Содержание к диссертации
Введение
ГЛАВА 1 Анализ методов и систем компетентностно-ориентированного адаптивного обучения и тестирования 12
1.1 Компетентностный подход как направление обучения решению творческих исследовательских задач 12
1.1.1 Формирование творческих компетенций 12
1.1.2 Модели компетентностного подхода в подготовке специалистов 15
1.2 Адаптивное обучение и его компетентностная направленность 20
1.2.1 Реализация компетентностного подхода на основе адаптивного обучения 20
1.2.2 Недостатки адаптивных моделей систем обучения с точки зрения компетентностного подхода 28
1.3 Математические модели адаптивного обучения и тестирования 30
1.3.1 Адаптивность – как внутреннее качество моделей обучения и тестирования 30
1.3.2 Математико-статистические модели обучения и тестирования 31
1.4 Самоорганизация и адаптивность обучающего процесса 38
1.4.1 Самоорганизация обучающей системы 38
1.4.2 Адаптивное обучение на пути к самоорганизации обучающего процесса 41
1.5 Анализ существующих автоматизированных информационных систем
адаптивного обучения и контроля 49
Выводы по первой главе 58
ГЛАВА 2 Математические, информационно-логичиские модели и алгоритмы адаптиванного обучения 59
2.1 Информационно-логическая модель адаптивного обучения 59
2.1.1 Постановка задачи, модель обучаемого и ее свойства 59
2.1.2 Концептуальная информационно-логическая модель автоматизации процессов адаптивного обучения на основе компетентностного подхода 66
2.2 Обобщенная интегральная мультипликативная математическая модель адаптивного процесса обучения 70
2.2.1 Математическая модель 70
2.2.2 Алгоритм идентификации параметров саморегуляции системы 72
2.3 Алгоритмическая модель адаптивного обучения на основе критериальной нормы 78
2.3.1 Постановка задачи 78
2.3.2 Алгоритмическая модель критериально-ориентированного адаптивного обучения 79
2.4 Стохастическая модель адаптивного процесса освоения компетенций с
использованием марковских цепей 83
2.4.1 Задача оценки обученности при адаптивном обучении как последовательность случайных процессов 83
2.4.2 Марковские цепи и основанная на них модель 84
Выводы по второй главе 87
ГЛАВА 3 Комплекс алгоритмов интегральной оценки принимаемых решений в процессе адаптивного управления обучением 89
3.1 Алгоритмы подготовки к обучению и тестированию 89
3.2 Алгоритмы анализа и прогноза результатов обучения и тестирования 94
3.3 Алгоритмы оценки образовательных предпочтений и траекторий 108
Выводы по третьей главе 115
ГЛАВА 4 Прикладная автоматизированная информационная система адаптивного обучения и контроля 117
4.1 Архитектура автоматизированной информационной системы адаптивного обучения и контроля 117
4.2 Система подготовки и проведения адаптивного тестирования (АРМ преподавателя, тьютора, тестолога) 119
4.2.1 Основные принципы построения 119
4.2.2 Серверная подсистема АРМ (Модуль администратора) 124
4.2.3 Клиентская подсистема АРМ 137
4.3 Комплекс алгоритмов и программ интегральной оценки решений при адаптивном управлении процессом обучения 144
4.4 Автоматизированное пособие для формирования исследовательских навыков 147
4.4.1 Мультимедийная поддержка для самостоятельной работы 147
4.4.2 Компетентностная направленность – вектор ориентации учебно-исследовательских задач 154
4.5 Электронный справочник по основам статистики – как вспомогательное средство при самостоятельной работе студентов 160
4.6 Анализ эффективности внедрения автоматизированной информационной системы адаптивного обучения и контроля в профессиональном образовании 162
Выводы по четвертой главе 164
Заключение 165
Список использованной литературы 167
- Формирование творческих компетенций
- Концептуальная информационно-логическая модель автоматизации процессов адаптивного обучения на основе компетентностного подхода
- Алгоритмы анализа и прогноза результатов обучения и тестирования
- Комплекс алгоритмов и программ интегральной оценки решений при адаптивном управлении процессом обучения
Введение к работе
Актуальность темы исследования. На сегодняшний день развитие информационных технологий и их использование в различных областях знаний позволяет перейти на новый качественный уровень высшего профессионального образования. Динамизм современного рынка труда формирует запрос не только на знания, но и на компетенции, и навыки специалистов. Это привело к повсеместному внедрению компетентностного подхода, в том числе и в России, где на его основе разработан действующий федеральный государственный образовательный стандарт.
