CC BY
52
УДК 004.738.5(075.8)
ИМИТАЦИОННАЯ МОДЕЛЬ ТЕСТОВОГО КОНТРОЛЯ ЗНАНИЙ
А.Н.Алексеев, к.т.н., доц.
Тел.: (542-2) 78-07-79; E-mail: [email protected] Сумской государственный университет http://www.sumdu.edu.ua Г.В.Алексеева, доц.
Тел.: (542-2) 27-22-83; E-mail: [email protected] Сумской государственный педагогический университет им. А.С.Макаренко
http://sspu.edu.ua
The article is devoted to the problem of creation of the imitation model of knowledge test control. It describes the model's main procedures, which combine technological possibilities of computerized testing with the mathematical rationale of examiner's decision-making.
Статья посвящена проблеме формирования имитационной модели тестового контроля знаний. Описаны основные процедуры модели, которые сочетают технологические возможности компьютеризированного тестирования с математическим обоснованием принятия решений экзаменатором.
Ключевые слова: имитационная модель, тестовый контроль, достоверность контроля знаний, процедуры тестового контроля.
Keywords: simulation model, test control, accuracy of knowledge test control, procedures of test control.
Стремительная информатизация всех сторон деятельности вуза выдвигает на первый план проблемы развития эффективных методик измерения и определения критериев достаточности зафиксированного уровня знаний и умений. Быстрая и качественная оценка знаний студентов является актуальной проблемой образовательного процесса, как в давно существующем дневном, заочном или вечернем обучении, так и в сравнительно недавно появившейся дистанционной форме или при частичном внедрении в традиционно проводимые занятия компьютерных и дистанционных технологий. Для любых систем образования и форм обучения важнейшим остается объективный контроль учебных достижений студентов и на этой основе построение результативных алгоритмов обучения.
Среди методов контроля на сегодняшний день наибольший интерес в отечественной вузовской науке наблюдается к системам тестового контроля знаний. Активно используя дистанционные и компьютерные технологии, тестовый контроль успешно дополняет и совершенствует существующие традиционные формы и методы контроля. При этом, осуществляя основные педагогические функции, возложенные на контроль со стороны процесса обучения, компьютеризированное тестирование становится эффективным средством для подведения результатов учебной деятельности студентов при выполнении различных видов учебных занятий на всех этапах - от входного тестирования до комплексного подведения итогов обучения.
Однако, наряду с несомненными преимуществами тестового контроля, его ускоренное и неоправданно широкое внедрение в учебную практику часто приводит к негативным результатам, когда в стремлении снизить затраты на обучение в учебный процесс принудительно внедряются неточные и недостоверные методы контроля. Кроме недостаточной разработанности методического аппарата, проблемой, является и то, что в основе современных методов тестирования, как правило, лежат зарубежные теории, которые во многом не учитывает традиции и достоинства отечественной системы образования, связанные с доминирующей ролью, которая отводится преподавателю во всей системе обучения.
При более внимательном сопоставлении смыслового содержания слов test и examine можно отметить, что, несмотря на идентичность перевода (test в английском языке и examine на ла-
тинском означают одно и то же - испытание), у нас понятие экзамена значительно шире, чем тестирование. Поэтому сведение экзамена только к тестированию (в общепринятом сейчас понимании), исключение из него личности преподавателя не только деформирует важнейшую составляющую учебного процесса, но и во многом не позволяет достичь необходимой результативности обучения в вузе.
