Использование предобработки данных для эффективной сегментации абитуриентов на основе цифрового следа
Ключевые слова:
цифровой след, сегментация, парсер, обработка, абитуриентыАннотация
Цифровой след абитуриентов представляет собой ценную информацию, которая может быть использована для решения задачи сегментации образовательных услуг в соответствии с их разнообразными потребностями. Для достижения задачи необходима предварительная обработка данных, этапы которой приведены в статье. Использование парсера позволяет автоматизированно собирать информацию об интересах пользователя. Результаты работы представлены в виде графиков, отображающих распределение возрастов и соотношение открытых и закрытых профилей людей в диапазоне 15-19 лет. Дальнейшее исследование направлено на анализ активности и интересов участников групп с целью более точной сегментации и разработки эффективных стратегий привлечения абитуриентов
в образовательные учреждения.
Библиографические ссылки
Бабичева, Н. Б. Применение цифрового следа в построении непрерывной образовательной траектории / Н. Б. Бабичева, А. С. Кирчева, И. В. Мамедов // Системы автоматизации
(в образовании, науке и производстве) AS'2023 : труды Всероссийской научно-практической конференции (с международным участием), Новокузнецк, 12–14 декабря 2023 года. – Новокузнецк: Сибирский государственный индустриальный университет, 2023. – С. 248-254.
Начальное руководство по данным для обучения ИИ [Электронный ресурс] - URL: https://ru.shaip.com/blog/the-only-guide-on-ai-training-data-you-will-need-in/ (дата обращения 13.03.2024)
Описание методов API | VK для разработчиков [Электронный ресурс] - URL: https://dev.vk.com/ru/method (дата обращения 16.03.2024)
Загрузки
Опубликован
Как цитировать
Выпуск
Раздел
Лицензия
Copyright (c) 2024 Молодёжный вестник Новороссийского филиала Белгородского государственного технологического университета им. В. Г. Шухова
![Лицензия Creative Commons](http://i.creativecommons.org/l/by-nc-nd/4.0/88x31.png)
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная.
Copyright information
Тексты данной электронной статьи защищены (cc) Creative Commons Attribution-NonCommercial-NoDerivs 3.0 Unported License.
Вы можете свободно:
Делиться (You are free: to Share) – копировать, распространять и передавать другим лицам данную электронную книгу при обязательном соблюдении следующих условий:
– Атрибуция (Attribution) – Вы должны атрибутировать произведения (указывать автора и источник) в порядке, предусмотренном автором или лицензиаром (но только так, чтобы никоим образом не подразумевалось, что они поддерживают вас или использование вами данного произведения).
– Некоммерческое использование (Noncommercial use) – Вы не можете использовать эти произведения в коммерческих целях.
– Без производных произведений – Вы не можете изменять, преобразовывать или брать за основу эту электронную книгу или отдельные произведения.
Licensed under the Creative Commons Attribution-NonCommercial-NoDerivs 3.0 Unported License.
To view a copy of this license, visit https://creativecommons.org/licenses/by-nc-nd/4.0/
or send a letter to Creative Commons, 444 Castro Street, Suite 900, Mountain View, California, 94041, USA.
You are free:
to Share — to copy, distribute and transmit the work
Under the following conditions:
Attribution — You must attribute the work in the manner specified by the author or licensor (but not in any way that suggests that they endorse you or your use of the work).
Non-commercial — You may not use this work for commercial purposes.
No Derivative Works — You may not alter, transform, or build upon this work.
Any of the above conditions can be waived if you get permission from the copyright holder.