9
orqali bashoratlash modeli abiturentlarning muvaffaqiyatlarini oshirishda samarali deb
qaralmoqda. Bundan tashqari, ushbu tadqiqotda olib borilgan izlanishlar turli
kontekstlarda akademik muvaffaqiyatni bashorat qilish uchun neyro-noravshan
tizimlarning potentsialiga oid qimmatli tushunchalarni beradi. Taqdim etilayotgan model
ta'lim sohasidan tashqari bashoratli modellashtirish tobora muhim ahamiyat kasb
etayotgan moliya va sog‘liqni saqlash kabi turli sohalarda ham qo‘llanilishi mumkin.
Adabiyotlar tahlili.
Riyadh Mehdi
va Mirna Nachouki ilmiy izlanishlarida Ajman Universiteti axborot
texnologiyalari dasturida o‘qiyotgan talabalarning o‘rtacha bahosini (GPA) analiz qilish va
bashorat qilish uchun moslashuvchan neyro-noravshan xulosalar tizimi (ANFIS)
metodologiyasidan foydalanganlar. Sun’iy intellektning boshqa bashoralatlash modellari
bilan solishtirganda ANFIS modelining afzalligini qayd etgan[1]. Bundan tashqari Al-
Hammadi, A. S., va Milne, R. H.lar muhandislik kollejida talabalar faoliyatini bashorat qilish
uchun neyro-noravshan tasniflash texnikasini loyihalash va ishlab chiqishni taqdim qildi.
Neyro-noravshan tasniflash klassifikatorlari o‘quvchilar faoliyatini tavsiflashda yordam
berish uchun tuzilgan. Bu metod talabalarni kutilgan natijalar asosida faoliyatlarini tahlil
qilish va ularga kelajakda keltiriladigan o‘zgarishlarga mos keladigan talabalarni ajratishga
imkon beradi. Bu usul talabalarning faoliyatining baholanishi, qabul qilish tartibining
belgilanishi, shuningdek kirish imtihonlarini o‘tish huquqini baholashda ham qo‘llanilishi
mumkin[2]. Amal AlGhamdi va boshqalar talabalarning magistraturaga kirishlarini
bashorat qilish uchun mashinani o‘rganish yondashuvini taklif qiladi, bu esa bitiruvchilarga
o‘z profillariga eng mos bo‘lgan universitetlarni aniqlash va yo‘naltirishga yordam beradi.
Tadqiqotda magistraturaga kirishlarini bashorat qilish uchun regressiyaning uchta
strategiyasini baholaydi va logistik regressiya modeli talabalarning magistraturaga kirish
imkoniyatini bashorat qilishda eng samarali deb xulosa qiladi[3]. I. Hatzilygeroudis va
boshqalar ilmiy izlanishlarida Gretsiyadagi oliy ta'lim milliy imtihonlarni topshirish
ehtimolini bashorat qilish uchun PASS deb nomlangan ekspert tizimni taqdim etgan. Tizim
har xil turdagi talabalar ma'lumotlari asosida bashorat qiladi[4]. Steven Walczak va Terry
Sincich talabalarning universitetga kirish ehtimolini bashorat qilishda neyron
tarmoqlardan foydalanishni ko‘rib chiqadi va bu usul an'anaviy logistik regressiya
modellashtirish bilan taqqoslanadi[5]. Adbabbiyotlarda talabalarning universitetga
kirishlarini bashorat qilishda neyro-noravshan tizimlardan foydalanish bo‘yicha
ko‘rsatmalar kam sonli bo‘lsada, boshqa sohalarda mazkur tizim keng qo‘llaniladi. Masalan
Pamucar, D., Bozanic, D. va boshqalar tomonidan olib borilgan tadqiqotda qurilish
kompaniyasining davlat tenderlarida muvaffaqiyatini bashorat qilish uchun neyro-
noravshan tizim taqdim etilgan. Tizim kompaniyaning bozordagi o‘rnini baholashga
mo‘ljallangan bo‘lib, ularning barqaror ishlashiga imkon yaratadi. Model etti yillik tadqiqot
ma'lumotlaridan foydalangan holda ishlab chiqilgan bo‘lib, unda dastlabki olti yil modelni
sozlash uchun, oxirgi yil esa sinov va tekshirish uchun ishlatilgan. Tizim Sun'iy Bee Colony
algoritmi yordamida optimallashtirilgan[6].
