Библиографическое описание:УСТРАНЕНИЕ АНОМАЛИЙ ДАННЫХ В ЗАДАЧЕ ОБРАБОТКИ УЧЕБНЫХ ПЛАНОВ : доклад, тезисы доклада / Е. А. Халтурин. - [Б. м. : б. и.], 2024. - Текст : непосредственный // Информатизация образования и методика электронного обучения: цифровые технологии в образовании : Материалы VIII Международной научной конференции. В 4-х частях / Информатизация образования и методика электронного обучения: цифровые технологии в образовании (2024 ; 24.09 - 27.09 ; Красноярск). - Красноярск, 2024. - С. 334-338. - ISBN 9785001027119.
Аннотация:В задаче обработки данных учебных планов, одной из ключевых задач является приведение данных к единому формату. Возникает данная задача по той причине, что заполнением учебных планов занимаются разные авторские коллективы, а также потому, что различные направления подготовки имеют свои специфические требования. Проблема актуальна по той причине, что возникающие аномалии мешают автоматизировано извлекать необходимые для дальнейшего анализа данные из учебных планов, что пагубно влияет на эффективность решения задач датафикации без вмешательства оператора. Отметим, что системы датафикации позволят заранее определять успешность внедрения новых учебных планов и смогут регулировать качество уже находящихся в реализации. В данной статье будут приведены примеры того, как сильно разнятся данные разных учебных данных, с чем это связано и как устранить вытекающие из этого проблемы.
One of the key tasks in processing curriculum data is to bring the data into a uniform format. This problem arises from the fact that different teams of authors are involved in filling in the curriculum data, and also because different training areas have their own specific requirements. This problem is relevant because data anomalies prevent automated extraction of the data needed for further analysis from the curricula, which has a detrimental effect on the efficiency of solving datafication tasks without operator intervention. It should be noted that datafication systems will allow to determine in advance the success of the implementation of new curricula and to regulate the quality of those already in place. In this article we give examples of how data from different training data varies greatly, what this is related to, and how to eliminate the resulting problems.
