ЭФФЕКТИВНОЕ ПРИМЕНЕНИЕ АЛГОРИТМОВ МАШИННОГО ОБУЧЕНИЯ ДЛЯ РАННЕЙ ДИАГНОСТИКИ НАРУШЕНИЙ ОБУЧАЕМОСТИ У ДЕТЕЙ ДОШКОЛЬНОГО ВОЗРАСТА

Аннотация

Введение. Нарушения обучаемости являются распространенным нарушением развития, которое затрагивает значительное число детей дошкольного возраста. Ранняя диагностика и вмешательство имеют решающее значение для улучшения успеваемости и качества жизни детей с ограниченными возможностями обучения. Однако современные методы диагностики могут быть субъективными, трудоемкими и дорогостоящими. Алгоритмы машинного обучения могут устранить эти ограничения и предоставить более точный и эффективный метод ранней диагностики нарушений обучаемости у детей дошкольного возраста.

Метод и методология проведения работы. В основе исследования лежат методы анализа, синтеза и обобщения, педагогический эксперимент. Применение численных методов для обучения модели. Набор данных о детях дошкольного возраста состоял из детей с нарушениями обучаемости, так и без них. Наборы данных использовался в четырех алгоритмов машинного обучения. Для оценили эффективности каждого алгоритма использовались следующие метрики Accuracy, Precision, Recall и F1 score.

Результаты. Эти результаты показывают, что алгоритмы машинного обучения могут быть мощным инструментом для ранней диагностики нарушений обучаемости у детей дошкольного возраста. Алгоритм логистической регрессии показал наивысшие результаты.

Заключение. В заключение следует отметить, что использование алгоритмов машинного обучения для ранней диагностики нарушений обучаемости у детей дошкольного возраста имеет значительные потенциальные преимущества, включая раннее вмешательство, повышенную точность, экономичность, экономию времени, объективный анализ и доступность к диагностике. Авторы планируют дальше проводить исследования, чтобы подтвердить свои выводы и обеспечить безопасное и эффективное использование этих алгоритмов.