Содержание к диссертации
Введение
ГЛАВА 1. Составные части компетенций, модели управления и методы измерения 16
1.1. Задачи обеспечения качества при создании компетенций 16
1.1.1. Понятие качества при создании компетенций 16
1.1.2. Детализация задач управления компетенциями 17
1.2. Знания как один из базисов профессиональных компетенций... 19
1.2.1. Общие свойства категории знание 19
1.2.2. Знание как нечеткое множество 22
1.2.3. Самоорганизация знаний 24
1.2.4. Модели и методы диагностики знаний 25
1.3. Роль психологии личности в создании компетенций 29
1.3.1. Психологические характеристики личности 29
1.3.2. Взаимосвязь психологических характеристик и профессиональных компетенций 32
1.3.3. Измерение психологических характеристик 33
1.3.4. Выводы 36
1.4. Профессиональная ориентация в процессе создания компетенций 36
1.4.1. Моделирование задач управления в профессиональном отборе 36
1.5. Выводы 38
ГЛАВА 2. Математическое моделирование процесса профессиональной ориентации и построение экспертных систем её поддержки 41
2.1. Группы переменных в математических моделях профессиональной ориентации 42
2.2. Шкалирование значений переменных при построении математических моделей профессиональной ориентации 45
2.3. Логические операции над группами переменных и построение функций профессионального отбора 48
2.3.1. Методика проведения эксперимента 49
2.3.2. Анализ полученных результатов 55
2.4. Использование методов логического вывода для построения моделей профессиональной ориентации 64
2.4.1. Метод гиперрезолюции 64
2.4.2. Метод нечеткой гиперрезолюции 66
2.4.3. Метод мягкого управления профессиональным выбором 71
2.5. Автоматизированная экспертная система профессиональной ориентации 74
2.5.1. Описание системы: диаграмма компонентов, схема БД, диаграмма классов, сценариев использования (user cases) 74
2.5.2. Программная реализация автоматизированной системы принятия решений при профессиональной ориентации 79
2.5.3. Описание работы автоматизированной системы принятия решений при профессиональной ориентации 81
2.6. Выводы 87
ГЛАВА 3. Математические и информационные модели управления знаниями при обеспечении компетенций 89
3.1. Образование на микроуровне. Простейшая математическая модель 89
3.2. Управление и эффективность обучения 96
3.3. Математическая модель управления 97
3.3.1. Формализация модели представления знаний 97
3.3.2. Зависимость вероятности достижения заданного уровня обученности от времени 102
3.4. Математическая модель самоорганизации знаний 109
3.5 Сравнение полученных моделей 113
3.6 Алгоритмы обучения, использующие разработанные математические модели управления знаниями 119
3.6.1. Алгоритм с входным тестированием 120
3.6.2. Алгоритм без входного тестирования 122
3.7. Выводы 123
ГЛАВА 4. Представление знаний при создании компетенций 126
4.1. Основные типы формальных моделей представления знаний. 126
4.2. Модели и формы представления знаний при обучении и создании компетенций 126
4.3. Модели обработки информации при обучении и создании компетенций 130
4.4. Представление знаний и обучение на основе применения мобильных карт занятий 132
4.5. Практические результаты и выводы 140
Заключение 142
Литература 144
- Взаимосвязь психологических характеристик и профессиональных компетенций
- Шкалирование значений переменных при построении математических моделей профессиональной ориентации
- Зависимость вероятности достижения заданного уровня обученности от времени
- Модели и формы представления знаний при обучении и создании компетенций
Введение к работе
Актуальность разработки моделей управления знаниями и поддержки принятия решений при профессиональной ориентации обусловлена как научными целями теоретического исследования, разработки и применения методов теории управления к задачам управления в области образования, так и практическими задачами подготовки специалистов, необходимых для промышленности и народного хозяйства.
Создание моделей управления в образовательной сфере должно осуществляться на основе компетентностного подхода, основы и принципы которого широко представлены в работах ведущих отечественных специалистов в области исследования качества образования таких как Дзегелёнок И.И., Зимняя И.А., Кудрявцев Ю.А., Майборода Л.А., Минаев В.А., Литвак Б.Г., Свиридов А.П., Селезнева Н.А., Субетто А.И., Рыков А.С., Татур А.О. и ряда других. Целью управления динамикой знаний и профессиональным выбором обучаемых является формирование компетенций как «системного образования» в личности обучаемого, которое становится «компонентом его качества» [84,94-97]. Причем, компетенция относится в большей степени к потенциальному качеству личности обучаемого, чем к актуальному качеству, т.к. актуализация в образовательном процессе в форме лабораторных работ, коллоквиумов, семинаров, организационно - деятельностных игр, практик, стажировки, исследований и т.д. несет не полный характер и не может заменить собой полностью будущую профессиональную деятельность выпускника.
Пара категорией <«компетенция» - «компетентность^ призвана отразить диалектику потенциального и актуального в о/сизненном цикле профессионализма, причем качество человека полностью отражается в качестве профессионализма.
Содероюание компетенции и компетентности определяют знания. Как «умения» и «навыки», так и «компетенции» и «компетентность» являются формами инструментализации знаний [6,11,13,94-97]. Известная формула академика Трапезникова, предложенная им для описания цикла управления <«знать, уметь, хотеть, мочь»> начинается со слов «знать». «Владеть» чем-то с точки зрения системодеятельностного подхода - означает «знать», которое превратилось в «уметь», и иметь соответствующий «навык».
В силу природных способностей и предыдущего развития каждый обучаемый обладает определенными возможностями роста творческих способностей в данной предметной области. Априори можно утверждать, что потенциал творческих возможностей для каждого человека различен в разных областях деятельности. Выбор же сферы деятельности, как правило, осуществляется, как с учетом индивидуальных предпочтений и возможностей, сложившихся социальных условий, так под влиянием случайных факторов [54].