Современные исследователи (A.B. Хуторской, М. Л. Зуева, Т. Л. Анисова) отмечают, что невозможно эффективно реализовать и актуализировать компетентностный подход без применения адаптивных методов обучения и контроля. В их работах, а также в трудах А. Нуссбаумера, У. Неупера, Д. Петерза, Л. Хаака, Дж. Гомеза, Н. Фаддоули, М. Идрисси разработаны основы методологии адаптивного обучения на базе комптентност-ного подхода.
Высокие темпы роста потоков информации, появление новых специальностей, изменение парадигмы, моделей и методов обучения привели к необходимости широкого внедрения в образовательный процесс автоматизированных информационных и управляющих систем и комплексов. Разработка и внедрение таких решений, в свою очередь, требуют создания системного обеспечения адаптивного обучения на основе компетент-ностного подхода. В частности, необходимо разработать основные принципы, математические модели и методы, алгоритмы обработки информации и принятия решений для поддержки процесса адаптивного обучения.
Модели и методы управления адаптивным обучением на основе компетентностно-го подхода были предложены в работах И. Д. Столбова, Л. Р. Фионова.
В работах Г.А. Балл, А.М. Довгялло, Е.И. Машбиц, В.Д. Габричидзе, Л.В. Зайцевой, Л.П. Новицкого, А.В. Дрынкова, Ю.И. Лобанова, А.Д. Селиванова, В.В. Съедина, В.С. Токаревой, Л. А. Растригина, М.Х. Эренштейна, Е.Н. Пасхина, А.Н. Печникова по моделированию процессов компьютерного обучения и реализации адаптивных алгоритмов функционирования обучающих систем показано, что адаптация в подобных системах требует учета индивидуальных особенностей обучающихся и выбора оптимальных параметров учебного процесса, т.е. решения задач оптимального обучения. В частности, адаптивное обучение предполагает анализ хода обучения и оценку критерия перехода на новый уровень обучения и проводится с помощью заданного уровня сложности обучающего материала, а также – применения некоторого механизма адаптации. Адаптивный алгоритм контроля знаний требует оценки статистических признаков и характеристик обучения динамически на каждом шаге тестирования. В адаптивную модель обучения, с целью повышения эффективности учебного процесса, включаются элементы разноуровневого обучения, которое, в свою очередь, является дифференцированным, учитывающим основные свойства личности (т.е. личностно-ориентированным). Учебный процесс идет со скоростью, определяемой выбранными гипотезой и моделью обучения.
Анализ указанных работ выявил основную проблему - отсутствие единой методологии автоматизированной обработки информации и управления в системах адаптивного обучения на основе компетентностного подхода, учитывающей вышеприведенные требования и факторы.
Таким образом, проблема разработки математического, информационного, программного и организационного обеспечения автоматизированных информационных систем адаптивного обучения на основе компетентностного подхода является актуальной.
Целью данной диссертационной работы является разработка и реализация комплекса взаимосвязанных моделей и алгоритмов автоматизации адаптивного обучения на основе компетентностного подхода.
Для достижения сформулированной цели в диссертации были поставлены следующие основные задачи:
-
Провести анализ эффективности существующих моделей, методов и алгоритмов автоматизации адаптивных обучающих и тестирующих систем, использующихся в сфере высшего профессионального образования.
-
Разработать концептуальную информационно-логическую модель автоматизации процессов адаптивного обучения на основе компетентностного подхода.
-
Разработать комплекс взаимосвязанных математических моделей адаптивного обучения на основе компетентностного подхода, соответствующих предложенной концептуальной информационно-логической модели.
-
Разработать алгоритмы обработки информации и принятия решений для поддержки процессов адаптивного обучения и контроля, анализа и прогноза результатов обучения, оценки различных образовательных предпочтений и траекторий.
-
Разработать прикладную автоматизированную информационную систему адаптивного обучения и контроля, реализующую предложенные модели и алгоритмы с целью эффективного формирования у обучающихся компетенций высшего профессионального образования.
Объектом исследования является автоматизация адаптивного обучения на основе компетентностного подхода.
Предметом исследования является разработка математического, информационного, программного и организационного обеспечения адаптивного обучения на основе компетентностного подхода на базе комплекса взаимосвязанных моделей, методов и алгоритмов.
Методы исследования. Для достижения поставленных целей и решения задач в
диссертационной работе использовались: методы и технологии математического моде
лирования, численных методов, теории вероятностей и математической статистики, тео
рии множеств, системного анализа и обработки информации, объектно-
ориентированного проектирования, проектирования автоматизированных систем. Разра
ботка программ для реализации поставленных целей проведена на языках программиро
вания C++ (Qt 4.7.0, с использованием HTML 5.0), С++ Вuilder, С# и SQLite. Разработка
мультимедийной поддержки велась с использованием Macromedia flash (на языке
ActionScript).
