Модель персонализированного ранжирования образовательных онлайн-курсов для пользователей
https://doi.org/10.25205/2542-0429-2024-24-2-85-98
Аннотация
В силу большого объема предложения на EdTech-рынке и неразвитой культуры выбора онлайн-курсов в интернет-пространстве появляются платформы, которые агрегируют информацию об онлайн-продуктах и тем самым помогают пользователю с выбором. Подобные агрегаторы не лишены недостатков: предлагают готовые рейтинги, но с непонятной методикой ранжирования; рекомендуют сравнивать или ранжировать курсы по малому набору характеристик; предоставляют недостоверную информацию об образовательных онлайн-продуктах. Настоящая работа демонстрирует разработанную авторами модель ранжирования онлайн-курсов для пользователей, преимущества которой состоят в прозрачности инструментария, расширенном наборе характеристик, а также в персональном подходе к каждому пользователю. Практическое значение работы заключается в том, что методика, в случае ее использования агрегатором онлайн-курсов, поможет пользователям принимать более рациональные решения при выборе образовательных продуктов.
Об авторах
В. С. Лебеденко
Новосибирский государственный университет
Россия
Россия
Лебеденко Вячеслав Сергеевич – студент.
Новосибирск
С. С. Донецкая
Новосибирский государственный университет
Россия
Россия
Донецкая Светлана Сергеевна - доктор экономических наук, профессор.
Новосибирск
Author ID 313761, Scopus Author ID 57207449790
Список литературы
1. Винник А. Е., Прядко С. Н. Анализ показателей рынка и перспективы развития онлайн-образования в сегменте массовых открытых онлайн-курсов // Вестник Астраханского гос. техн. ун-та. Серия: Экономика. 2023. № 2. С. 118–124.
2. Середкина Т. А. Многокритериальная задача выбора онлайн-курсов в онлайн-обучении методом Кемени // Проблемы проектирования, применения и безопасности информационных систем в условиях цифровой экономики. Материалы XIX Международной научно-практической конференции. 2019. С. 295–301.
3. Wu W., Wang B., Zheng W., Liu Y., Yin L. Higher Education Online Courses Personalized Recommendation Algorithm Based on Score and Attributes // Journal of Physics: Conference Series. 2020. № 1673(1). P. 1–8.
4. Gaurav K., Harika A. Factors influencing learner’s preference towards e-learning websites: a quantitative exploration // SuGyaan. 2019. Vol. XI. I. I. P. 47–56.
5. Estrela D., Batista S., Martinho D., Marreiros G. A Recommendation System for Online Courses // Advances in Intelligent Systems and Computing. 2017. P. 195–204.
6. Бачанцев И. В., Газейкина А. И., Долгов А. В. Выбор образовательной платформы для создания онлайн-курсов по программированию // Актуальные вопросы преподавания математики, информатики и информационных технологий. 2020. № 5. С. 204–211.
Рецензия
Для цитирования:
Лебеденко В.С., Донецкая С.С. Модель персонализированного ранжирования образовательных онлайн-курсов для пользователей. Мир экономики и управления. 2024;24(2):85-98. https://doi.org/10.25205/2542-0429-2024-24-2-85-98
For citation:
Lebedenko V.S., Donetskaya S.S. А Personalized Ranking Model for Online Educational Courses for Users. World of Economics and Management. 2024;24(2):85-98. (In Russ.) https://doi.org/10.25205/2542-0429-2024-24-2-85-98
Просмотров:
206
Послать статью по эл. почте 