По некоторым оценкам до 80 процентов выпускников высших учебных заведений после окончания вуза не работают по специальности, что говорит об ошибочности выбора специализации.
Можно предположить, что полученный результат определяется проблемами эффективности управления обучением и асинхронным взаимодействием обучаемых и учебного процесса. Учебный процесс идет со скоростью, определяемой выходом на средний (базовый) уровень компетенции, которая в свою очередь определяется, исходя из установленных нормативов, а обучаемые с разной (своей собственной) скоростью усваивают предлагаемые учебные программы (одни «схватывают» знания «на лету», а другие усваивают их с трудом). Насущная потребность решения этой проблемы приводит к осознанию обществом необходимости индивидуализации процесса массового обучения, для реализации которой следует разрабатывать математические и информационные модели, учитывающие личные особенности обучаемых. Это позволит, формализовав учебный процесс, описать его в общих терминах, создавая при этом индивидуальное управление для каждого обучаемого. Причем, полученные модели и математический аппарат могут быть одинаковыми, как для базового уровня обучения, так и уровня специализации, но с различными значениями параметров, в качестве которых, например, могут быть использованы способности к восприятию информации и склонность к её забыванию, а также возможность самоорганизации знаний.
Другой проблемой, влияющей на эффективность обучения в рамках компетентностного подхода, является выбор специализации при переходе от одного уровня обучения к другому.
Очевидно, что управление профориентацией и повышение её эффективности возможно только на основании объективной информации, которую можно получить на базовом уровне обучения. Таких источников информации может быть два: индивидуальные учебные достижения (оценки по предметам, трудолюбие, участие в предметных олимпиадах и показанные результаты и т.д.) и психологические тесты (определяющие способности и психологические качества личности).
Для реализации управления при профориентации также необходима формализация этого процесса и разработка его математических и информационных моделей.
Общие задачи управления при реализации компетентного подхода в образовании можно отобразить с помощью дерева целей представленного на рис. 1.
Обеспечение необходимого уровня компетентности при профессиональной подготовке
Главная цель (первый уровень)
Воспитание нравственных чуств
Взаимосвязь учебных ] дисциплин ' (Целостность образования) і
Воспитание активной гражданской позиции І
Обеспечение компетенций по дисциплине 1 ]
Обеспечение компетенций по дисциплине 2
Обеспечение компетенций по дисциплине N
Целенаправленный профессиональный выборр
I Цель третьего уровня
Цели базового уровня образования
Обеспечение компетенций по предмету 1
Обеспечение компетенций по предмету 2
Обеспечение компетенций по предмету N
Рис.1. Схема одного из возможных деревьев целей при управлении качеством образования для компетентного подхода
Целями данной диссертационной работы являются разработка и исследование эффективных моделей управления целенаправленным профессиональным выбором (на рис. 1 область исследований выделена пунктирной линией) и моделей управления последующим обучением различным дисциплинам с целью обеспечения компетенций, как на базовом уровне, так и на любом из последующих уровней. Более детально цели представленного исследования изображены на рис. 2.
Представление учебной информации (форма подачи материала, используемые приемы и методы, технические средства и тд.)
Математические и информационные модели управления, обеспечивающие | эффективность и индивидуальность процесса обучения
Представление учебной информации (форма подачи материала, используемые приемы и методы, технические средства и тд.)
Математические и информационные модели управления, обеспечивающие эффективность и индивидуальность процесса обучения
Обеспечение компетенций по дисциплине 1 на уровне профессиональной подготовки
Обеспечение компетенций по дисциплине N на уровне профессиональной подготовки
Математические и информационные модели профессионального выбора
Экспертная система (использующая разработанные модели) сопровождающая профессиональный выбор
Целенаправленный профессиональный выбор
Представление учебной информации (форма подачи материала, используемые приемы и методы, технические средства и тд.)
Математические и информационные модели управления, обеспечивающие эффективность и индивидуальность процесса обучения
Представление учебной информации (форма подачи материала, используемые приемы и методы, технические средства и тд.)
Математические и информационные модели управления, обеспечивающие эффективность и индивидуальность процесса обучения
Обеспечение компетенций по предмету 1 на базовом уровне
Обеспечение компетенций по предмету N на базовом уровне
Рис.2. Детализированное дерево целей исследований, представленных в данной работе
Целенаправленный профессиональный выбор должен обеспечить эффективный переход обучаемых между уровнями образования, в частности, подготовить к выбору узкой (кафедральной) специализации. В данном случае, под эффективностью необходимо понимать минимизацию потерь (отсева) обучаемых на более высоком уровне вследствие их неспособности освоить учебные программы.
Для решения задачи разработки эффективных моделей профессиональной ориентации необходимо построить функцию профессиональной ориентации для каждого студента на основе использования методов логического вывода, принятые в дедуктивных рассуждениях, с оценкой полученных результатов в рамках нечетких методов, т.е. вне двоичной логики. В частности, можно попробовать применить принцип резолюции (гиперрезолюции) в условиях неопределенности с оценкой степени истинности или ложности полученного результата. В рамках данной модели любой элемент, входящий в состав формального описания конкретной задачи, должен иметь экспертную оценку истинности (достоверности), или степени принадлежности некоторому значению лингвистической переменной, характеризующей этот элемент.
При решении задач управления необходимо учесть, что в данном случае объектом управления является человек, что является гораздо более трудной для формализации задачей, чем управление неживым физическим объектом.