Достоверность полученных в диссертационной работе теоретических результатов и формулируемых на их основе выводов обеспечивается использованием современных методов проведения научных исследований, корректным применением математического аппарата. Достоверность выводов относительно эффективности предложенных моделей и алгоритмов автоматизации процессов адаптивного обучения на основе компетентностного подхода подтверждена их реализацией и практикой применения.
Научной новизной обладают следующие полученные результаты:
1. Разработана концептуальная информационно-логическая модель процесса автоматизации адаптивного обучения, отличающаяся от известных моделей тем, что она учитывает содержание, структуру и взаимосвязи организационного, математического и алгоритмического обеспечения проектирования и разработки полного цикла обучения на основе компе-тентностного подхода.
-
Разработана обобщенная интегральная мультипликативная математическая модель адаптивного процесса обучения, отличающаяся от известных наличием идентификации параметров саморегуляции системы, учитывающих влияние основных факторов, воздействующих на уровень обученности.
-
Разработана алгоритмическая модель критериально-ориентированного обучения, отличающаяся от известных возможностью адаптации сложности учебного материала на основе расчета оптимальной критериальной нормы.
-
Разработана стохастическая модель процесса освоения компетенций, отличающаяся от известных наличием анализа динамики освоения компетенций и поддержки адаптивного управления траекторией обучения с помощью марковских цепей.
Практическая значимость диссертации. На основе предложенного комплекса взаимосвязанных моделей и алгоритмов автоматизации адаптивного обучения на базе компетентностного подхода разработана автоматизированная информационная система адаптивного обучения и контроля. Применение этой системы в учебном процессе позволило реализовать адаптивное обучение студентов по индивидуальным траекториям, повысить эффективность усвоения компетенций в среднем на 15-20 %, сократить время выполнения самостоятельной работы на 28,5 % и увеличить количество выполняемых заданий на 20 процентов. Полученные в диссертации результаты в области организационного, информационного, математического, алгоритмического обеспечения процесса автоматизации адаптивного обучения могут быть использованы при разработке автоматизированных информационных и управляющих систем, предназначенных для внедрения в высших профессиональных образовательных учреждениях, реализующих учебные программы на основе компетентностного подхода в соответствии с ФГОС ВПО.
Реализация и внедрение результатов работы. Разработанная автоматизированная система внедрена на кафедре системного анализа и компьютерных технологий управления ФГБОУ ВПО Кабардино-Балкарский государственный университет им. Х. М. Бербекова для поддержки учебного процесса по специальности 230105.65 «Программное обеспечение вычислительной техники и автоматизированных систем» и по направлениям 230100.62 «Информатика и вычислительная техника» и 220400.62 «Управление в технических системах». Результаты и материалы диссертации используются в циклах лекций и практических занятий по дисциплинам «Моделирование систем», «Информационные технологии», «Электротехника и электроника» и «Метрология, стандартизация и сертификация» на Факультете Информатики и управления указанного ВУЗа.
Отдельные компоненты разработанной автоматизированной информационной системы адаптивного обучения внедрены в образовательную систему «EduWave», которая представляет собой комплексную платформу электронного обучения компании «Integrated Technology Group» (г. Амман, Иордания), что подтверждено соответствующими актами.
Основные положения, выносимые на защиту:
-
Концептуальная информационно-логическая модель автоматизации процессов адаптивного обучения на основе компетентностного подхода.
-
Обобщенная интегральная мультипликативная математическая модель адаптивного процесса обучения.
-
Алгоритмическая модель адаптивного обучения на основе критериальной нормы.
-
Стохастическая модель адаптивного процесса освоения компетенции на основе марковских цепей.
-
Комплекс алгоритмов интегральной оценки решений, принимаемых в процессе адаптивного управления обучением.
6. Автоматизированная информационная система адаптивного обучения и контроля.
