DOI: 10.18413/2518-1092-2026-11-2-0-5

АДАПТИВНАЯ МУЛЬТИ-ИНТЕРВАЛЬНАЯ ШКАЛА (AMIS): АЛГОРИТМ НОРМАЛИЗАЦИИ АГРЕГИРОВАННЫХ ДАННЫХ В ЕДИНОМ ИЗМЕРИТЕЛЬНОМ ПРОСТРАНСТВЕ

В статье решается проблема методологической некорректности сравнительного анализа разнородных данных, в том числе представленных в агрегированной форме. Существующие методы нормализации либо неприменимы к агрегированным данным, либо не обеспечивают интерпретируемость и метрическую строгость. Предложен метод – развитие авторского подхода адаптивной мульти-интервальной шкалы (AMIS) – программно-методический комплекс для нормализации и сопоставления агрегированных данных. Разработаны алгоритмы преобразования агрегированных данных в репрезентативные выборки (точный и оптимизированный) и механизм обратного преобразования, устанавливающий количественные соответствия между исходными шкалами через универсальную метрику AMIS. Апробация метода выполнена на трёх задачах: нормализация и сопоставление текущих учебных оценок, агрегированных результатов ЕГЭ и макроэкономических показателей ВВП. Результаты демонстрируют, что AMIS создаёт единое метрическое пространство для различных типов данных, обеспечивая корректность арифметических операций и статистически обоснованные соответствия между исходными шкалами. Разработанный подход решает фундаментальную задачу интеграции разнородных агрегированных данных. Открытый программный комплекс (Python, C#, Excel) и верифицированные данные в репозиториях обеспечивают полную воспроизводимость результатов.

Ключевые слова: адаптивная мульти-интервальная шкала (AMIS), нормализация данных, агрегированные данные, обратное преобразование, единое метрическое пространство, сопоставление разнородных метрик, междисциплинарные исследования, образовательная аналитика, экономические индикаторы.

Количество просмотров: 2 (смотреть статистику)

Количество скачиваний: 4

Скачать XML К списку статей

Информация для цитирования:

Кравцов Г.Г. Адаптивная мульти-интервальная шкала (AMIS): алгоритм нормализации агрегированных данных в едином измерительном пространстве // Научный результат. Информационные технологии. – Т.11, №2, 2026. – С. 50-61. DOI: 10.18413/2518-1092-2026-11-2-0-5

Комментарии
Список литературы

Пока никто не оставил комментариев к этой публикации.
Вы можете быть первым.