Представление знаний, которые в данном случае являются составной частью компетенции, имеет здесь более широкий смысл, чем просто форма- лизация предметной области, т.е. совокупность декларативных методов, семантических сетей, формальных грамматик и т.д. Его необходимо рассматривать как совокупность процессов, включающих формализацию знаний, передачу их пользователю (обучение), усвоение (использование на практике для решения новых задач) и диагностику (для организации обратных связей), т.е. как форму и метод управления динамикой формирования дисциплинарных компетенций обучаемых. Предметно-дисциплинарные компетенции являются результатом освоения модели мышления - способа восприятия, необходимого для конкретной учебной дисциплины.
Представление учебной информации (форма подачи, методы и используемые приемы) в значительной степени также способно обеспечить профессиональную компетенцию, при условии, что оно будет ориентироваться на индивидуальное восприятие обучаемых.
Цели исследования:
Разработка теоретических основ и методов теории управления и принятия решений в системе образования, в частности, разработка и исследование эффективных моделей управления целенаправленным профессиональным выбором, а также моделей управления последующим обучением различным дисциплинам с целью обеспечения компетенций, как на базовом уровне, так и на уровне профессиональной подготовки.
Задачи исследования:
Экспериментальное исследование взаимосвязи психологических харак теристик обучаемых и предыдущих учебных достижений с текущей успеваемо стью как базы принятия решений при целенаправленном профессиональном выборе.
Создание эффективных математических моделей профессиональной ориентации и профессионального подбора для обеспечения необходимых ком петенций будущих выпускников, учитывающих способности и психологиче ские характеристики обучаемых.
Разработка и создание на основе проведенных в работе исследований прототипов экспертных систем принятия решений для профессионального выбора.
Создание математических моделей управления динамикой знаний, учитывающих поступление, исчезновение и самоорганизацию учебной информации.
Разработка новых моделей и форм представления учебной информации для более эффективного управления компетенциями (более качественное обучение за наименьшее время), учитывающих модели динамики знаний, позволяющих индивидуализировать процесс формирования дисциплинарных компетенций.
Объект и предмет исследования:
Объектом исследования являются процессы управления компетенциями обучаемых, а предметом исследований разработка эффективных матема- тических и информационных моделей управления этими процессами на дисциплинарном уровне и управление профессиональным выбором обучаемых.
Методы исследования:
Для реализации намеченной цели исследования и решения поставленных задач были использованы следующие научные методы и подходы: математическая статистика, операционное исчисление, теория принятия решений, методы системного анализа.
Научная новизна:
Для решения задачи разработки эффективных моделей профессиональной ориентации построены функции профессиональной ориентации абитуриента (студента), определены переменные этих функций.
Применены методы логического вывода, принятые в дедуктивных рассуждениях, с оценкой полученных результатов (степени соответствия функции профессиональной ориентации требованиям кафедры) в рамках нечетких методов, т.е. вне двоичной логики. В рамках данной модели любая переменная функции профессиональной ориентации должна иметь экспертную оценку истинности (достоверности), т.е. степени принадлежности некоторому значению лингвистической переменной, характеризующей эту переменную.
На основании математического аппарата методов логического вывода с оценкой полученных результатов в рамках нечетких методов разработан алгоритм работы автоматизированной экспертной системы поддержки решений при профессиональной ориентации. Реализован работающий прототип такой системы.
Разработаны математические модели, описывающие динамику управления знаниями, в которых рассматривается поступление, исчезновение (забывание) и самоорганизация учебной информации. Получено дифференциальное уравнение второго порядка (типа уравнения Колмогорова), описывающее указанные процессы. Сформулированы и решены краевые задачи, учитывающие как получение знаний и их случайное изменение (забывание), так и самоорганизацию знаний, при которой получаемые знания сами становятся источником новых знаний.
Разработан и предложен метод представления учебной информации, получивший название «метод создания мобильных карт учебного занятии», в котором учтены психолого-педагогические особенности и закономерности обучения, элементы логики и модели динамики знаний, метод, позволяющий индивидуализировать процесс обучения.
Практическая значимость:
Разработаны математические модели профессиональной ориентации, позволяющие создать алгоритмы работы автоматизированных, в том числе и Интернет систем поддержки экспертных решений при профессиональном от боре. Это позволило разработать такие системы, разместить их в сети Интер нет и начать опытную эксплуатацию в тестовом режиме. В частности, экс пертные системы поддержки решений профессиональной ориентации исполь- зуются в тестовом режиме в Московском государственном университете приборостроения и информатики (МГУПИ), в Московском киновидеоинституте (МКВИ)— филиале Санкт-Петербургского государственного университета кино и телевидения, о чем имеются соответствующие акты о внедрении.
На основе разработанных в диссертационной работе математических моделей управления знаниями созданы новые алгоритмы работы автоматизированных систем обучения, использующие фреймовое представление учебной информации. Разработанные алгоритмы, позволяющие индивидуализировать процесс массового обучения, применяются для управления образовательным процессом на кафедре медицинской и биологической физики Московской медицинской академии им. И.М. Сеченова (ММА), о чём имеется соответствующий акт о внедрении.
На программное обеспечение, автоматизирующее профессиональную ориентацию и, отбор, созданное на основе разработанных моделей, получено авторское свидетельство РОСПАТЕНТ №2010611261 (зарегистрировано 12 февраля 2010г.) о государственной регистрации программы для ЭВМ.
Работа удостоена диплома конкурса «Грант Москвы», проводимого Правительством г. Москвы и Департаментом образования г. Москвы, в области наук и технологий в сфере образования за 2006 год.
Результаты, полученные в данной диссертации, используются в рамках Межвузовской комплексной работы «Инновационные технологии образования», проводимой Федеральным Агентством по образованию Российской Федерации с 2007 года.