Апробация результатов исследования. Основные результаты работы докладывались, обсуждались и получили одобрение на всероссийской конференции «Смешанное и корпоративное обучение» (п. Дивноморское – Ростов-на-Дону, 2007), всероссийской научно-практической Интернет-конференции «Дополнительное профессиональное образование в условиях модернизации» (Ярославль, 2009), XII Всероссийской (с международным участием) научно-практической конференции «Теория и практика измерения латентных переменных в образовании и других социальных и экономических системах» (Славянск-на-Кубани, 2009), II Международной научно-практической конференции «Информационные технологии в гуманитарном образовании» (Пятигорск, 2009), международной научной конференции студентов, аспирантов и молодых ученых «Перспектива-2009» (Нальчик, 2009) и «Перспектива-2011» (Нальчик, 2011), II Всероссийской научно-практической интернет-конференции «Дополнительное профессиональное образование в условиях модернизации» (Ярославль, 2010), региональной научно-методической конференции «Актуальные проблемы балльно-рейтинговой аттестации студентов» (Нальчик, 2010), международной научно–технической конференции и Российской научной школе молодых ученых и специалистов «Системные проблемы надёжности, качества, информационно-телекоммуникационных и электронных технологий в управлении инновационными проектами (Инноватика - 2010)» (Москва – Сочи, 2010), V и VI Всероссийской научной конференции «Наука и устойчивое развитие» (Нальчик, 2011) и (Нальчик, 2012), III международной конференции «Автоматизация управления и интеллектуальные системы и среды (АУИСС - 2012)» (Махачкала 2012) и IV Международной научно-технической конференции «Технологии разработки информационных систем» (Таганрог-2013).
Публикации. Основные результаты диссертации отражены в 24 опубликованных научных работах, в том числе 5 – в изданиях, рекомендованных ВАК для публикаций основных результатов кандидатских диссертаций. Получено 1 свидетельство о государственной регистрации программы для ЭВМ.
Структура и объём работы. Диссертационная работа состоит из введения, четырех глав, заключения, списка использованных источников и приложений. Основное содержание диссертации изложено на 182 страницах, включая список литературы из 150 наименований.
Формирование творческих компетенций
Компетенция – перечень сведений, сфера профессиональных знаний, умений и навыков специалиста; компетентный – сведущий (знающий, умеющий и имеющий навыки) специалист.
Компетенциям отводится ведущая роль в успешной профессиональной деятельности специалиста, чем и объясняется возросший в последнее десятилетие интерес к компетентностному подходу (Л.М. Долгова [28], Д.А. Иванов, К.Г. Митрофанов и О.В. Соколова [45], В.Н. Кальней и С.Е. Шишов [48], В.А. Козырев и Н.Ф. Радионова [50], Дж. Равен [71, 72], В.И. Байденко [9], А.В. Хуторской [102, 103] и др.). Авторами проведены исследования различных видов и моделей компетенций. Но, тем не менее, исследовательским компетенциям уделено недостаточно внимания.
Формирование и развитие исследовательской компетентности в вузе происходит при выполнении исследовательских задач, проектов, лабораторных работ, индивидуальных творческих задач, самостоятельных, курсовых и выпускных квалификационных работ. Одним из важных инструментов этого процесса является анализ исследовательской деятельности студента, при котором будет задействован адаптационный механизм. В связи с этим можно говорить об адаптивной компетенции. Адаптивная компетентность – способность приспосабливаться к изменениям и предпочтениям (например, образовательным), продвижение важных для профессии и роли профессионала способностей [44].
При подготовке специалистов широко используют информационные технологии, проектное обучение и компетентностный подход к обучению. Компетенции формируются и проявляются только в процессе деятельности, а их качество определяется мерой включенности в деятельность [24, 86, 91]. Поэтому на творческий метод обучения в образовании возлагаются большие надежды, связанные с его возможностями развивать способности применять знаний, умений и навыки для решения практических задач. При этом компетенции, формируемые в процессе обучения, должны уточняться и изменяться в зависимости от образовательной практики, что позволит сформировать способности к активному саморазвитию, творческой преобразовательной деятельности, адаптации в обществе, приобрести новый учебный и жизненный опыт, а также повысить уровень конкурентоспособности на рынке труда.
Эти компетенции должны позволить обучаемому: - увидеть и осознать проблемную ситуацию; - сформулировать проблему и осуществить ее критический анализ; - выполнять необходимый анализ и синтез для принятия решений; - предложить решения и рекомендации, предложить (адаптировать, применить) методику решения задач, вытекающих из данной проблемы; - овладеть навыками представления решения и получения выводов, в том числе, реального, визуального и виртуального характера; - предлагать проект с определенными целями, ресурсами, структурами и критериями, планировать и управлять проектом с учетом временных, пространственных, информационных и финансовых ограничений; - демонстрировать способности творческого соединения различных знаний, методов, технологий при решении творческих задач; - выполнять индивидуальные задачи и презентовать результат работы, в том числе и в для Web-сообщества, блогосферы; - демонстрировать приобретенные знания и навыки управления, понимать важность такого управления и планирования; - уметь работать в коллективе, знать основы корпоративной работы и профессиональной этики. Основными характеристиками такого обучения является его инновационность, расширяемость, эволюционность, практическая направленность, новизна научных знаний и др. При этом для студентов возможна организация индивидуального обучения и «свободного посещения», рейтингового контроля обучения.
