CC BY
49
ных сетей [12], т. к. использование нейронных сетей дает принципиально новый подход к решению задач тестирования и контроля знаний. Использование нейронных сетей, кстати, подходит для анализа текстов на естественном языке. Это может максимально приблизить оценивание знаний компьютером к выводам, которые делает преподаватель при проверке устного или письменного задания.
Литература
1. Мицель А. А., Молнина Е. В. Дистанционное образование как составляющая процесса формирования единого образовательного пространства // Открытое образование, 2006. № 2. С. 59-65.
2. Мицель А. А., Клыков В. В. Интерактивные компьютерные тренажеры по математическим дисциплинам / Открытое образование, 2005. № 2. С. 22-28.
3. Мицель А. А., Ельцов А. А., Романенко В. В., Романенко А. В., Шатлов К. Г. Мультимедийный электронный обучающий курс «Высшая математика. Интегральное исчисление и дифференциальные уравнения» // Открытое образование, 2007. № 2. С. 13-16.
4. Мицель А. А., Коваленко Н. Д., Лычковская Л. Е., Линейцева Н. И., Менгардт Е. Р., Романенко В. В., Романенко А. В., Шатлов К. Г. Мультимедийный электронный обучающий курс «Английский язык для студентов технического университета» // Открытое образование, 2008. № 2. С. 18-23.
5. Мицель А. А., Молнина Е. В. Применение систем искусственного интеллекта при решении проблем автоматизации обучения и контроля знаний дистанционных студентов // Известия Орловского государственного технического университета, 2006. № 1 (3). С. 81-85.
6. Райгородский Д. Я. Практическая психодиагностика. Методики и тесты: Учебное пособие. - Самара: БАХРАХ, 2006. Т. 1. - 672 с.
7. Рудинский И. Д. Модель нечеткого оценивания знаний как методологический базис автоматизации педагогического тестирования // Информационные технологии, 2003. № 9. С. 46-51.
8. Молнина Е. В. Примеры реализации многоуровневого способа тестирования // Модернизация инженерного и общего образования: проблемы и перспективы: Труды VII Всероссийской научно-практической конференции. - Юрга: ТПУ, 2009. С. 39-42.
9. Марухина О. В. Алгоритмы обработки информации в задачах оценивания качества обучения студентов вуза на основе экспертно-статистических методов. Кандидатская диссертация. - Томск: ТПУ, 2003. - 158 с.
10. Борисов А., Крумберг И., Федоров И. Принятие решений на основе нечетких моделей. - Рига: Знание, 1990. - 352 с.
11. Толпегин П. В. Информационные технологии анализа русских естественно-языковых текстов // Информационные технологии, 2006. № 8. С. 41-50.
12. Вербицкий А. А., Гридин В. Н., Солодовников В. И., Солодовников И. В. Использование нейронных сетей в задаче тестирования // Информационные технологии, 2007. № 9. С. 21-26.
ДИДАКТИЧЕСКАЯ ФОРМАЛИЗАЦИЯ СОВРЕМЕННЫХ ОБУЧАЮЩИХ СИСТЕМ: ОСОБЕННОСТИ И МОДЕЛИ
В. В. Нечаев, академик РАЕН, заведующий кафедрой «Интеллектуальные
технологии и системы» Тел.: (495) 434-74-47, e-mail: nechaev@mirea.ru В. М. Панченко, к. т. н., профессор кафедры ИТС Тел.: (495) 434-91-54, e-mail:pvm36@yandex.ru А. И. Комаров, аспирант кафедры ИТС Тел.: (903) 747-53-58, e-mail: komarov-aig@yandex.ru Московский государственный институт радиотехники электроники и автоматики
(технический университет) www.mirea.ru
Various approaches to monitoring the quality of education are considered. The number of basic qualitative features of modern learning systems is identified. The results of the analysis define the system of limits of computer technology of education and form the requirements for the system of monitoring the quality of education.
В работе рассмотрены различные подходы к мониторингу качества обучения. Определен ряд основных качественных особенностей современных обучающих систем. На основе результатов анализа определена система ограничений компьютерных технологий обучения и сформулированы требования к построению системы мониторинга качества обучения.