Основные положения, выносимые на защиту:
Математическая модель профессиональной ориентации и подбора, созданная на основе методов логического вывода, принятых в дедуктивных рассуждениях, с оценкой полученных результатов в рамках нечетких методов
Методы формализации процессов управления динамикой знаний.
Математические модели управления динамикой знаний, полученные на основе решения краевых задач для дифференциального уравнения второго порядка, типа уравнения Колмогорова.
Аналитические выражения для плотности вероятности р(х, f) достижения заданного уровня обученности и результаты математического моделирования процессов обучения, при которых учитывается, как получение знаний и их случайное изменение (забывание), так и самоорганизация знаний.
Алгоритмы управления знаниями, основанные на исследованных в работе математических моделях и метод создания мобильных карт учебного занятия, учитывающий динамику знаний, позволяющий индивидуализировать процесс обучения.
Апробация работы:
Основные результаты диссертационной работы изложены в 14 публикациях, приведенных в списке литературы, результаты исследований докладывались и обсуждались на всероссийских и международных конференциях в 2007 - 2010 годах, а также научно-технических конференциях и семинарах в МИФИ, МГУПИ и ряда других ВУЗов.
Ш Международной научно — технической конференции «Информационные технологии в науке, образовании и производстве», 2008, Орел, Россия.
ХП Международной телекоммуникационной конференции студентов и молодых ученых «Молодежь и наука», 2009, Москва, Россия. VDI Международной научно - технической конференции «Информационно-вычислительные технологии и их приложения», 2008, Пенза, Россия.
I Международной научно-практической конференции «Информационные технологии в гуманитарном образовании», 2008, Пятигорск, Россия.
П Международной научной конференции "Ноосферное образование в евразийском пространстве", 2010, Санкт-Петербург, Россия.
Научно-технических семинарах кафедр Московского государственного университета приборостроения и информатики:
Программное обеспечение вычислительной техники и автоматизированных систем.
Автоматизированные системы обработки информации и управления.
Основные публикации по теме диссертационной работы:
Жуков Д.О., Самойло И.В. Модель самоорганизации знаний в процессе управления знаниями. // «Качество. Инновации. Образование», №12(43) — М., 2008 — С. 46-53.
Самойло И.В. Новые подходы к представлению знаний при формировании познавательных компетенций. // «Качество. Инновации. Образование», №11(42)—М., 2008—С. 12-18.
Жуков Д.О., Самойло И.В. Моделирование управления компетенцией учащихся на основе уравнения Колмогорова и решения краевой задачи // «Качество. Инновации. Образование», № 4(35) — М., 2008 — С. 2-8.
Самойло И. В. Формирование ноосферных компетенций обучения на основе управления предметно-дисциплинарными компетенциями обучаемых// Труды Второй международной научной конференции «Ноосферное образование в евразийском пространстве», СПб, 2010, Т.2. С.89-100.
Самойло И.В., Сумкин К.С., Морозова Т.Ю., Жуков Д.О. Метод нечеткой гиперрезолюции для разработки математической модели профессиональной ориентации. \ Всероссийская научно-практическая конференция с международным участием «Информационные технологии в обеспечении нового качества высшего образования», Москва, 2010, с. 89-94.
Пугачев СВ., Лесько С.А., Самойло И.В. Анализ модели структуризации и самоорганизации информации в процессе управления знаниями //Тезисы докладов ХП Международной телекоммуникационной конференции студентов и молодых ученых «Молодежь и наука» — МИФИ, М., 2009 — С. 178-179.
Самойло И.В. Кибернетика процессов обучения и передачи знаний // Тезисы докладов XII Международной телекоммуникационной конференции студентов и молодых ученых «Молодежь и наука» — МИФИ, М.,2009 —С. 166-167.
Алёшкин А.С., Самойло И.В. Математическая модель структуризации и самоорганизации информации в процессе управления знания-ми//Тезисы докладов ХП Международной телекоммуникационной конференции студентов и молодых ученых «Молодежь и наука» — МИФИ, М., 2009 — С. 176-177.
Косарева А.В., Самойло И.В. Использование представлений &-значной логики для построения модели экспертной системы профессионального отбора // Тезисы докладов ХП Международной телекоммуникационной конференции студентов и молодых ученых «Молодежь и наука» — МИФИ, М., 2009 — С. 180-181.
10. Косарева А.В., Самойло И.В. Сравнение различных моделей управле ния знаниями, полученных на основе уравнения Колмогорова // Тезисы докладов ХП Международной телекоммуникационной конференции студентов и молодых ученых «Молодежь и наука» — МИФИ, М., 2009 — С. 174-175.
11.Самойло И.В. Описание процессов обучения и передачи знаний на основе уравнения Колмогорова // Тезисы докладов ХП Международной телекоммуникационной конференции студентов и молодых ученых «Молодежь и наука» — МИФИ, М., 2009 — С 168-169.
12.Жуков Д.О., Самойло И.В. Использование уравнения Колмогорова для моделирования компетенций учащихся // Сборник материалов Ш Международной научно — технической конференции «Информационные технологии в науке, образовании и производстве» — Орел, Орел ГТУ, 2008 — С. 20-27.
13.Жуков Д.О., Самойло И.В. Математические модели управления знаниями при обучении по гуманитарным и техническим специальностям // Материалы I Международной научно-практической конференции «Информационные технологии в гуманитарном образовании» — Пятигорск, ПГЛУ, 2008 — Часть I, С 245- 248.
14.Жуков Д.О., Самойло И.В. Построение информационных систем профессионального отбора на основе представлений к- значной логики // Сборник материалов УШ Международной научно — технической конференции «Информационно-вычислительные технологии и их приложения» — Пенза, РИО ПГСХА, 2008 — С. 173-175.