Большое внимание должно уделяться оценке результатов выполнения творческой работы, оценке качества и релевантности творческого продукта, максимальной инициативе и ориентации студента на реальные проблемы и задачи общества, оригинальный характер творческого проекта и ее компьютерную реализацию. При этом реализация ориентируется на рыночные отношения и рыночную жизнеспособность предлагаемого продукта, поиск партнеров (реализацию партнерских программ) или клиентов (целевой аудитории).
Соответствующие методики широко распространены в ряде европейских стран. Они поддерживают анализ, синтез, мозговой штурм, ролевые игры, эвристическое и проблемное обучение, дискуссии, командное обучение и другие формы. Принцип «обучения через дело» («learning by doing») - один из основных в компетентностном подходе для обучения [88].
Так как такое обучение - непрямое, ценны как результаты, так и сам процесс. Во взаимоотношениях «обучаемый - обучающий» происходят существенные изменения (по сравнению с традиционными методами обучения). В частности, в рамках таких отношений преподаватель выполняет следующие функции:
Концептуальная информационно-логическая модель автоматизации процессов адаптивного обучения на основе компетентностного подхода
Первые работы Г.Эббингауза [125], а также Э.Торндайка [137] были основаны на эмпирических данных. Они были получены в результате обучения, выражали в виде уравнений основные эмпирические связи, но не опирались на цельную теорию, интерпретировали гипотезы и данные [8, 73]. Это были полуэмпирические модели, модели в виде эмпирически найденных функций. В частности, Эббингауз [10] построил логарифмическую зависимость забывания учебного материала со временем. Были построены «кривые обучения» - графики изменений характеристик обучаемого (группы обучаемых) в процессе обучения. Предложены были различные «функции обучения» - различные аналитические функции (гипербола, экспонента, арктангенс и др.). Но эти функции не были получены на основе описания традиционного процесса обучения, а тем более, адаптивного.
Подобные функции были получены А. Щукаревым [135], Т. Робертсоном [134] и Л. Терстоуном [138], но при этом уровень забывания оказывался ниже. А. Щукарев вывел следующее уравнение: у=а-Ъе-сп где у - усвоение, определяемое числом успешных воспроизведений учебного материала за единицу времени; п - число испытаний (в единицу времени); а 32 предел усвоения при п стремящемся к ; Ъ и с - эмпирически подбираемые константы. Т. Робертсоном предложена зависимость вида: где у - усвояемость; п - число испытаний (в единицу времени); а, с эмпирические параметры обучаемого, A=ab; Ъ - граница усвояемости при п стремящемся к . Л. Терстоун предложил зависимость («гиперболический закон обучения»): а(п+с) у= (п+с)+Ь где у - усвоение; п - количество испытаний; а, с - эмпирические константы; Ъ -темп (скорость) обучения. К. Халл [129] оказал большое влияние на развитие моделей обучения, он ввел переменную, названную им «силой навыка» и зависимость [8]: HRs = M(1-e-b"), где HRs - «сила навыка», или переменная, связывающая стимул и реакцию; М -асимптотическое значение этой «силы навыка»; Ъ - параметр темпа (скорости) обучения; п количество учебных попыток (в единицу времени). С помощью предложенной формулы можно найти результаты обучения. В 40-50 гг. прошлого века психологи стали рассматривать процесс обучения как стохастический процесс. Г. Буш и Ф. Мостеллер [15] сформулировали первые стохастические модели обученности на основе случайных событий, эффектах в виде марковских цепей.
В. Эстес, К. Берк, Дж. Миллер и другие [8, 122] разработали стохастические модели обучения, получившие название «линейные модели». При построении таких моделей рассматривается вероятность рп того, что обучающийся в п-ом испытании выберет рассматриваемый ответ Е с альтернативой Ё и, соответственно, вероятностью Ё равной 1-р„. В каждом испытании он даст ответ, в том числе, угадав правильный ответ. В зависимости от события Ej в п-ом испытании изменяется вероятность Е в (п+1)-ом испытании и она равна: рп+ї = ajpn + Ьу, где a; и bj изменяют (увеличивают или уменьшают) вероятность ответа. Эти параметры зависят от того, насколько событие Ej подкрепляет выбор ответа Е или Ё. В двухальтернативной модели Буша-Мостеллера [14, 15] используются: Г ахрп + (\- aJAv если дан ответ Е; Pn+l = \а2рп +(\-а2)Х2, если дан ответЁ, где / / (/ О,/ 1) - постоянные точки (если р„ = At(i = 1,2), то pn+i=p„ -значение вероятности не изменяется). Эта модель была построена на основе модели Халла, Терстоуна и Рестла [14]. Модель Халла примет вид: рп+1= Рп+(\-аХ1- Р„), где рп - вероятность правильного ответа в очередном п-ом испытании; а(0 а 1) - эмпирическая константа.