Ключевые слова: качество обучения, дидактические системы, пространство логических кубов, уровни усвоения знаний, возможностная оценка.
Keywords: quality of education, didactic systems, space of logical cubes, levels of learning, ability assessment.
Существенные признаки мониторинга качества обучения связаны с анализом особенностей реализации оценочной, информационной, прогностической и управленческой функции в современных компьютеризированных системах обучения. Полученные на основе литературных данных [1] результаты анализа педагогических задач, решаемых при поддержке компьютерных средств обучения, представлены на рис. 1. Согласно этим данным, бесспорной доминантой является функция контроля. Она практически используется в семи из десяти дидактических средств компьютеризированного обучения. Исключение составляют справочник, мультимедиа и лабораторный практикум. Таким образом, с учетом результатов анализа относительный рейтинг использования функции контроля можно принять равным 0.7. За функцией контроля следует функция формирования умения и навыков. Ее рейтинг, по этим же данным, принимает значение 0.6. Наименьший рейтинг имеет функция выработки умений, а также анализа и принятия решений в нетиповых, проблемных ситуациях, требующих творческого подхода. Рейтинг этих функций составляет 0.1, а в совокупности с дополнительно достигаемыми целями - 0.3. Из результатов проведенного анализа следует также и то, что компьютерные средства обучения (КСО) в своей основе ориентированы на поддержку познавательной цепочки: «знания - умения - навыки», т. е. на реализацию функций контроля и информационного обеспечения, восприятия и применения знаний в типовых ситуациях. Причина такой ситуации станет более понятной, если обратить внимание на перечень учебных курсов (порядка 200), реализуемых, например, компьютерным центром обучения «Специалист» при МГТУ им. Н. Э. Баумана (www.specialist.ru). Тематика направления курсов - базовая компьютерная подготовка. Однако это вовсе не гарантирует, что специалисты с базовой компьютерной подготовкой станут заниматься трудоемкими мультимедийными проектами для целей образования, а не уйдут в хорошо оплачиваемый бизнес.
На рис. 1 приняты следующие обозначения. Строки таблицы, имеющие номера с первого по восьмой, представляют перечень педагогических задач и их участие в образовательном процессе. Содержательная интерпретация каждой из перечисленных в таблице задач приводится ниже.
Задача 1 - начальное ознакомление с предметной областью, освоение ее базовых понятий и концепций.
Задача 2 - базовая подготовка на разных уровнях глубины и детализации.
Задача 3 - выработка умений и навыков решения типовых практических задач в данной предметной области.
Задача 4 - выработка умений анализа и принятия решений в нетиповых, проблемных ситуациях.
Задача 5 - развитие способности к определенным видам деятельности.
Задача 6 - проведение учебно-исследовательских экспериментов с моделями изучаемой предметной области знаний (ПОЗ) и предметной области деятельности (ПОД).
Задача 7 - восстановление знаний, умений и навыков (для редко встречающихся ситуаций, задач и операций).
Задача 8 - контроль и оценивание уровней знаний и умений.
Аббревиатуры в верхней строке таблицы определяют содержание столбцов и имеют следующую расшифровку:
КСКЗ - компьютерная система контроля знаний;
КТ - компьютерный тренажер;
КС - компьютерный справочник;
КВК - компьютерный восстановительный курс;
КУ - компьютерный учебник;
МУЗ - мультимедийное учебное занятие;
КЗ - компьютерный задачник;
КЛП - компьютерный лабораторный практикум;
КУК - компьютерный учебный курс;
КОС - компьютерная обучающая система;
Знаковые обозначения - черный кружок и окружность - представляют целевое использование педагогических задач в тех или иных педагогических процессах, при этом Ф - основная цель; ф - дополнительная цель.
Из проведенного по первоисточникам анализа, результаты которого представлены на рис. 1, вытекают следующие дидактические особенности.