Структура и объем диссертационной работы
Диссертация состоит из введения, 4 глав с 8 таблицами и 42 иллюстрациями (рисунки, графики, схемы, экранные формы и т.д.), заключения, приложения и библиографического списка, состоящего из 141 названия. Общий объем работы составляет 171 страницу.
Взаимосвязь психологических характеристик и профессиональных компетенций
Формирование профессиональных компетенций осуществляется на основе профессионально важных качеств личности. Профессионально важные качества включают в себя индивидуально-психические и личностные качества субъекта, которые необходимы и достаточны для реализации той или иной продуктивной деятельности [129]. Кроме индивидуально — психологических особенностей отдельные функции профессионально важных качеств могут выполнять и некоторые внепсихические свойства человека — соматические, конституциональные, нейродинамические и др. Так сила и выносливость — ярко выраженные качества для многих видов деятельности.
Для будущих квалифицированных специалистов важнейшим условием формирования профессионально важных качеств является правильно организованная на всех уровнях обучения профессиональная ориентация (содействие в профессиональном самоопределении; выбор профессии), одним из важнейших направлений которой является изучение профессионально важных свойств личности [41,68,86,104,138]. С целью учета профессиональных противопоказаний и определения профессии, наиболее соответствующей личным способностям и интересам человека, проводится профессиональный отбор(определение степени профпригодности) и профессиональный подбор (предоставление человеку рекомендаций о возможных направлениях профессиональной деятельности на основе психологической, возможно, и медицинской, диагностики). Профессиональный подбор помогает определить, к какому виду труда тот или иной человек более способен, для того, чтобы рекомендовать ему тот или иной вид деятельности, который более всего соответствует его индивидуально-психологическим особенностям для полноценной реализации своего потенциала в трудовой деятельности. Рекомендации по профессиональному подбору формируются на основе изучения индивидуального стиля деятельности личности (Е.А. Климов), который вырабатывается и совершенствуется в процессе активного поиска приёмов и способов действий с целью достижения наилучших результатов работы применительно к своему темпераменту. Изучение индивидуального стиля учебной деятельности осуществляется на основе психологического тестирования, например, применяя Стандартизированный многофакторный метод исследования личности СМИЛ, модифицированный тест Сонди, а также другие психодиагностические методики, применяемые специалистами по профессиональному подбору кадров.
Для определения общих психологических характеристик развитости личности в настоящее время очень широко используется тестовый подход. Условно психологические тесты образуют несколько основных групп, среди которых можно указать: тесты изучения направленности личности, тесты адекватности самооценки, тесты на выявление черт характера и особенностей темперамента, тесты способностей, интеллекта, тесты достижений и ряд других [3,111].
Оценку направленности личности можно сделать, используя ориента-ционную анкету Басса или методику, разработанную Т. Лири. Ориентацион-ная анкета Басса содержит 27 пунктов-суждений, соответствующих каждому виду направленности личности, позволяет выявить направленность личности по трем важным для профпригодности шкалам: направленность на себя, направленность на общение, направленность на дело. В опроснике Лири - 128 утверждений (характерологических свойств), сгруппированных в 8 "типов отношений" (авторитарный, эгоистичный, агрессивный, подозрительный, подчиняемый, зависимый, дружелюбный, альтруистический), связанных с различными личностными чертами. Соответствующие показатели определяют отношения в группе к себе и к окружающим. Из полученных результатов тестирования можно сделать выводы о выраженности типа, о степени адап-тированности его поведения, степени соответствия целей и достижения цели в процессе выполнения работы.
Одновременно проводится качественный анализ сравнения и различия в самооценке, идеального "я" и оценки других людей малой группы. Под самооценкой понимают оценку личности самой себя, своих возможностей, психологических качеств и места среди других людей. Самооценка может быть адекватной (совпадающей с истинной), и тогда говорят о высоком, среднем или низком уровне оценки, или неадекватной, и тогда определяют самооценку как завышенную или заниженную. Самооценка личности тесно связана с уровнем притязаний и мотиваций достижения успеха в различных видах деятельности. Американскими учеными Д. Макклелландом и Д. Ат-кинсоном разработана теория мотивации достижения успехов различных видах деятельности. Согласно этой теории люди, мотивированные на успех, ставят перед собой цели, достижение которых однозначно расценивается ими как успех. У них выявляется реалистический уровень притязаний, трезвое отношение к успехам и неудачам. Совершенно иначе ведут себя люди, мотивированные на избегание неудач, для них важно не добиться успеха, а избежать неприятностей. Такие люди неадекватно оценивают себя, что ведет к нереалистичным притязаниям. Исследование адекватности самооценки и реалистичности уровня притязаний как условия эффективного формирования профессионально важных качеств осуществляется с помощью локуса кон-троля(локализации контроля) и на основе Я - концепции (восприятие не только того, каков человек на самом деле, но и каким хотел бы быть).
Опросники черт личности (Нормана, Айзенка, Шмелёва, многофакторный опросник Кеттела) направлены на выделение базисных, причинных черт личности и конструирование из них системы личности. Личные опросники мотиваций, личностных предпочтений, интересов, ценностей чрезвычайно важны для характеристики психической особенности личности и поэтому широко используются для выработки рекомендаций по профессиональному отбору и подбору. Большую популярность в области профессиональной ориентации получили тесты интеллекта, тесты общих и специальных способностей.