После изучения раздела номер / в момент t=0 обучаемый, как правило, дает на него верный ответ, но спустя 1 (единиц времени) забывает его. Затем, при необходимости актуализации мгновенно восстанавливаются знания и опять через 2 времени этот раздел (вопрос) забывается. И так далее, повторяется циклично. Момент п-го забывания:
Если восстановление сопоставимо с забыванием (по времени), то процесс забывания-восстановления по /-му вопросу представим чередующимися интервалами забывания (состояние Е0) и восстановления знаний (состояние Е{). В момент времени t = t0 начинается изучение учебного материала по вопросу, для освоения которого требуется время 1. Потом вопрос забывается. Продолжительность такого промежутка равна п. Повторное восстановление знаний по этому вопросу потребует времени ф2.
Статистическая теория обучения рассматривает стандартизированные методы контроля знаний [78]. Они имеют ряд положительных свойств, например, сокращение времени для контроля; стандартность проверки и анализа результатов; представимость результатов в численном виде и, следовательно, математическая их обработка. Есть и недостатки: они не всегда могут учесть индивидуальные особенности в группе обучаемых; принимается во внимание лишь конечный результат, а не способ решения задачи и др.
В стохастических моделях состояние на п-ом сеансе обучения определяется вектором вероятностей незнания, а очередной квант учебного материала -вероятностью незнания. Это тип моделей на основе итеративного научения или многократного повторения обучаемой системой попыток достижения цели обучения.
Более сложные модели адаптивного обучения «стараются» учесть как слабую формализуемость, так и многокритериальность задачи. Анализ предметной области обучения позволяет выбрать базовые элементы, которые представляют собой концепты для рассмотрения учебного материала. С учетом этих базовых элементов выделяют типовые операции - синтаксически, семантически и функционально завершенные процедуры действий над концептами. Обучение алгоритмам решения задач предметной области осуществляется через систему управления и контроля выполнения учебных задач (самоорганизации, самообучения и самоконтроля).
Если Y = {y1,y2,...,yj}- множество типов операций и функций (процедур), выполняемых обучаемым, то модель навыков (умений) обучаемого задается вектором Р(к) с компонентами Pj (к) - вероятностями правильного применения процедуры уj на к-ом шаге обучения ( = 1,2,...,J). Такая модель на основе ассоциативно-рефлекторной теории усвоения рассмотрена в работе [130]. В этой модели обучения вектор Р(к) определяется следующим способом. Для каждой операции вводится N гипотез Я,.(і: = 1,2,..., JV), которые соответствуют N состояниям обученности, г-му состоянию которой соответствует условная вероятность P(Aj/Ht) правильного примененияу-ой операции в каждом случае. Гипотезы составляют полную группу событий (независимых), поэтому: N і где Ру - вероятность гипотезы номер / для операции номер j. Перерасчет распределения вероятностей гипотез осуществляется с помощью формулы Бейеса. С каждым к-ым шагом обучения ассоциируется априорное и апостериорное распределение вероятностей (гипотез о состояниях обученности) Ру(к) и Ру(к), которые связанны между собой зависимостью:
Алгоритмы анализа и прогноза результатов обучения и тестирования
В последнее время многие молодые люди стали чувствительны к качеству своего образования, стали понимать все перспективы капитализации знаний, стали стремиться извлечь выгоду из образования (обучения или даже переобучения). Эти «новые обучаемые» станут в будущем, в обществе обучения в течение всей жизни и «основанном на знаниях» основным контингентом учащихся. Это путь новых учащихся, «если обучение будет рассматриваться как активный процесс, охватывающий всю жизнь человека» [13].
В условиях быстрого изменения потребностей образовательного и трудового рынка по мере инновационного развития приходит осознание необходимости переобучения и переквалификации, необходимости обучения самообучению, «учиться» для того, чтобы вписаться эффективно и динамично в иерархии рынка труда, где особенно востребованы высококвалифицированные специалисты для инновационной экономики.