Первая особенность современных систем образования и обучения - это их направленность на базовую компьютерную подготовку и переподготовку кадров специалистов, поддерживаемая монополистами - производителями персональной техники, и ее программно-математического обеспечения. Для этого достаточно реализации педагогической цепочки стратегий «знания - умения - навыки» при массовой организации обучения. Естественно, что в этом случае функция контроля знаний и умений является определяющей (см. рис. 1).
Вторая особенность - это необходимость учитывать действие закона усвоения знаний, а именно интерпретированное для процесса формирования знаний известного закона 20% - 80% как нормы соотношения новое - старое. По отношению к познавательному процессу этот закон имеет следующую формулировку: «Чтобы познавательный процесс был успешным, содержание новой информации в общем учебно-информационном потоке в среднем должно быть в пределах 20%». Закон семантической связности или закон «двадцати процентов» относится к универсальным законам развития знаний с определенными отклонениями от данной медианы.
В качестве интерпретации рассматриваемого закона можно привести шкалу оценивания знаний В. П. Беспалько [2]. В соответствии с этой шкалой коэффициент усвоения знаний меньше 0.75 (±0.05) вообще не подлежит положительному оцениванию. Шкала оценивания качества знаний строится по интервалам: менее 0.7 - неудовлетворительно (не аттестован); [0.7; 0.8] - удовлетворительно; [0.8; 0.9] - хорошо; [0.9; 1.0] - отлично [3]. В данном случае рассмотрена относительная и лингвистическая оценочная система шкал, формируемая на интервале универсума [0; 1]. В случае линейной или функционально заданной меры для шкалы оценок можно воспользоваться графическим вариантом отображения универсума [0; 1] в значение оценки, например как показано пунктиром на рис. 2.
Современная практика проставления оценок по четырехбалльной шкале определилась как интуитивная мера нечеткости в диапазоне ±0.5 балла и связана с понятием «математическое округление» и статусом точки нижней границы зоны округления. Таким образом, имеет место интервальное оценивание с диапазонами интервалов: [2.5; 3.5] - удовлетворительно; [3.5; 4.5] - хорошо; [4.5; 5.0] - отлич-
Между формальным (числовым) и фактическим (семантиче-^ ским) решением действует «человеческий фактор» в качестве коррек-
^Шк ^^^^ тора действий эксперта-педагога в зоне неопределенности применяе-
ШМШСомаров Мых средств и механизмов оценок субъективных возможностных
шкал.
Для системы ответов типа «да - нет» на рис. 2 приведена колоколообразная зависимость энтропии в функции КУ - коэффициента усвоения. Если множество правильных ответов ({Да}) равно множеству неправильных ({Нет}), т. е. их отношение равно единице, то имеет место наибольшая неопределенность: энтропия Н максимальна и равна 1 (Н = 1.0). При этом формальное значение оценки 2.5 соответствует наибольшей неопределенности.
Третья особенность, которую необходимо учитывать при мониторинге качества обучения, вытекает из проблем второй особенности. Это особенность индивидуальной экспертизы (оценивания) знаний, умений, навыков; оценивания, в котором преподаватель как эксперт определяет значение оценки в условиях неформальной экспертизы, т. е. в условиях слабой возможности учета предыстории обучения и учебного процесса, а также «творения будущих последствий» результатов своей экспертизы.
Человеческий фактор, как правило, доминирует, и выбор решений должен быть связан не только с компонентом «обучения», но учитывать и фактор зависимости от всей системы ценностей, характерных для комплекса «обучение - воспитание - развитие».
Усиливая компонент функции жесткого контроля в режиме постоянного действия «отрицательной обратной связи», процесс обучения притормаживается и может носить характер, далекий от требований развития мышления и развития творчества, связанного с моментами озарения (гештальта). Возникает противоречие между затратами времени на контрольные мероприятия и необходимостью формирования продуктивного творческого мышления.