Тесты интеллекта, или тесты общих способностей, предназначены для измерения уровня интеллектуального развития человека [111]. Полученные с помощью этих тестов результаты выражаются количественно в виде так называемого коэффициента интеллекта (IQ). Тесты интеллекта состоят из нескольких субтестов, направленных на измерение интеллектуальных функций (логического мышления, смысловой и ассоциативной памяти, др.) [3]. Например, в Гамбургской версии теста Векслера для исследования интеллекта у детей (версия 1983 года), его результаты представляются в виде 11-балльных значений, по одному значению на каждый субтест (11 субтестов). Количественная информация по тесту представляется в виде профиля результатов, по каждому субтесту, выраженных в балльных значениях. Мерой оценки теста в целом является сумма этих значений или среднее значение данных всех субтестов. Как правило, ограничиваются тем, что представляют результаты субтестов в виде баллов. Векслер предложил общий результат представить в виде количественного показателя интеллектуального развития IQ.
Шкалирование значений переменных при построении математических моделей профессиональной ориентации
Отметим, что после расчета округляется до целого значения. Аналогичным образом можно поступить и с результатами остальных психологических тестов, если они не представлены в 100-бальной шкале. В некоторых случаях, например при использовании для моделирования: профессиональной ориентации методов логического вывода, принятых в дедуктивных рассуждениях, с оценкой полученных результатов в рамках нечетких методов, т.е. вне двоичной логики, где достоверность вывода определяется значениями истинности, необходимо использовать замкнутый интервал [0, 1]. Соответственно необходимо проводить и шкалирование переменных в пределах данного интервала.
При моделировании профессиональной ориентации и проведения профессионального отбора возникает задача определения взаимосвязей переменных функций и логических операций над ними [25,36].
Эмпирический способ. Переменные, входящие в функции профессиональной ориентации, определяющие параметры обучаемого, взаимосвязываются с помощью эмпирических правил. Логические операции над этими переменными также задаются эмпирическим путем. Недостатком этого способа является отсутствие теоретического и экспериментального обоснования, что снижает прогностическую ценность таких моделей.
Теоретический путь. Взаимосвязи между переменными и логические операции над ними определяются на основе теоретических предпосылок и логического обоснования связи одних переменных с другими или наоборот их взаимоисключенности. Данный способ практически лишен недостатков, однако его реализация имеет ряд трудностей, среди которых, например, можно указать расплывчатость границ понятий и критериев, описываемых переменными функций профессионального отбора. Экспериментальный способ. Этот путь можно еще назвать полуэмгги-рическим. Суть данного метода (способа) или подхода (пути) заключается в том, что необходимо выбрать несколько (достаточно больших с точки зрения достоверности полученных статистических результатов) выборок студентов вузов, как технических, так и гуманитарных специальностей. Выборки студентов должны быть не менее чем по 100 человек. Выбранные студенты проходят серию психологических тестов, о которых говорилось ранее. После чего анализируется корреляция полученных результатов с данными о текущей и школьной успеваемости. В результате такого анализа для статистически достоверной выборки можно определить имеющиеся или нет взаимосвязи между переменными и, какие логические операции над ними возможны. Преимуществом данного способа является то, что он основан на эксперименте и реальных наблюдениях. Для определения значимых переменных функций профессиональной ориентации и отбора в данной работе был реализован экспериментальный способ. С этой целью в Московском государственным университете приборостроения и информатики были проведены следующие эксперименты. В начале осеннего семестра на П курсе были отобраны несколько групп студентов родственных технических специальностей факультета информатики (ИТ-2, ИТ-4, ИТ-6, ИТ-7), общей численностью - 150 человек. Среди выбранных студентов с помощью специальной компьютерной программы было проведено психологическое тестирование. Кроме того в базу данных этой программы были введены оценки школьных аттестатов, результатов ЕГЭ (единого государственного экзамена) и успеваемости студентов за прошедшие сессии. После шкалирования оценок компьютерная программа позволяет осуществить проверку взаимосвязи между собой различных параметров. Например, можно определить в выборе технических специальностей долю студентов, которые имели отличные оценки по математике и физике в школьном аттестате, имеют коэффициент IQ, например от 85 до 100 баллов (или какой либо диапазон), 90 баллов в тесте на внимательность, 80 баллов в тесте на абстрактное мышление и оценку «отлично» по математике в сессии. Поясним предлагаемый подход еще одним примером. Например, можно выбрать всех студентов, у которых в школьном аттестате отличные оценки по математике, геометрии, физике, химии и величина коэффициента IQ лежит в некотором заданном диапазоне. А затем определить среди них долю тех, кто имеет на экзаменах по математике в сессию оценки: «отлично», «хорошо», «удовлетворительно» и «неудовлетворительно». То есть компьютерная программа позволяет осуществлять достаточно сложные произвольные запросы, связывающие различные переменные, которые могут входить в функции профессионального отбора. Определяемая в результате этих запросов доля студентов, которые обладают всеми выбранными при данном запросе параметрами, выраженная не в процентах, а долях от единицы, может быть выбрана в качестве коэффициента корреляции г, аналогичного коэффициенту Пирсона: г 0,70 (сильная корреляция) 0,50 г 0,69 (средняя корреляция) 0,30 г 0,49 (умеренная корреляция) 0,20 г 0,29 (слабая корреляция) г 0,19 (очень слабая корреляция, отсутствует) Для поиска корреляции между психологическими свойствами личности, способности к обучению и учебными достижениями в данной работе использовались следующие общепринятые тесты, позволяющие дать психологическую характеристику личности и выявить: во-первых, динамические тенденции личности- потребности и мотивы, установки, ценностные ориентации и отношения личности, интегрированные в ее направленности свойств и качеств. Во-вторых, её возможности, реализуемые посредством задатков, способностей, интеллекта. В-третьих, характер и самосознание личности. 1. Тест уверенности в себе 2 Тест мотивации достижений 3. Тест контроля действий в отношении успеха и планировании 4. Мультитест 5. Тест тревожности на экзамене 6. Тест потребности в познании 7. Тест Равена на невербальный интеллект 8. Способность планировать и проектировать 9. Тесты Айзенка wf Ю.Методика "Шкала дифференциальных эмоций 11.Методика "Эмоциональная эмпатия" В.В. Бойко 12Тест для определения функциональной доминантности 13 Тест "Торрансом" Ваш стиль обучения и мышления 14.Методика САН (самочувствие, активность, настроение) Всего в выбранных тестах содержатся 136 шкал.
