Содержание к диссертации
ОГЛАВЛЕНИЕ 2
ВВЕДЕНИЕ 5
Глава I. ПРОБЛЕМЫ ОЦЕНИВАНИЯ
1.1. Традиционная система оценивания знаний обучаемых II
1.2. Обзор литературы по проблеме исследования 13
1.3. Постановка цели и задач исследования... 22
1.4. Выводы к главе I 30
Глава 2. КОНСТРУИРОВАНИЕ ДИАГНОСТИЧЕСКИХ РАБОТ ТЕСТОВОГО ТИПА И ИССЛЕДОВАНИЕ СИСТЕМНОСТИ XX ЧАСТОТНЫХ СТРУКТУР 31
2.1. Основные этапы конструирования диагностической работы ЗІ
2.2. Системы с повторяющимися элементами. Закон Ципфа-Мандельброта 42
2.3. изучение системной организации частотных структур диагностических учебных текстов,. 47
2.4. Выводы к главе 2 59
Глаза 3. ДМ НОСТИГОВАНИЕ ТЕСТИРУЕМЫХ ЯО ИНДИВИДУАЛЬНЫМ ЧАСТОТНЫМ СТРУКТУРАМ С ИСПОЛЬЗОВАНИЕ! РАСПОЗНАЮЩИХ ПРОГНОЗНЫХ ГУНКЦИ 61
3.1. Индивидуальные частотные структуры реакций тестируемых °2
З.З Прогнозная функция- энтропийный функционал 6 З
3 3. Исследование редкочастотньпс зон частотных
структур диагностических учебных текстов 66
3.4. Процедура факторного анализа при исследовании диагностичности редкочастотных ЭП 7Ї
3.5. Прогнозная функция - норма деформаций "откликов " тестируемых на элементарных проверках из редкочастотной зоны , 80
3-6. Алгоритм селекции признаков Г 83
3.7. Выбор информативных ЭП из редкочастотной зоны диагностической работы 84
3.8. Прогнозная функция - конъюнкция информативных ЭП Р7
3.9. Классификация студентов обучающей выборки с использованием конъюнктивной функции 8
3.10. Проверка конъюнктивного решающего правила на контрольной выборки обучаемых 8Э
3-II. Сравнительный анализ прогнозной способности традиционных и построенных прогнозных функций .90
3.12. Выводы к главе 3
Глава ІУ. ИНДИВИДУАЛИЗИРОВАННОЕ УПРАВЛЕНИЕОЕУЧЕНИЕМ КОРРЕКЦИЯ ЭЛЕМЕНТОВ В СИСТЕМ
ЗНАНИМ ТЕСТИРУЕМЫХ "
4.1. Обучение как управление формированием системы знаний обучаемого
4.2. Методика безмашинной коррекции несформированных элементов в системе предметных знаний обучаемого.. 98
4.3. Алгоритм автоматизированной коррекции элементов в системе предметных знаний обучаемого 105
4.4. Сопоставление методик обучения 106
4.5. Экономический эффект использования методики диагноза и индивидуализированной коррекции 112
4.6. Выводы к главе 4 ИЗ
ЗАКЛЮЧЕНИЕ 114
ЛИТЕРАТУРА 122
ПРИЛОЖЕНИЯ 132
Документы об использовании методики индивидуальной диагностики и коррекции в учебном процессе вузов 1
Введение к работе
В настоящее время вопросы образования становятся одной из актуальных проблем и от эффективного решения их зависит темп научного, технического и культурного прогресса общества. Вопросы образования нашли отражение в решениях ХХУ, КХУІ съездов партии, в решениях Пленума ЦК КПСС об основных направлениях реформы общеобразовательной и профессиональной школы /3/, в постановлении ЦК КПСС и Совета Министров СССР "О дальнейшем развитии высшей школы и повышении качества подготовки специалистов" /#.
Актуальной задачей научных исследований в области высшего и среднего образования является контроль качества подготовки специалистов (приказ Минвуза СССР . 878 от 12.07.83 г.). Контроль знаний обучаемых (предварительный, текущий, итоговый) является органичной» неотъемлемой частью учебного процесса на всех этапах обучения. Противоречия кекду коллективными формами обучения и индивидуальным способом усвоения проявляется в различных уровнях сформированности знаний обучаемых по фундаментальным дисциплинам. Недостаточный багаж знаний является одної" из причин отсева г студентов по академической неуспеваемости и ежегодной ;потери г государством 160-200 тыс. будущих специалистов.
Автор работы рассматривает процесс обучения, как частный случай управления - управление формированием системы предметных знаний обучаемого. Для целенаправленного; индивидуализированного управления обучением разработана и внедрена в практику работы ряда вузов система адаптивного обучения каждого конкретного студента. Разработанная система по результатам предвари — 4? —
Модель (2) отражает долго усвоенной студенток (по отношению ко всей предложенной Е программе) информации. Разработка алгоритма оценивания направлена на применение в процессе оценивания знание студентов вычислительных систем, обеспечивающих возможность управления учебные процессов в условиях: массового обучения.