Аванесов В.С. Шкалирование тестовых результатов // Педагогические измерения. 2013. № 2.
С. 3–21.
Гордеева Т.О., Сычев О.А., Сиднева А.Н. Оценивание достижений школьников в традиционной и развивающей системах обучения: психолого-педагогический анализ // Вопросы образования. 2021. № 1. С. 213–236. DOI: 10.17323/1814-9545-2021-1-213-236.
Двоерядкина Н.Н., Чалкина Н.А. Стандартизация данных при организации психолого-педагогических исследований // Вестник АмГУ. 2016. № 74.
Коклев П.С. Оценка стоимости компании с использованием методов машинного обучения // Финансы: теория и практика. 2022. Т. 26, № 5. С. 132–148. DOI: 10.26794/2587-5671-2022-26-5-132-148.
Кравцов Г.Г. Введение в аналитический метод контроля образования (АМКО): от математической аналитики учебного процесса к стандартизированной образовательной базе данных. Рязань: НИЦ «Прикладная статистика», 2025. DOI: 10.5281/zenodo.16791743.
Орлов А.И. Теория измерений как часть методов анализа данных // Социология: методология, методы, математическое моделирование. 2012. № 35. С. 155–174.
Потанина А.М., Моросанова В.И. Дифференциальные аспекты регуляторных и личностных ресурсов успеваемости учащихся с различными профилями школьной вовлеченности // Theoretical and Experimental Psychology. 2023. Т. 16, № 4. С. 218–239. DOI: 10.11621/TEP-23-37.
Сорокин А.А. Применение кусочных функций для нормализации входных переменных систем нечеткого вывода // Информационные технологии в управлении. 2021. № 4. С. 70–76. DOI: 10.25728/pu.2021.4.6.
Старовойтов В.В., Голуб И.А. Нормализация данных в машинном обучении // Системный анализ и прикладная информатика. 2021. № 3. С. 52–60.
Arachchige C.N.P., Prendergast L.A., Staudte R.G. Robust analogs to the coefficient of variation // Journal of Applied Statistics. 2024. Vol. 51, no. 3. P. 576–598. DOI: 10.1080/02664763.2022.2137452.
Bonofiglio F., Schumacher M., Binder H. Recovery of original individual person data (IPD) inferences from empirical IPD summaries only: Applications to distributed computing under disclosure constraints // Statistics in Medicine. 2020. Vol. 39, no. 8. P. 1183–1198. DOI: 10.1002/sim.8470.
Bruffaerts C., Verardi V., Vermandele C. A generalized boxplot for skewed and heavy-tailed distributions // Statistics & Probability Letters. 2014. Vol. 95. P. 110–117. DOI: 10.1016/j.spl.2014.08.016.
Bürkner P.C., Vuorre M. Ordinal Regression Models in Psychology: A Tutorial // Advances in Methods and Practices in Psychological Science. 2023. Vol. 6, no. 1. DOI: 10.1177/25152459231113332.
De Ayala R.J. The Theory and Practice of Item Response Theory. 2nd ed. New York: Guilford Press, 2022. 658 p.
Heitjan D.F., Rubin D.B. Inference from Coarse Data via Multiple Imputation with Application to Age Heaping // Journal of the American Statistical Association. 1990. Vol. 85, no. 410. P. 304–314. DOI: 10.1080/01621459.1990.10476205.
Hubert M., Vandervieren E. An adjusted boxplot for skewed distributions // Computational Statistics & Data Analysis. 2008. Vol. 52, no. 12. P. 5186–5201. DOI: 10.1016/j.csda.2007.11.008.
Jain A., Nandakumar K., Ross A. Score normalization in multimodal biometric systems // Pattern Recognition. 2005. Vol. 38, no. 12. P. 2270–2285. DOI: 10.1016/j.patcog.2005.01.012.
Kravtsov G. Universal Adaptive Normalization Scale (AMIS): A Methodology for Integrating Heterogeneous Social and Educational Metrics [Preprint]. OSF. 2025. DOI: 10.17605/OSF.IO/BDT2K.
Kravtsov G. AMIS_Normalization_Tool [Software] // GitHub. 2026. URL: https://github.com/Famimot/AMIS_Normalization_Tool (дата обращения: 13.02.2026).
Kravtsov G. AMIS_Excel_Plugin [Software] // GitHub. 2026. URL: https://github.com/Famimot/AMIS_Excel_Plugin (дата обращения: 13.02.2026).
Kravtsov G. Adaptive Multi-Interval Scale (AMIS): Open-Source Software, Source Data and Results for Normalizing and Comparing Raw & Aggregated Metrics [Data set]. Harvard Dataverse. 2025. V1. URL: https://doi.org/10.7910/DVN/HXSED6 (дата обращения: 13.02.2026).
Lu Y., Wang L., Lu J., Yang J., Shen C. A robust data scaling algorithm to improve classification accuracies in biomedical data // BMC Bioinformatics. 2016. Vol. 17, suppl. 13. P. 359. DOI: 10.1186/s12859-016-1236-x.
Stevens S.S. On the theory of scales of measurement // Science. 1946. Vol. 103, no. 2684. P. 677–680. DOI: 10.1126/science.103.2684.677.
Tao Y., Meng Y., Gao Z., Yang X. Perceived teacher support, student engagement, and academic achievement: A meta-analysis // Educational Psychology. 2022. Vol. 42, no. 4. P. 401–420. DOI: 10.1080/01443410.2022.2033168.
van der Linden W.J., ed. Handbook of Item Response Theory, Volume Three: Applications. 1st ed. Boca Raton: Chapman and Hall/CRC, 2022. DOI: 10.1201/9781315117430.

Все журналы

Отправить статью

Научный результат. Информационные технологии включен в научную базу РИНЦ (лицензионный договор № 765-12/2014 от 08.12.2014).

Журнал включен в перечень рецензируемых научных изданий, рекомендуемых ВАК

Журнал индексируется следующими научными базами и платформами

Научный результат. Научный результат. Информационные технологии (ISSN 2518-1092)

The journal materials and website are licensed under Creative Commons «Attribution» 4.0 International.

Учредитель: федеральное государственное автономное образовательное учреждение высшего образования «Белгородский государственный национальный исследовательский университет» (НИУ «БелГУ»). Адрес: 308015, Белгородская область, г. Белгород, ул. Победы, 85.

Издатель: федеральное государственное автономное образовательное учреждение высшего образования «Белгородский государственный национальный исследовательский университет» (НИУ «БелГУ»). Адрес: 308015, Белгородская область, г. Белгород, ул. Победы, 85.

Редакция: главный редактор Черноморец Андрей Алексеевич, e-mail: RR_IT@bsuedu.ru, тел.: +7 (4722) 30-13-92.

Зарегистрировано Федеральной службой по надзору в сфере связи, информационных технологий и массовых коммуникаций (Роскомнадзор)

Свидетельство о регистрации СМИ

Информационное письмо (русс. яз)

Приказ № 1097-ОД от 15.11.2023 "Об утверждении Регламента издания научных журналов НИУ «БелГУ»"

Приказ № 144-ОД от 16.03.2026 "Об утверждении состава редакционной коллегии журнала «Научный результат. Информационные технологии»"

Приказ № 145-ОД от 16.03.2026 "Об утверждении Устава редакции средства массовой информации научного журнала «Научный результат. Информационные технологии»"

Устав редакции средства массовой информации «Научный результат. Информационные технологии»

Остались вопросы?
Можете написать нам:

✉ Администратор сайта

✉ Контент менеджер

✉ Ответственный cекретарь