Образование может изменить не только объем «наличных» знаний, но и способы мышления, системность подхода к решению творческих проблем, если, разумеется, сам преподаватель готов к использованию инновационных образовательных технологий, владеет интерактивными методами обучения. Инновации – долгосрочные инвестиции в будущее.
Инновационная способность всей системы образования проявляется при использовании различных интерактивных методов обучения, а, особенно, при разработке новых обучающих сред и систем. Это требует самосовершенствования, самоорганизации учебного процесса, внедрения эффективных инновационных научно-образовательных технологий, воспитания нового преподавателя, креативного тьютора-менеджера образовательного процесса, воспринимающего и использующего динамично все новое для учебной аудитории, превращающего обучение в творческий, увлекательный процесс. Актуальность формирования и эффективного использования инновационных подходов к образованию усиливается в связи с вхождением отечественной высшей школы в Болонский процесс.
Следующее определяющее условие эффективного использования в образовательном процессе спроектированной технологии обучения является педагогическая креативность учебно-воспитательной среды (преподаватель, обучаемый, технологии, методики и т.д.). Эта педагогическая креативность понимается как способность к организации и ведению творческого образовательного процесса, видению, постановке и решению творческое педагогические задач (проблем), принятию верных решении в различных ситуациях, возникающих при этом, предвидению их результатов [85].
Если преподаватель педагогически креативный, самоорганизующийся, то занятие превращается в творческую совместную деятельность по поиску эффективного решения, выходу из ситуации, актом сотрудничества преподавателя и обучаемого (обучаемых). Самоорганизация, самоактуализация такого образовательного процесса осуществляется выбором оптимального (рационального) варианта, метода, технологии осмысления и осознания способностей обучаемых, целей обучения, выбором и адаптацией педагогических задач. Этому процессу соответствует высокий уровень восприимчивости инноваций, постоянный творческий поиск, видение новых педагогических возможностей инноваций и технологий.
Следующее важное условие – самосовершенствование преподавателя, как педагога, ученого, воспитателя. Такого преподавателя отличают высокий творческий потенциал, рефлексия собственной деятельности, психологическая готовность к образовательным инновациям. Педагогическая креативность рассматривается как категорию, которая порождает созидательную целеполагающую и результативную деятельность по поиску оригинальных решений учебно-воспитательных проблем и задач. Это – основа креативного результата.
Например, Торранс [139] выделил факторы поведения учителя, которые позитивно влияют на развитие креативности учащихся: творческое мышление, свободное манипулирование идеями и учебным материалом, конструктивной информацией, умение стимулировать конструктивную критику, а также рассеивать страх (перед оценкой, новой технологией, инновацией) и другие.
Очевидно, что следующий базовый критерий – совместная творческая и проектная работа преподавателей и студентов является гарантом эффективной реализации адаптивных моделей взаимодействия (морально-этического, коммуникативного, организационного, образовательного, исследовательского) [23]. Новое важное условие – наличие целеполагающего отбора и структурированного учебного материала на основе принципов личностно ориентированного подхода к образованию, компетентностного подхода, активной и творческой деятельности студентов, образовательных стандартов. Это должно способствовать эффективной организации и самоорганизации образовательного процесса по спроектированной модели обучения, модели взаимодействия, ориентированной на раскрытие способностей обучаемых, отношения сотрудничества, на активность, креативность и самостоятельность обучаемых. Наконец, последнее указанное важное качество – организация контроля и оценки учебных достижений студентов по курсу с помощью адаптивных тестирующих систем. Отметим лишь только, что активные формы обучения и контроля, ситуационное моделирование жизненных проблем, самоподготовка таких ситуаций и проблем выхода из них – важное условие самоорганизации образовательного процесса. Здесь эффективны: обучение и контроль в сотрудничестве; проектная деятельность; ролевые игры; Case-study, ситуационный анализ, портфолио и др. Все это помогает понять причины неудач в обучении, провести самоанализ, обеспечить обратную связь, повысить мотивацию, планировать тактику, результаты и стратегию учебной деятельности [47, 147].
В последнее время концепция облачных вычислений или Cloud Computing (как и виртуализации) стала весьма популярной [4, 65, 124, 126, 136]. Появились многие сферы её приложений, стимулируемых стремлением снизить расходы за счет виртуализации серверов, затрат на инфраструктуру и другие параметры.
Облачные вычисления предоставят вузам новые возможности для электронного образования. Они оказывают влияние как на архитектуру, сервисы, так и на логистику доставки и внедрения обучающих (учебных) курсов.