£ £ ё * а к £ 1 £ 1 I а * О :
1 • • * о 3 1 4
г О • • * • 4 1 5
$ • О • • • • & ] 6
л • О О 1 : г
5 * о * о о 2 3 5
6 О о • о 1 3 4
7 о • • о о о 1 4 6
8 • • • * • * в 1 0 7
* | л 1 э 3 2 2 4 2
О а 2 2 0 2 0 0 3 г
I 1 $ 5 3 5 1 } 2 7 5
Рис. I. Педагогачс^кшс ноячн
иН1пи1'Н №|Х>наОВЫХ нну ч 4ПШн 1 СНСТСЯЧ Оценивание
ОТНЦЧ*) [11.1? 11
лЛрПчИ [ Ю [ Щ /7 А
¥ло«л. (!) й / / / / /
* г ✓ / / I / в
СТЛППО . .1¡^-^
ирнпо ^ / V
Лп* г/клг,/ /25
/У 2 ) 3 1М А КОр С1Г1
».1 й,> т п4 и*
Ку ■ степень усвоения
щ
О м
)
Рис. 2. [Мшим мнакж ни степкни усвоСяая ш цяпОиддьнеЯ к дневалит нбалльиой снск'М
] [риаслы ■осхаж.иннв-в&л^т нрояшив
Протри 1|Л|ир.-гм и|;ин< ктио'
1*||С- 1'[1иф- чи.кмь, I ртниш нн1 ¡]|.и::11[и:н: си узшвяжня до творчества
А ■ ни И^рвйош ■рвквлгопге« - 0.- IX В - ел: ин^прмвпииндп прои.пм -ГЛИНЫЛ Р. |4«ЩчН ■ 1. С - ц-ритое И' 0, П МП] п п.и * 1)
■ш 1 Д1Г"Г„.:
Рис, -I. Илектлфнкитиры дидактически! систем и н\ комндекмв
РнС. 11 ОСИ С ШМ I с'1 ыиц- н 1Мн М11Д1И11 и НС и команде ¡1 >иГни чикни КСО
\.5а I й\ 00
Рис. о. К'ир л Кир но ллн <№Ц№11 |1>ни щдач > чжСт иимрн 1|> и^и I кн КСО
Четвертая особенность. Процесс усвоения деятельности, а также процесс развития мышления и формирования творческой личности - две взаимосвязанные последовательные фазы учебного процесса. «В обучении, как правило, нет скачка перехода количества в качество: процесс идет плавно и постепенно, если его не прерывают на каком-либо этапе, что характерно для традиционного образования» [2]. Существует порог обученности, например Куср = 0.75 ± 0.05, достигаемый при Нср = 0.8, когда каждый из уровней освоения знаний - узнавание (1), воспроизведение (2), применение (3), творчество (4) может продолжаться в режиме «самообучения» или в режиме обучения по цепочке восхождения.
Относительные затраты восхождения познавательного процесса от известного к неизвестному на каждом уровне г е {1; 2; 3; 4} представлены граф-моделью (рис. 3) и выражены разметкой дуг значением 0.75 Тг.
Таблица 1
Шкала наименований дидактических систем по В. П. Беспалько
№
Кодовый номер
(а, в, с )
(ООО)
(001)
(010)
(ОН)
(100)
(101)
(110)
(111)
Наименование дидактической системы по типу управления познавательной деятельностью
Традиционная (классическая) схема обучения К & = [0,2, 0,3]
Пр и ме н е н и е ауд и об изу аль н ых ср ед ств (уч е б н ик-1, групповая форма обучения, рассеянная форма и н ф ор мац и о н н ого обеспечен ия)_
Консультант; процесс направленный, индивидуальный: КА е [0,2+0,5]
Традиционный учебник: Кд е [0,3+0,4]
Малая группа\ Кд е [0,3+0,4]
Автоматизированный компьютерный класс <!={> К о мпьютер н ая с и сте ма, Уч е б н ик - 3._
«Репетитор» К & —0,7
Ад аптив н ая с и сте ма; пр огр аммн о е у пр ав л е н и е; Уч е б н ик — 4
Таблица 2
Идентификация дидактических систем в пространствелогических кубов
Таблица 3
Оценка возможностей дидактических систем
Уровни обученности и их краткая характеристика
I Уровень. «Узнавания» при повторном восприятии (репродуктивное узнавание с подсказкой, знакомство)
П Уровень. «Воспроизведения»
(типовые ситуации)
(репродуктивность, по памяти,
воспроизведение)
(2; 3); (0+1+3)
Ш Уровень. Применения (нетиповые ситуации) (продуктивно, по аналогии, эвристически) Мышление (4;5); (1+2+6+7)
IV Уровень. Творчество (непредвидимые ситуации) (продуктивно, концептуально, творчески) Концепции, эвристики, интуиция (6;7); (комбинаторика вариантов)
Вершины куба
1 2 3 4 5 6 7
6 7
Рациональное и эмпирическое мышление, интуиция и проявление творческого потенциала
Примечания
Лекции;семинары; лабораторные работы; тесты: классификации, различения, опознания
Тесты: типовые задачи и алгоритмы решений, конструктивные задачи, подстановки
Тесты: нетиповые задачи и эвристические поиски решений
Тесты на проблемных ситуациях поиска решений
Способ выполнения деятельности: репродуктивно, продуктивно.