Зависимость вероятности достижения заданного уровня обученности от времени
.NET платформа упрощает разработку приложений и повышает надежность кода. В частности, она обеспечивает автоматическое управление временем жизни объектов, нейтральные к языкам библиотеки классов и пересекающие границы языков наследование, обработку исключений и отладку.
.NET Framework имеет два основных компонента: общеязыковая среда исполнения (common language runtime, CLR) и библиотеку классов .NET Framework (.NET Framework class library, .NET FCL). Общеязыковая среда выполнения - основа .NET Framework. Можно представлять среду выполнения агентом, который управляет кодом во время выполнения, предоставляя основные службы, например, управление памятью, управление потоком и ремоутинг, также осуществляя строгую проверку безопасности типов и обеспечивая запщту и надежность кода. Фактически, понятие управления кодом — фундаментальный принцип среды выполнения. Код, который предназначается для исполнения в CLR, называется управляемый код (managed code), в то время как код, который не предназначается для среды выполнения, называется неуправляемый код (unmanaged code). Другим компонентом .NET Framework является библиотека классов - полностью объектно-ориентированная коллекцией повторно используемых типов, которые разработчик может использовать, для разработки от приложения традиционной командной строкой (CUI) или приложения с графическим интерфейсом пользователя (GUI) до приложений, основанным на последних новшествах, предоставленных. ASP.NET, например, Web Forms и XML Web-сервисами.
.NET Framework может запускаться из-под неуправляемых компонентов, которые загружают CLR в свой процесс и начинают выполнения управляемого кода, таким образом, создавая программную среду, которая может использовать возможности управляемого и неуправляемого кода. .NET Framework не только представляет несколько сред выполнения (разных для различных видов приложений), но и поддерживает разработку приложений, запускающих среду выполнения сторонними разработчиками.
Например, ASP.NET использует CLR, чтобы предоставить масштабируемую, серверную среду для управляемого кода. Непосредственная работа с CLR позволяет ASP.NET обеспечить функционирование приложениям ASP.NET и XML Web-сервисам.
В качестве примера же можно привести Internet Explorer - неуправляемое приложение, которое использует CLR. Использование Internet Explorer ом среды выполнения .NET позволяет встраивать управляемые компоненты или элементы управления Windows Forms в документы HTML. Использование среды выполнения, таким образом, позволяет использовать компилированный управляемый код, подобно элементам управления ActiveX Microsoft, но с существенными усовершенствованиями, которые только .NET может предложить, например, частично доверяемый код или изоляция домена приложений.
Microsoft .NET Framework позволяет разработчикам в гораздо большей степени задействовать готовые технологии, чем предыдущие платформы разработки. В частности, .NET Framework предоставляет реальные возможности повторного использования кода, управления ресурсами, многоязыковой разработки, защиты, развертывания и администрирования. При проектировании этой новой платформы Microsoft учла недостатки существующих Windows-платформ. Вот далеко не полный список преимуществ CLR и FCL: Единая программная модель. В отличие от существующего подхода, когда одни функции операционной системы доступны через процедуры динамически подключаемых библиотек (DLL), а другие - через СОМ объекты, весь прикладной сервис представлен общей объектно-ориентированной программной моделью. Упрощенная модель программирования Платформа .NET избавляет от работы с разными потаенными структурами, как это было с Win32 API и СОМ. Так, разработчику не нужно разбираться с реестром, глобально-уникальными идентификаторами (GUID), ronknown, Adref, Release, HRESULT и т. д. CLR не просто позволяет разработчику абстрагироваться от этих концепций. Все Windows-разработчики знают о проблемах совместимости версий, известных под названием "ад DLL" ("DLL Hell"). Этот "ад" возникает, когда компоненты, устанавливаемые для нового приложения, заменяют компоненты старого приложения, и в итоге последнее начинает вести себя странно или перестает работать. Архитектура .NET Framework позволяет изолировать прикладные компоненты, так что приложение всегда загружает компоненты, с которыми оно строилось и тестировалось. Если приложение работает после начальной установки, оно будет работать всегда. Абитуриент заходит на стартовую страницу системы, которая например, может размещаться на портале высшего учебного заведения. На ней ему предлагается заполнить школьные оценки и (или) внести результаты единого государственного экзамена. Школьные оценки вводятся в пятибалльной шкале. Оценки единого государственного экзамена вводятся в шкале от 0 до 100. Проверка валидности данных осуществляется системой не только на стороне клиента, но и на стороне сервера (используя для этого специально сформированные запросы к серверу, с помощью браузера или без него). В случае неверного ввода оценок клиентом, система не даст отправить запрос на сервер, и сообщит об этом пользователю (отметив красной звездочкой неверно введенные значения).
Модели и формы представления знаний при обучении и создании компетенций
Расплывчатость границ знания и множественность взаимосвязей между элементами предметной области говорят о том, что нельзя выделить элементарный объем знаний. Кроме того, в силу специфики мышления человека, ему свойственно при определенных условиях, имея некоторый набор связей между элементами знания, находить новые или неизвестные связи, которые также являются знанием (процесс самообучения). Кроме того, например, величина тестового балла за одно задание при измерении знаний, является случайной, поскольку на самом деле принадлежит некоторому нечеткому интервалу. В силу перекрытия интервалов можно говорить о квазинепрерывном; распределении баллов на всем отрезке допустимых значений. Знания являются непрерывной величиной, которую можно выражать в условных числовых единицах (баллах).