Переходя от стандартной при развертывании образовательных приложений модели к «облачной» модели, необходимо принять во внимание некоторые аспекты инфраструктуры, которые определяются тремя основными моделями сервисов «облачно-образовательных» вычислений в университетах: общедоступные, частные и гибридные облака (Public, Private and Hybrid Cloud Computing).
Комплекс алгоритмов и программ интегральной оценки решений при адаптивном управлении процессом обучения
Система интегрируется, например, методом Рунге-Кутта [98]. Механизм адаптивного обучения (тестирования) задается имитационной процедурой, состоящей в последовательном предъявлении обучаемому квантов учебного материала (тестируемому - тестовых заданий), трудность которых можно определять как состояние марковской цепи, в которой он находится в текущий момент.
Если обучаемый находится в состоянии / и смог освоить его (справился с заданием), то он затем переходит в состояние /+1; в противном случае обучаемый переходит в состояние /-1.
После завершения обучения (тестирования) обучающийся оказывается в одном из состояний, наилучшим образом соответствующим достигнутому уровню усвоенных компетенций. Выбор очередного материала (теста, задания) определяется выбором учебного материала, контента, трудность которого адекватна уровню усвоенных компетенций испытуемого.
Идентификацию марковских цепей можно проводить по выборкам обучаемых, отдельно для каждого состояния (уровня способностей, уровня освоения компетенций учебного материала). Каждому такому уровню ставится в соответствие свой уникальный набор оценок параметров модели (системы), который позволяет далее идентифицировать значение этого показателя адекватно данным наблюдений. Вероятности и интенсивности переходов при этом -функции уровня сложности и уровня способностей.
Можно использовать, например, в дискретном случае, статистику Пирсона: 2 (Fk-PkN) X = їй(F -РкЮ ыо PoN Здесь N -мощность выборки, рк - прогнозируемая вероятность попадания в состояние номер к, Fk - наблюдаемая частота данного (А го) состояния. Наблюдаемая частота определяется на основе анализа результатов обучения (тестирования) и построения соответствующей гистограммы. Статистика Пирсона адекватна при п-т степенях свободы, где т - число определяемых параметров [53]. Выводы по второй главе:
1. Адаптивная автоматизированная система обучения формируется на основе модели обучаемого, которое позволяет организовать адаптивное управление всем процессом обучения. Для гибкости и массовости обучающей системы следует включить возможность формирования заранее определенного набора параметров и использования адаптивного алгоритма поведения системы, в зависимости от их значений.
2. Предложены ряд свойств, которым должна удовлетворять выбранная модель обучения (адаптивный метод обучения) по выбранному критерию релевантности профилей обучаемых, которые используются для проектирования индивидуальной учебной траектории (стратегии обучения).
3. Разработана концептуальная информационно-логическая модель автоматизации процессов адаптивного обучения на основе компетентностного подхода, позволяющая описать содержание, этапы и взаимосвязи процессов проектирования и разработки системного, организационного, математического и алгоритмического обеспечения соответствующей автоматизированной информационной системы.
4. Разработана обобщенная интегральная мультипликативная математическая модель адаптивного процесса обучения, реализуемая на аналоге производственной функции типа Кобба-Дугласа. Это модель самоорганизации обучающего процесса, она может быть использована для прогнозирования эволюционных возможностей систем. Для сформулированной модели разработан алгоритм идентификации параметров адаптационных возможностей с учетом факторов, воздействующих на уровень обученности. Идентифицированные параметры позволят предсказывать адаптационные возможности системы, устойчивость знаний.
5. Разработана имитационная алгоритмическая модель критериально-ориентированного адаптивного обучения, обеспечивающая возможность адаптации сложности учебного материала на основе расчета оптимальной критериальной нормы и гарантирующаядля каждого обучаемого доли обученности от максимально возможной значения. При выбранной таким образом величине М, механизм адаптивного обучения можно использовать более эффективно и его можно использовать для обеспечения задаваемых (например, государственных) уровней обученности.
6. Разработана стохастическая модель адаптивного процесса освоения компетенций с использованием марковских цепей для адаптивного управления траекторией обучения и необходимости решения задачи оценки обученности, как последовательности случайных процессов. Механизм адаптивного обучения (тестирования) задается имитационной процедурой, состоящей в последовательном предъявлении обучаемому квантов учебного материала (тестируемому – тестовых заданий), трудность которых можно определять как состояние марковской цепи, в которой он находится в текущий момент. Идентификацию марковских цепей можно проводить по выборкам обучаемых, отдельно для каждого состояния (уровня способностей, уровня освоения компетенций учебного материала).