Способ формирования обобщенного показателя состояния знании обучаемого (ОПСЗ), описанный в работе /84, с,23,/ предлагается группой преподавателей Московского энергетического института. Качество подготовки обучаемого по т оккрс чоч теме или дисциплине авторы характеризуют векторным показателен А= ( 9 - Ал?) И &0 L f9flZ. Наилучше:": подготовке обучаемых соответствует начало координат с =0. Для формирования 01IC3 используется метод глазных компонент, моторы}: позволяет преобразснать набор зависимых единичных показателей в набор Езаимопе .вп-сикых главных компонент. Эвклидово расстояние между началом координат, соответствующим наилучпєй подготовке, и точкой в пространстве главных компонент, отра .аоще качество подготовка некоторого обучаемого, используется ь качестве ОПСЗ. предложенный способ позволяет раннировать обучаемых по величине 0 03, Показатель ОЛСЗ применялся для сравнении о фективности обучения с помощыо ДОС v. традиционным способом. Качество подготовки обучаемых оценивалось семъч) показателями. Путем сравнения распределений значений ОПСЗ для студентоз, общавшихся с помощью ДОС и традиционным способом, сделан вывод о большей эффективности обучения с помощью ДОС.
Автором работы изучалась возможность использования традиционной пятибалльной системы оценивания для классификации студентов по динамике изменения среднего сессионного балла с помощью параметров линейной аппроксимации, описывающих динамику средних сессионных баллов десяти экзаменационных сессий, исследование динамических рядов прозодилосъ в следующей последовательности: составление эмпирического ряда динамики, визуальный анализ тренда, выбор функции,наиболее близко аппроксимирующей ряд динамики, расчет параметров тренда» На первом этапе работы были выполнены диаграмг/н рассеяния динамики успеваемости студентов обучающей выборки (по ОЗС - десять экзаменационных сессий, по щ0У - отрезки временных рядов среднего сессионного балла).
При сравнительном изучении диаграмм было обнаружено несколько типологий динамики успеваемости студентов (эмпирические диаграммы некоторых объектов представлены в приложении 2- Динамика успеваемости каждого студента была описана уравнением:
В качестве параметров классификации рассматривались коэффициенты O-i , L I и 0± -срсд,гскз. отклонение линии аппроксимации от оценок средник сессионных баллов 10-ти экзаменационных сессий. В приложении 2 представлены и Д-, 6 9 вычисленные для каждого из 500 объектов обучающей выборки, и эмпирические распределения числа студентов, окончивших вуз и отчисленныхs е использованием параметров "а", "в", "б".
Нормгльность эмпирического распределения объектов по параметру Тв" проверялась по критерию ds Критическая Зо-пая область для критерия согласия •Л является верхней 5 -ной областью распределения X-„ , что соответствует значению 7,81. Значение критериальной статистики 3,77 не ло гат Б критической области- Змппричесіюе распределение числа студентов, окончивших вуз по параметру "в" - нормальное- лнтервнл изменения параметра МБ" ДЛЯ 9и,Е студентов, окончивших вуз, - 0,09 5 0,22.
Нормальность эмпирического расіге,!;елєн;:гічисла студентов по параметру Тб" проверялась по критерию JC . Значение критериальной статистики 20,18 лежит в критической области. Эмпирическое распределение числа студентов, окончивших институт, по параметру - - но является нормальным. Определить параметр It & для студентов, отчисленных из вуза в 1-ом, 2-ом и 3-ем семестра, согласно выбранной модели, не представляется возможным из-за малого одела точек.
Проверялась нормальность эмпирического распределения числа студентов, окончивших пуз, по параметру CL (критериальная статистика 42,59 лекит в критической области, эмпирическое распределение не является нормальным) Гистограммы распределения студентов, окончившие вуз и отчисленных строятся на одном интервале изменения параметра "а".
Анализ эмпирических распределении числа студентов по параметрам "а", "в", "б"11 позволяет сделать следующие выводы: классификация студентов в трехмерном пркз;-;аі:о:-юі пространстве двух параметров аппроксимации и дисперсии не является удовлетворительно . Параметри "а" и "6" не дифференцируют студентов по динамике обучения. Параметр "в" дифференцирует, но не позволяет, например, в ял.чеее студентов, окончивших руг, внделить категории студентов отличников или слабоуспевающих1 для последующего целенаправленного индивидуализированного обучения. Одной ИЗ причин неудовлетворительных результатов исследования является использование традиционной балльной оценки. Результаты проверки статистических гипотез приведен!.- н приложении 3.
Анализ вышеприведенных работ позволяет сделать следующие выводы, Модели В,Ь,Филиппова, И. Г.Гусева, Н.Д.Гусевой, З.Г.Буру-новои, А.А.Ризкина, Б.Л.Кры=гина и их соавторов построены на использовании вероятностных методов, методов многомерного статистического анализа.
