03992ntm a22005177i 4500 000713621 CZ-PrVSE 20240601120724.0 m d cr n|||||||||| 240601s2024 xr fsbm 000 0 cze d NEZPRACOVANÝ IMPORT ABA006 cze ABA006 ABA006 rda Prokop, Jonáš ISIS:164448 dis Utilizing data mining for the analysis of pedagogical performance at VŠE eng Využití data miningu pro analýzu pedagogických výkonů na VŠE / Jonáš Prokop 2024 ?? stran : digital, PDF soubor Vedoucí práce: Jan Kučera Diplomová práce (Ing.)—Vysoká škola ekonomická v Praze. Fakulta informatiky a statistiky, 2024 Obsahuje bibliografii Textový (vysokoškolská kvalifikační práce) Rok obhajoby 2024 Tato diplomová práce se zabývá využitím data miningu v kontextu akademického prostředí. S narůstajícími objemy dat je pro získávání relevantních informací nutné přistupovat ke stále složitějším metodám analýzy, a to jak v podnikové, tak v akademické sféře. Instituce v obou sférách tak stále častěji aplikují metody data miningu, aby odhalily souvislosti svého vnitřního fungování a dosáhly jeho zefektivnění. Prvním cílem práce je definování úloh analýzy pedagogických výkonů na Vysoké škole ekonomické v Praze (VŠE) založené na využití data miningu za pomoci rešerše literatury. V rešerši je nastíněný momentální stav data miningu v akademickém prostředí a možnosti jeho využití obecně a konkrétně pro data pedagogických výkonů VŠE. Druhým cílem je následné vypracování dvou takových úloh na základě poznatků zjištěných rešerší. Tyto úlohy jsou zaměřeny na rozložení studentů v rámci jednotlivých akcí vypisovaných na VŠE. První obecněji analyzuje trendy v počtech studentů na akcích v kontextu dat o výuce VŠE. Druhá sleduje procentní obsazenost akcí v kontextu dat o registracích předmětů VŠE. Pro každou úlohu jsou za pomoci aplikace na přípravu a analýzu dat, vytvořené v jazyce Python, připraveny datové sady. Ty jsou vytvářeny na základě dat pedagogických výkonů na VŠE dostupných z databáze o výkonech VŠE a z excelových exportů z informačního systému VŠE InSIS. V rámci této aplikace je pak na jednotlivé datové sady pro každou úlohu aplikován k-means clustering, hierarchický clustering a model sebe-organizujících map. Tím jsou získána rozložení skupin předmětů ve sledovaných parametrech, která jsou následně podrobně popsána. Celá analýza je nakonec od výběru parametrů až po rozložení samotných výsledků znázorněna na vizualizacích. Způsob přístupu: Internet data a analytika pro business [obor dipl. práce] diplomové práce fd132022 czenas master's theses eczenas edukativní data mining data mining pokročilá analýza Python Kučera, Jan vse20201071398 ths Chlapek, Dušan ola2003206346 opn Vysoká škola ekonomická v Praze. Fakulta informatiky a statistiky kn20010709399 dgg https://insis.vse.cz/zp/82647/podrobnosti VŠKP v InSIS https://insis.vse.cz/zp/82647 Hlavní práce https://insis.vse.cz/zp/82647/posudek/vedouci Hodnocení vedoucího https://insis.vse.cz/zp/82647/posudek/oponent/76698 Oponentura https://insis.vse.cz/zp/82647/priloha/28374 Přiloha k práci https://insis.vse.cz/zp/82647/podrobnosti dc:identifier NEPOSILAT VSKP vse82647 240601 82647