При сопоставлении устной и тестовой форм проведения экзамена сторонники последней часто завышают объективность тестового контроля, реализуемого по сценариям большинства общепринятых методик тестирования. Подчеркивая факт устранения человека как носителя субъективности из процесса непосредственного проведения экзамена, они в то же время оставляют без внимания тот факт, что разработчиком тестов по-прежнему остается преподаватель. Отмечая возможность реализации единых требований по конкретной дисциплине для всех студентов, следует помнить, что они могу оказаться общими только для данной группы экзаменующихся, а если проводить тестирование в другой группе или другим преподавателем, то можно, всего лишь изменив критерии проставления оценки, до неузнаваемости исказить всю картину экзамена. Обычной практикой тестового контроля в отечественных вузах является подгонка критериев под набранные баллы для обеспечения заданного уровня сдачи экзамена. И если, согласно классической теории тестирования, для успешной сдачи экзамена студент обязан набрать не менее 59% от максимально возможного количества баллов (при некоторых видах тестов [1]), то у нас для студентов заочной формы обучения критерием положительной оценки при тех же условиях может быть 49, 39% и даже ниже. Не повышает объективности результатов контроля и то, что при составлении тестов каждый из проектировщиков может по-своему определить требования к сложности тестовых заданий, и тогда совокупная сложность таких тестов будет несопоставимой. Очевидно, что и результаты тестирования в этих случаях будут различны - при одном и том же уровне подготовки студенты, выполняющие задания меньшей сложности, получат более высокие оценки, чем те, кто выполнял задания повышенной сложности.
Приведенные примеры свидетельствуют, что тестирование, основанное на большинстве современных методик, по-прежнему остается необъективным, и если не принимать меры, то подмена устного экзамена тестированием не будет способствовать повышению достоверности результатов контроля. Одновременно с этим исключение преподавателя из процесса контроля не позволяет задействовать диагностические возможности преподавателя, значение которых трудно переоценить.
Только преподаватель сможет за внешне невыразительным ответом (путем беседы, дополнительных, уточняющих, наводящих вопросов) выявить, что же на самом деле знает студент, и не связан ли такой ответ просто с его излишним волнением. Именно опытный преподаватель часто способен уже на начальном этапе контроля установить уровень знаний студента и перейти к следующей теме или прервать экзамен, проставив оценку по результатам полученных ответов. В то время как при тестировании, несмотря на очевидность полученных результатов, может потребоваться проведение экзамена в полном объеме.
Значительно больше возможностей у преподавателя и при формулировании текста вопроса - не только с учетом полученных от студента ответов, но и в зависимости от содержания контролируемого учебного материала. Для дисциплин, требующих нестандартного мышления и неформализованного подхода, трудно составить адекватные и простые в изложении тестовые задания, и тогда они будут крайне сложны для понимания студентами. Хорошо подготовленный студент может быть плохо сосредоточен и с трудом понимать содержание излишне сложных формулировок таких заданий или заданий, специально запутанных. Не исключено, что неудачный ответ студента будет связан исключительно с неточностью самих формулировок. В то же время даже плохо подготовленному студенту, помимо возможности простого угадывания, часто достаточно воспользоваться простейшими логическими умозаключениями, чтобы правильно выполнить задание.
Поэтому, при неуклонном и постоянно расширяющемся применении тестовых форм контроля, существует настоятельная необходимость в создании модели тестового контроля, которая, используя все преимущества теста, при этом максимально опиралась бы на отечественные традиции активного участия преподавателя в диагностировании успешности обучения студен-
тов. Для решения поставленной задачи авторами разработана имитационная модель, которая сочетает технологические возможности компьютеризированного тестирования с математическим обоснованием процедур принятия решений экзаменатором. При этом в части диагностики успешности обучения личность экзаменатора подменяется, насколько возможно, его математической моделью.
Разработка прототипов тестов
Отбор контролируемого материала
Типизация тестовых заданий
Установление уровня сложности
В статьях в журнале «Открытое образование» [2, 3, 4] уже нашли освещение некоторые подходы к проектированию процедур тестирования, разработанные авторским коллективом в 2003/06 гг. Продолжение работ позволило дополнить контроль новыми процедурами, которые в совокупности составили имитационную модель.
На рисунке показана блок-схема многоуровневого тестового контроля знаний, который обладает широкими измерительными возможностями. Согласно приведенной блок-схеме контроль осуществляется в соответствии со следующим алгоритмом.
1. Разработка тестовых заданий.
• Отбор контролируемого материала.
