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 ekonomi... show full abstractTato 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. |