ИНТЕЛЛЕКТУАЛЬНАЯ СИСТЕМА ПРОФОРИЕНТАЦИИ АБИТУРИЕНТОВ: СРАВНИТЕЛЬНЫЙ АНАЛИЗ МЕТОДОВ МАШИННОГО ОБУЧЕНИЯ

Аннотация

В статье рассматривается интеллектуальная система профориентации абитуриентов, реализованная в формате интерактивного чат-бота и основанная на сочетании машинного обучения, обработки естественного языка и экспертных правил. Цель исследования заключается в усовершенствовании архитектуры системы и сравнительном анализе методов Random Forest, XGBoost и Logistic Regression при классификации профиля абитуриента по девяти направлениям подготовки. В качестве входных данных используются возраст, уровень знаний по предметам, интересы, склонности, предпочтительный формат деятельности, ситуационные ответы и мотивация пользователя. Сравнение методов выполнено на синтетическом наборе данных, сформированном согласно проектной документации системы: 9 направлений по 200 профилей и 26 признаков для каждого профиля. Результаты моделирования показывают, что взвешенный ансамбль трёх моделей обеспечивает более устойчивую рекомендацию, чем отдельные алгоритмы. Предложенная гибридная архитектура повышает персонализацию, адаптивность и интерпретируемость цифровой профориентации.