• Типизация тестовых заданий.
• Установление уровня сложности заданий.
• Расчет количества заданий в тесте.
• Формирование теста.
2. Контроль знаний.
• Многоуровневый контроль.
• Использование нечеткой логики.
3. Подведение итогов контроля.
• Оценивание знаний студентов.
• Корректирование тестовых заданий.
• Анализ измерительной способности.
4. Статистический анализ неизменности условий тестирования.
Разработка тестов начинается с отбора материала для контроля. Имитационная модель предполагает, что эта часть работы, как и во всех остальных моделях тестирования, выполняется экспертами из числа преподавателей или методических работников. При отборе материала эксперты, в первую очередь, руководствуются, целями тестирования, в соответствии с которыми устанавливается, какие виды знаний и умений наиболее значимы для поставленных целей и какой при этом требуется уровень их усвоения.
После отбора содержания теста переходят к проектированию прототипов тестовых заданий, которые создаются путем Рис. Блок-схема имитационной модели разделения учебного материала на от-
дельные фрагменты, контроль которых возможен с помощью типовых тестовых форм. Прототип задания является результатом соединения содержания с наиболее подходящей для него формой, которая и является способом существования и сохранения содержания. Очевидно, что
Подведение результатов контроля
Оценивание знаний
Корректирование заданий
Анализ измерительной способности
чем больше типовых форм в распоряжении разработчика, тем больше у него возможностей создать прототип, в наибольшей степени отвечающий содержанию контролируемой дисциплины или темы. Так, если нужно проконтролировать знание одной из хронологических дат, то задание можно сформулировать по типу множественного выбора - привести в ответе несколько дат, одна из которых будет верной. Однако правильнее использовать тип задания на введение символов. В этом случае студент во время ответа должен самостоятельно вписать в поле ввода правильную дату. Преимущество такой формулировки задания состоит в том, что студент не видит и, вследствие этого, не запоминает неправильные ответы. Кроме того, он не может отгадать ответ. Аналогично, если нужно проконтролировать знание некоторой хронологической очередности событий, то следует использовать тип теста на воссоздание правильной последовательности и тому подобное. В целом в предлагаемой имитационной модели классификации выделено 13 типов тестовых заданий, из них четыре впервые предложены авторами -на позиционирование рисунка, последовательность действий, последовательный выбор и управление [5].
В качестве численной характеристики уровня сложности тестовых заданий предлагается оставить традиционно используемую меру - весовой коэффициент. При этом для вычисления весовых коэффициентов в имитационную модель добавлены процедуры проектировочного расчета (выполняется на этапе проектирования тестовых заданий) и корректировочного расчета (выполняется по итогам тестирования). Основой проектировочного расчета является экспертное оценивание, построенное на базе метода попарных сравнений. Проведение такой экспертизы наиболее оправдано при большом числе заданий в тесте, когда сложно выдержать общую стратегию и установить для каждого из заданий сопоставимую меру сложности. Расчетные значения коэффициентов сложности корректируются с учетом результатов, достигнутых студентами во время выполнения тестового задания. Окончательное значение коэффициента сложности задания назначается исходя из интегрального ранга, величина которого устанавливается тем выше, чем больше правильных ответов на вопрос дали студенты [3].
