ИИ создает новый взгляд на образование: как подписки в соцсетях предсказывают успеваемость студентов!

Привет! 🌟 Сегодня мы поговорим о настоящей сенсации в мире образования и технологий! Недавние исследования в России стали настоящим открытием: искусственный интеллект (ИИ) научился предсказывать успеваемость студентов, основываясь на их подписках в социальных сетях. 🎓📱

Удивительное открытие

Учёные из Национального исследовательского университета "Высшая школа экономики" (НИУ ВШЭ) сделали удивительное открытие: анализируя поведение студентов в интернете, можно с высокой точностью спрогнозировать их академические успехи! 🚀 В рамках проекта были изучены профили 4400 студентов из Томского государственного университета. В результате исследования выяснили, что между интересами студентов и их успеваемостью существуют четкие закономерности.

Неожиданные результаты

Как рассказал один из авторов исследования, Сергей Горшков, некоторые выводы оказались довольно неожиданными. Более того, увлечение такими хобби, как искусство и туризм, оказалось связано с высшими оценками. Ведь, по стереотипам, считается, что эти интересы отвлекают студентов от учёбы. Однако, факты показывают обратное! 🎨✈️

"Мы были удивлены, что такие хобби, как искусство и туризм, скорее способствуют лучшей учебе, чем мешают ей!"
— отметил Горшков, подчеркивая важность культурного обогащения и любознательности.

Работа и учёба: грань тонка

На протяжении исследования также отмечено, что студенты, активно интересующиеся подработкой, демонстрируют пониженную успеваемость. Это объясняется тем, что необходимость совмещать работу и учебу негативно сказывается на глубине вовлеченности в образовательный процесс. 📉💼

Как это работает?

Теперь давайте немного подробнее рассмотрим, как же работает эта удивительная система. В основе исследования лежит нейросетевая модель BERT, которая может обрабатывать текстовую информацию. Алгоритм анализировал данные из соцсетей, классифицируя сообщества по тематике и выделяя ключевые интересы студентов. Затем с помощью различных моделей машинного обучения был установлен связи между онлайн-активностью и академическими результатами.

Что обнаружили учёные?

Исследование показало, что студенты с высокими баллами:

• чаще читают научно-популярные и образовательные материалы;
• активно участвуют в содержательных дискуссиях;
• имеют интерес к аналитическому и критическому мышлению.

В противовес этому, студенты с низкой успеваемостью чаще подписаны на сообщества с развлекательным контентом:

• юмористические страницы;
• музыкальные паблики;
• группы, посвященные видеоиграм.

🤔 Такое распределение показывает, что развлекательные площадки предоставляют минимум полезной информации и часто несут эмоционально негативную нагрузку.

Практическое применение

Как это можно использовать?

Дмитрий Игнатов, доцент НИУ ВШЭ, акцентировал внимание на практическом значении результатов исследования.
Он рассказал о том, что подобные технологии могут быть полезны как для университетов, так и для бизнеса:

• Университеты могут использовать данные технологии для подбора подходов к обучению различных категорий студентов.
• Работодатели также могут применять этот подход при подборе кандидатов, оценивая их продуктивность по информации из социальный сетей.

Кроме того, он добавил, что подобная методика может применяться только при наличии согласия самих пользователей на использование их персональных данных. 🔑

Заключение

Неужели мы стоим на пороге новой эры в образовании и трудоустройстве? Возможно, такой подход поможет не только улучшить образовательные достижения студентов, но и позволит работодателям эффективнее находить подходящих сотрудников. Как вы думаете, что ждет нас впереди?🤖💡

Этот проект открывает множество возможностей и поднимает важные вопросы о конфиденциальности, этике использования ИИ и его роли в будущем. Оставайтесь с нами, чтобы не пропустить новые увлекательные исследования и открытия!