Project:DMEU/Научни резултати

Постижения по проекта

 * Предложен е метод за оценяване на преподавателите в електронен университет, базиран на три основни компонента: резултати от студентските изпити, оценка от анкети на студентите, научна работа на преподавателя [2];
 * Предложен е метод оценяване на качеството на графика на учебните занятия [10];
 * Предложен е метод за изчисляване на интуиционистки размити оценки на отговорите от анкетите на студентите за преподавателите  чрез многослоен перцептрон, които са част от общата оценка на преподавателя в електронен университет [12];
 * Анализирани са резултатите от проведени студентски изпити на базата интуиционистки размити оценки, които задават степен на усвоеност на учебния материал [3];
 * Приложена е Data Mining техника за диагностика при предаването на информационни пакети при Wi-Fi локална мрежа и интуиционистки размити оценки за степента на повреденост при обмяната на данни [9];


 * Конструиран е модел за клъстеризация на многомерни данни чрез самоорганизираща се карта (Self-organizing map) [13];
 * Конструиран е модел за прилагане на Data Mining техники при приемането на студенти в електронен университет с цел привличане, анализиране и удовлетворяване на изискванията на кандидат-студентите [14];
 * Предложен е метод за прилагане на Data Mining техники в електронното обучение с цел предвиждане на студентската успеваемост по дадена дисциплина [16];
 * Предложен е метод за синхронизиране на паралелно протичащи софтуерни процеси [17];
 * Предложени са метод за проектиране на тестове [18] и метод за проектно-базирано обучение и в Wiki среда [22];
 * Разработен е модел експертна система с база от данни от фрейми с размити оценки на фреймите и хипотезите [19];
 * Предложен е метод за избиране на членовете на студентски отбори по определена дисциплина в електронен университет, базиран на три основни компонента: оценка на приемствеността на студента от другите студенти, оценка на компетентността на студента от другите студенти, оценка на студента от преподавателя [23];
 * Разработен е модел на обектна система бази от данни [24];
 * Представени са програмни реализации за:
 * 1) прогнозиране на едномерни и многомерни масиви от данни, базирани на експериментални резултати чрез изкуствена невронна мрежа [1];
 * 2) анализ на резултатите от проведени студентски изпити на базата интуиционистки размити оценки, които задават степен на усвоеност на учебния материал [3];
 * 3) Data Mining техника за диагностика при предаването на информационни пакети при Wi-Fi локална мрежа и интуиционистки размити оценки за степента на повреденост при обмяната на данни [9].
 * 4) оценяване удовлетвореността на преподавателите чрез техниката “дърво на решението” [11].
 * 5) многослоен перцептрон, даващ интуиционистки размити оценки на отговорите от анкетите на студентите за оценяване на преподавателите в електронен университет [12];
 * 6) клъстеризация на многомерни данни чрез самоорганизираща се карта (Self-organizing map) [13].