Использование кластерного анализа для выявления аномалий и проблемных тем по результатам контрольных мероприятий

Abstract

В статье рассматривается применение методов кластерного анализа для автоматизированного выявления аномалий и проблемных тем в результатах государственной итоговой аттестации. Цель исследования – разработка аналитической модели, позволяющей идентифицировать задания, требующие корректировки в образовательном процессе. В качестве методов анализа использованы алгоритмы машинного обучения. Результаты демонстрируют эффективность кластерного подхода в диагностике качества экзаменационных заданий.

The article discusses the use of cluster analysis methods for the automated detection of anomalies and problematic topics in the results of the state final assessment. The purpose of the study is to develop an analytical model that allows identifying tasks that require adjustments in the educational process. Machine learning algorithms are used as analysis methods. The results demonstrate the effectiveness of the cluster approach in diagnosing the quality of exam assignments.