Метод исполнения деятельности: с подсказкой, по памяти, по аналогии, творчески
(интеллектуальные проявления интуиции)._
Пятая особенность. Динамика восхождения познавательного процесса зависит от степени (уровней) абстракции, а также языка, моделей и методов описания познаваемой предметной области [3]. Абстрагирование как способ сжатия потока информации процесса диалога и само-
диалога (в режиме самообучения) переводит информационную функцию мониторинга на качественно новый уровень обмена информацией и ее восприятия. Для уровней «знание ^ мышление ^ творчество» при обмене информацией и ее восприятии переход на средства описаний более высоких уровней абстракции имеет принципиальное значение, особенно при междисциплинарном подходе и компьютеризации систем обучения.
В учебно-методическом пособии [3] автор выделяет четыре ступени абстрагирования описания учебных элементов: а1 - феноменологический (соответствует знаково-лингвистическому уровню У1 описания по Кухтенко); а2 - качественная теория (в лучшем случае теоретико-множественный уровень У2 в сочетании с У1 и концептуально-эвристическим У8); а3 - количественная теория (концептуальный У8, логико-алгебраические У3 и У4 с элементами топологических описаний У5); а4 - аксиоматическая теория (ранг высшей ступени науки в целом). Следует заметить, что после работ Курта Гёделя и исследований в области возможностей формализации математики была показана ограниченность аксиоматических теорий. В действительности существование парадоксов и антиномий несколько меняет взгляд на соотношения уровней при оценке достигаемой формализации средствами абстракций аксиоматического подхода.
Из сказанного следует, что введение кластеризации ступеней абстракции уровней описания учебных элементов при содержательном анализе необходимо рассматривать как возможность выделения рационально-эмпирических комплексов систем, т. е. по степени уровней сочетания операций абстрагирования и конкретизации, используемых в каждом конкретном случае в практике формирования учебных элементов (УЭ) и системы информационного обеспечения в целом.
Шестая особенность. Существуют принципиальные ограничения когнитивных (познавательных) возможностей дидактических систем. Иерархическую признаковую классификацию дидактических систем ввел в теорию педагогических систем В. П. Беспалько в виде системы управления познавательной деятельностью (табл. 1). При этом используется следующая аксиоматика системы признаков:
(а е А) - по видам управления: разомкнутая (0) - замкнутая (1);
(Ь е В) - по видам информационного процесса: рассеянный (0) - направленный (1);
(с е С) - по средствам управления: вручную (0) - автоматически (1).
Упорядочение методологических особенностей и возможностей дидактических систем рассмотрим в пространстве логических кубов. В этом случае система бинарных кортежей {(а, Ь, с)} определяет шкалу наименований множества дидактических систем, которую можно свести к виду табл. 1. и представить в форме пространства логических кубов, как показано на рис. 4 и в табл. 2. Для топологии логического куба перечисление дидактических типов систем удобно начать с традиционной дидактической системы, присвоив ей нулевой номер по десятичному эквиваленту двузначного кортежа признаков, т. е. с (0, 0, 0)2 О 0^ и так далее до (1, 1, 1)2 О 7ю.
