednom redu prezimena studenata te postojećim nastavnim i prostornim resursima. Opažanjima u proteklim godinama primijećeno je da grupe čine studenti s neujednačenim predznanjem i sposobnostima usvajanja gradiva što za posljedicu ima otežano provođenje nastave kao i nemogućnost dodatnog rada sa studentima. Unapređenje nastavnog procesa i otklanjanje nedostataka potakli su na primjenu postupka dubinske analize podataka sa svrhom potpore odlučivanju pri razvrstavanju studenata i formiranju vježbovnih grupa prema obilježjima studenata prije početka studija. Provedenom anketom u ak. god. 2014/15 s redovnim studentima prve godine studija Sanitarnog inženjerstva (SAN) i Sestrinstva (SE) dobiveni su odgovori pogodni za izabrani postupak analize u skladu sa zadanim ciljem. Obrađeni su odgovori na pitanja koji se odnose na opći uspjeh u srednjoj školi, zatim uspjeh iz predmeta informatika te način stjecanja znanja rada na računalu. Podaci su za potrebe analize odgovarajuće pripremljeni te je uz upotrebu nekomercijalne programske podrške i primjenu partitivnog algoritma „K-srednje vrijednosti“, proveden postupak klasteriranja zasebno za svaki smjer studija. Kod studija SAN ukupno je 62 studenta koji su raspodijeljeni u 3 klastera: prvi s 30, drugi s 23 i treći s 9 studenata. Kod studija SE ukupno je 83 studenta koji su raspodijeljeni u 3 klastera prvi s 66, drugi s 10 i treći s 7 studenata. Izračunom centroida za svaki klaster dostupna su obilježja pojedine grupe prema čemu kod oba studija postoje grupe studenata s odličnim i vrlo dobrim ocjenama koji su znanje rada na računalu stekli samostalnim radom. Dimenzioniranje raspodjele studenata primjenom odgovarajućeg postupka dubinske analize podataka i promatranih studentskih obilježja omogućuje formiranje studentskih grupa s pripadajućim obilježjima i stvara preduvjete za kvalitetnije održavanje vježbovne nastave uz prilagodbu postojećih nastavnih resursa.

Dubinska analiza podataka ; Klasteriranje ; Raspodjela ; Obilježja

nije evidentirano