Обучение и управление знаниями в силу присутствия человеческого фактора, действие которого имеет психофизическую природу, можно отнести к классу стохастических процессов [35,43,81-83], которые (при определенных условиях), можно рассматривать как полумарковские процессы (вероятность перехода при которых из одного состояния в другое зависит как от этого состояния, так и от состояния, в которое будет осуществлен следующий переход [35,43,81-83]). Подобный подход получил фундаментальное обоснование и развитие в работах профессора А.П. Свиридова [81,82], в которых разработана статистическая динамика знаний. Согласно исследованиям профессора А.П. Свиридова [82,83], процесс обучения может быть представлен в виде графа переходов (см. схему) из одного состояния знаний в другое в интервале времени ft, t+dt) (процессы гибели и размножения динамики знаний характеризуются тем, что практически возможными являются лишь переходы в соседние состояния).
Интенсивности переходов между состояниями (интенсивности усвоения и забывания) могут зависеть от времени, и это позволяет получить линейные системы дифференциальных уравнений с коэффициентами, зависящими от времени, для которых однако не всегда могут быть получены аналитические решения.
Предлагаемый подход. В данной диссертационной работе предлагается следующий подход [2,21-24,37, 72,78-80]. Вся предметная область учебной дисциплиньї разделяется на смысловые зачетные единицы (например: определения, формулировки законов, теоремы с доказательствами, основные понятия, формулы и т.п.). Каждая такая единица знаний оценивается условной величиной в 1 балл. Условность оценки определяется тем, что границы знания и их величина, в силу различных причин, имеют нечеткий, условный и расплывчатый характер. Поэтому, введение шкалы оценки знаний является очень трудной задачей, а их измерение неоднозначным, но, тем не менее, в каждой учебной дисциплине может быть введен свой набор правил или экспертных заключений, по которым может быть выбрана зачетная единица величиной в 1 условный балл.
Наборы зачетных единиц могут образовывать взаимосвязанные комплексные оценки. Причем при проверке знаний, как традиционной (например, опрос преподавателя), так и с использований технологий тестирования, получивших у нас и во всем мире распространение в последние годы, могут проверяться как отдельные зачетные единицы, так и их взаимосвязанные объединения.
Индивидуальная работа преподавателя с одной стороны более всесторонне и глубоко проверяет знания, но с другой стороны более трудоемка и занимает больше времени при массовом обучении, чем технологии тестирования. Однако, при грамотной разработке тестов, когда обучаемому предлагается не выбирать ответ из предложенных, а самому написать ответ, например, в виде числового значения, тест может очень эффективно проверять как сами смысловые зачетные единицы, так и их взаимосвязь, например, при решении задачи, которая объединяет множество учебных единиц.
Любой процесс обучения необходимо рассматривать как пошаговый (дискретный) процесс, на каждом шаге которого обучаемый получает какое-то количество учебной информации (измеряемое числом смысловых зачетных единиц или условных баллов). В силу различия индивидуальных способностей каждый человек должен на одном шаге обучения получать различное количество учебной информации. Ни больше и не меньше того, что он может усвоить. Таким образом, обучение будет наиболее эффективным и индивидуальным. С другой стороны, в силу специфики памяти, каждому человеку свойственно забывать определенное количество полученной информации. Величина забытой информации также является индивидуальным параметром обучаемого.
Шаг обучения можно интерпретировать как период времени между занятиями (уроками, лекциями и т.д.) или интервал времени, в течение которого проводится типовой набор учебных действий ( например: лекция, семинар, лабораторная работа, затем опять лекция, семинар, лабораторная работа). Отметим, что в течение одного шага обучаемый получает и закрепляет знания, так и теряет их, причем и то и другое для каждого обучаемого является строго индивидуальным.
Математическая модель. Рассмотрим некоторого условного обучаемого и обозначим его номером /. Пусть этот /-обучаемый должен достигнуть состояния обученности Li (L{ - сумма всех смысловых зачетных единиц, или условных баллов, которые должен иметь/знать /-обучаемый к концу обучения). Отметим, что если в классе или учебной группе всего N обучаемых, то каждый из них должен достигнуть какого-либо состояния обученности Li, L2, Ьз, ...,Lj, ..., LN И ЭТИ состояния могут быть либо различными, либо одинакго-выми (например L), что определяется целями обучения.
Введем время длительности одного шага обучения равного т0. Мы считаем, что все обучаемые с одинаковой периодичностью посещают занятая. Однако, на занятиях они могут получать разное количество учебной информации и по-разному её забывают за время т0. Таким образом пусть /_ обучаемый за время т0 получает е-учебных единиц и забывает -учебных единиц (полученных на любом из предьідущих шагов обучения).
После каждого шага обучаемый переходит в одно из -возможных состояний, которое задается тем количеством учебной информации, которая есть у обучаемого в данный момент времени (к может принимать значение от О до L). Введем понятие вероятности нахождения состояния обучаемого в том или ином значении.
Пусть, после некоторого числа шагов обучения h: Px.Cth — это вероятность того, что /-обучаемый обладает уровнем знаний, равным (x-s) едини-цам; Px,h - уровнем знаний равным -учебным единицам и Px+ih — уровнем знаний равным (х+) учебным единицам. На одном шаге обучения т0 моэкет быть получено є- единиц учебной информации и забыто -учебных единиц.
Таким образом, можно ввести вероятность Px,h+i того, что на следующем Qi+V) шаге обучения обучаемый будет знать л-единиц учебной информации, которая будет равна (рис. 26).