Число подкубов, которые можно сформировать на трехмерном кубе, равно: 22 = 28 = 256 . Части подкубов поименованы исторически на лингвистическом уровне. Их наименования приведены в табл. 2 и на рис. 4. Мониторинг мощности множества дидактических систем средствами логико-математического анализа иллюстрирует возможности процесса упорядочения и идентификации формального многообразия дидактических систем и их комплексов на шкале порядка: от 0 до 255. Если к признакам кортежа (а, Ь, с) добавить признак й («применяется КСО»: й = 1; «не применяется КСО»: й = 0), то формально имеем 65 536 различных методологически различимых дидактических систем, из которых еще предстоит выделить наиболее эффективные для КСО композиции.
Седьмая особенность определяется тенденциозным характером и не рефлексивной, а порой и антиинтуитивной поведенческой реакцией объекта обучения, проявляемой как в стандартных (типовых) ситуациях, так и в условиях нетиповых ситуаций. Система, для которой множество состояний не является строго определенным, формально не может быть приведена к моделям статистического анализа при обосновании решений.
В лучшем случае ее можно исследовать средствами теории принятия решений на основе возможностных оценок («субъективных вероятностей») и критериев относительной полезности прогнозируемых результатов при нормировании в пространствах нечетких систем отношений (табл. 3).
Восьмая особенность мониторинга качества обучения определяется существенным изменением и влиянием инновационных коммуникационных технологий передачи, сбора, обработ-
ки, представления информации; изменением систем и средств, связанных с распространением персональных компьютеров (ПК-ЭВМ) в обучении.
Компьютеризация образования ведет к перераспределению ролей и к новому разделению труда участников и организаторов учебного процесса. Считается, что компьютерные средства обучения (КСО) [1, 4]:
• «становятся неотъемлемым звеном образовательной системы;
• должны воплощать лучшие стороны традиционных средств и обязательно реализовывать новые качества;
• требуют более широкой и глубокой компетентности от их разработчиков;
• стимулируют развитие компьютерной дидактики и методики;
• способствуют созданию новых форм обучения и образования».
Качество компьютерной эдукологии зависит от решения ряда задач специалистами - участниками разработки КСО. К ним относятся прежде всего: задачи авторов и составителей учебного материала (Pa); задачи, отнесенные к компетенции компьютерных методистов (Рм); далее - область задач компьютерной системотехники (Pc) и, наконец, область задач специалистов по реализации (Рр).
Можно предположить, что в первом приближении закон 20% - 80% при разработке и решении задач создания КСО обеспечит необходимый исходный уровень взаимопонимания между условными участниками разработки КСО: авторско-редакторским составом, компьютерными методистами, компьютерными системотехниками и менеджерами по реализации продукта (рис. 5).
Наиболее высокое качество разработки может быть достигнуто при заинтересованном взаимопонимании проблемы в условиях реализации отношений: каждый с каждым, все как один и при условии, что каждый участник - эксперт в своей области.
Теоретико-множественная модель такого множественного пересечения отношений представляется моделью общего положения четырех множеств или в форме планарной карты Карно для четырех участников, когда достигается 50% перекрытие «каждого с каждым» (рис. 6).
Девятая особенность. Мониторинг качественных особенностей современных обучающих систем определяется проблемой прогнозирования поведения сложных систем с учетом «нега-уссовских» (неклассических) проявлений законов распределения статистической информации, структура роста которой определяется законами Ципфа-Парето. Человеческое общество, а также многочисленные аспекты его деятельности подчиняются действию законов гиперболических распределений вида
А А где: A, у, а - конституэнты (постоянные) закона (1), n(x) - число на-
= = х!+а , блюдаемых меток, каждая из которых встречается x раз в наблюдаемой (,) Y = 1 + a совокупности элементов, например число ученых, написавших x ста-
тей, количество городов с населением x человек и т. п. [5, 6].
Формула (1) определяет частотный ранг системы.
Ранжирование потока меток можно провести по показателю r(x), т. е. по числу меток r, встречающихся x раз и более. Такой показатель будем определять по формуле
A. 1 C „ A
r(x)=s т ^ * =с, с=*. (2)
§=x a Xa Xa a
Отметим, что ранжирование по формуле (2) связано с упорядочиванием меток, идентифицирующих объекты n(x) по степени встречаемости x (уменьшением или ростом), т. е. значение n(x) - порядковый номер этой метки.
Ранговое представление гиперболического распределения определяется выражением (3):
B
x(r) = —в, r > 1, где: r - ранг элемента; {B; р} - параметры. (3)
rP
Меняя в выражении (2) местами x и r, получаем ранговое представление гиперболического распределения
t^H a ту
x(r) = C— = B, в = C a, p = a-1. (4)
r1/a rp
Соотношение (4) свидетельствует о существовании единой структурной закономерности, характерной для информационных и технологических систем, которую принято называть законом Ципфа-Парето.
Считаем необходимым отметить, что направление формирования информационных потоков в сфере обучения, основанное на рассмотренных в рамках девятой особенности закономерностях, в настоящее время практически не исследовано.
Приведенный перечень особенностей дидактической формализации современных обучающих систем естественно не является исчерпывающим. Так, например, целесообразно дополнительно исследовать такие особенности, как изменение характера самооценки, самообучения и самоконтроля в системах открытого образования (СОО), а также особенности, связанные с нарушением в системах дистанционного обучения (ДО) закона единства времени, места и действия.
Рассмотренные выше результаты мониторинга качественных особенностей обучения в вузе сведены в табл. 4.
Таблица 4
Особенности современных систем обучения
Особенности современных систем обучения Краткая характеристика
1. Базовая компьютерная подготовка и переподготовка кадров В технических вузах доминирует направленность на компьютерную подготовку и переподготовку специалистов, поддерживаемая монополистами - производителями ВТ и ПО
2. Закон обеспечения семантической связанности учебного материала (информации) (закон 20%) Действует универсальный закон «необходимого отношения содержания» новой информации в потоке известной (закон семантической связности как проявление универсального закона 20%)
3. Индивидуальная экспертная оценка качества процесса, распределенная на жизненный цикл объекта (ЖЦО) Особенности индивидуальной экспертизы: преподаватель как эксперт определяет оценку в условиях учета «неформализуе-мых» факторов будущетворения и доминирования человеческого фактора
4. Закон формирования и оценивания порога обученности на каждой ступени обучения Двухэтапность учебного процесса: усвоение деятельности на этапе «знания - умения - навыки» - необходимая ступень перехода к развитию мышления и творчества в нетиповых ситуациях
5. Зависимость затрат времени от степени абстракции описания предметной области и процесса восстановления знаний Динамика познавательного восхождения зависит от степени абстракции используемого языка, моделей и методов описания ПОЗ и ПОД, определяющей время диалога и самодиалога информационного обмена
6. Принципиальные ограничения по возможностям дидактических систем и комплексов Существуют принципиальные ограничения на возможности дидактических систем, влияние которых на процессы компьютеризации обучающих систем недостаточно изучено
7. Рефлексно-нерефлексный и тенден-циальный характер поведения субъекта обучения Продуктивное поведение субъекта в субъект-объектных и субъект-субъектных отношениях определяет тенденциальный характер проявления законов в социальных системах
8. Изменения технической и технико-логической среды, связанные с инновационными процессами компьютеризации общества Существенная динамика изменений и влияние инновационных коммуникационных технологий на процессы передачи, сбора, обработки и формы представления информации
9. Негауссовские (неклассические) законы распределения в сложных информационных и технологических системах Гиперболический характер критериев ранговой и частотной форм ранжирования (закон Ципфа-Парето). Направление неисследованных возможностей для группового ранжирования
Заключение
1. Проблемы анализа подходов к качеству обучения в техническом вузе, мониторинга качества обучения (МКО) и компьютерных технологий обучения (КТО) в совокупности относятся к классу задач исследования операций, в частности к задачам упорядочения, согласования и координации, реализуемых в условиях многоаспектной неопределенности. При решении такого рода задач необходимо учитывать дидактические особенности и методологические возможности современных средств обучения.
2. В основу методов исследования и разработки КТО и КСО перспективно закладывать методологию структуралистского направления развития системологии, методы теории циклов в интерпретации методологии системотехники, результаты исследований в области креативно
Образовательная среда
педагогики и когнитивной психологии.
3. Следует обратить особое внимание на нерефлексный и тенденциальный характер проявления законов развития объектов социальной природы как основной источник неопределенности в организационных открытых системах обучения (по Л. фон Берталанфи и Н. Н. Моисееву).
4. Из анализа эвристических методов, методик и алгоритмов активизации творческого мышления можно сделать вывод о роли интуиции, как решающем факторе порождения гипотез и построения модели (теории по М. Месаровичу) при решении задачи МКО и разработке КТО. Согласно М. Месаровичу и Н. Н. Моисееву, концептуальная теория (гипотетическая модель) должна формироваться до анализа ретроспективных данных и затем корректироваться на основе принципа «плавающего (скользящего)» планирования (по И. Мюллеру).
5. Рейтинговый анализ компьютерных средств обучения, а также системы решаемых на этой основе педагогических задач и подходов к качеству обучения позволяет непосредственно оценить роль и место элементов тестирования в процессе формирования мышления и творческого потенциала специалиста, приступить к формированию КТО и построению систем МКО, не допуская ошибок подмены целей обучения целями контроля «знаний - умений - навыков».
Литература
1. Башмаков А. И., Башмаков И. А. Разработка компьютерных учебников и обучающих систем. -М.: Филинъ, 2003. - 616 с.
2. Беспалько В. П. Основы теории педагогических систем (Проблемы и методы психолого-педагогического обеспечения технических обучающих систем). - Воронеж: Воронежский университет, 1977. - 304 с.
3. Беспалько В. П. Образование и обучение с участием компьютеров (педагогика третьего тысячелетия). - М.: МПСИ; Воронеж: НПО «МОДЭК», 2002. - 352 с.
4. Норенков И. П., Зимин А. М. Информационные технологии в образовании. - М.: МГТУ им. Н. Э. Баумана, 2004. - 352 с.
5. Поток научной информации // Энциклопедия кибернетики. - Киев: Гл. Ред. Укр. Сов. Энциклопедии, 1975. Т. 1. - 608 с. Т. 2. - 622 с.
6. Шорохов М. И., Кузнецов Д. Е., Панченко В. М. О возможности применения гиперболического закона распределения к базовым оценкам обучаемых // 53 НТК МИРЭА: Сборник трудов. Ч. 4. - М.: МИ-РЭА, 2004. С. 90-93.
7. МоисеевН. Н. Алгоритмы развития. - М.: Наука, 1987. - 304 с.
УДК 004.4 + 004.9 ББК 32.81
ВАК 05.13.18 + 05.13.11 РИНЦ 28.29.59 + 20.15.05
ОПЫТ ИСПОЛЬЗОВАНИЯ ТЕХНОЛОГИЙ ДИСТАНЦИОННОГО ОБУЧЕНИЯ В КОРПОРАТИВНОМ ОБРАЗОВАТЕЛЬНОМ
ПРОЕКТЕ
А. С. Куракин, аспирант кафедры «Интернет-технологии» Тел.: (495) 915-33-58, e-mail: akurakin@education.ru МАТИ-РГТУ им. К. Э. Циолковского kafedra.education.ru
In the article the description of the corporate educational project for training of employees in large establishments and organizations is presented. The architecture of the developed complex of programs for support of the corporate educational project is shown. The statistics of the results of the training received due to the project approbation is analyzed.
В статье приводится описание организации корпоративного образовательного проекта для обучения сотрудников крупных учреждений и организаций. Представлена архитектура разработанного комплекса программ для поддержки корпоративного образовательного проекта. Анализируется статистика итогов обучения, полученных в результате апробации проекта.