Определение меры сложности тестовых заданий позволяет перейти к решению следующей задачи, которая непременно встает перед проектировщиком, - установить требуемое количество заданий в тесте. Завышение количества заданий и их сложности, с одной стороны, может привести к тому, что лишние задания, вместо уточнения оценки знаний, просто продублируют уже полученные результаты. С другой стороны, увеличивается время, необходимое студенту для выполнения тестов, которые состоят из большого числа заданий. Это приводит к утомляемости студента, его реакция затупляется, и он может допустить ошибки во время ответов, что будет связано не с незнанием учебного материала, а с невнимательностью. Важным, особенно для отечественных вузов, является увеличение машинного времени, которое необходимо выделить в компьютерном классе для проведения тестового контроля. Необоснованное уменьшение количества заданий приводит к тому, что оценка, которую студент получает по результатам тестирования, во многом становится случайной, поскольку вопросы не охватывают весь материал темы, и учебный материал, усвоенный студентом в недостаточной мере, может оказаться просто не включенным в тест. В имитационной модели методика выбора рационального количества тестовых заданий строится, исходя из очевидного предположения, что во время формирования тестов следует учитывать как количество, так и сложность каждого из заданий, которые входят в общую систему тестирования [3]. При этом общее количество тестовых заданий определяется таким образом, чтобы совокупная сложность заданий одного теста была бы сопоставима со сложностью заданий другого теста. (Например, чтобы иметь возможность сравнивать результаты тестирования по физике и химии, необходимо, чтобы суммарная сложность заданий в тестах по каждой из этих дисциплин была бы сопоставима между собой).
Как правило, тестовые задания имеют разную степень сложности, что отображается при назначении коэффициентов сложности, величина которых также может быть неодинакова. Поскольку задания для включения в тест отбираются случайным образом, а методика расчета количества заданий исходит из того, что их суммарная сложность является величиной детерминированной, формировать тесты следует с использованием генетических алгоритмов. В соответствии с ними процесс формирования теста рассматривается как последовательная смена популяций из особей, геномы которых представляют собой случайный набор тестовых заданий разной сложности [5]. Для генерирования вариантов формирования теста (особей новых популяций) последовательно применяются операторы отбора, скрещивания, мутации и выживания. Такое циклическое выполнение операторов повторяют до тех пор, пока не будет достигнут оп-
тимум или же не пройдет установленный эволюционный период. Заложенные в генетическом алгоритме механизмы эволюции обеспечивают в имитационной модели оптимизацию теста по критериям совокупной сложности и значимости контролируемого учебного материала, что позволяет устанавливать количество заданий в основной и дополнительной сессиях тестирования.
По аналогии с тем, как при устном экзамене преподаватель может продолжить контроль и задать дополнительные вопросы для выяснения истинных знаний студентов, в имитационной модели предусмотрено проведение основной и дополнительных сессий контроля. Для реализации многоуровневого контроля разработана процедура, при которой математически точные критерии необходимости проведения дополнительной сессии устанавливаются с помощью аппарата статистического анализа, традиционно используемого в машиностроении для разработки планов выборочного приемочного контроля.
Заключение об уровне успешности обучения делается на основании статистической обработки результатов тестирования и вычисления математического ожидания значений приемочного и браковочного критериев [3]. Окончательный вывод о необходимости проведения дополнительной сессии делается по результатам сопоставления набранной суммы баллов с расчетными критериями. Так, если набранное студентом количество баллов больше приемочного числа, то его знания оцениваются как достаточные для соответствующего уровня успешности. Когда количество баллов меньше браковочного числа, делается заключение, что студент знает контролируемый материал ниже, чем предусмотрено оценкой данного уровня успешности. При количестве баллов в интервале между приемочным и браковочным числами принимается решение о невозможности вынести суждение об истинных знания студента и проводятся дополнительные сессии тестирования. По результатам каждой из дополнительных сессий подводятся текущие итоги и рассчитывается сумма баллов, набранная в основной и дополнительной сессиях. Если общая сумма баллов больше приемочного числа, то делается вывод о том, что студент знает контролируемый учебный материал на соответствующем уровне. Иначе указывается на то, что знания студента недостаточны. Тестовый контроль прекращается и считается, что знания студента оценены. Для расширения возможностей имитационной модели в части проведения дополнительных сессий изменен генетический алгоритм определения состава тестовых заданий и в оператор выживания добавлен критерий, учитывающий результаты предварительных сессий тестирования. По нему вероятность включения задания в дополнительную сессию контроля тем выше, чем менее успешно в текущих сессиях студент справился с заданиями из той же темы.
Методика тестирования, построенная на имитационной модели, выгодно отличается от большинства существующих методик тем, что, подобно устному экзамену, дает студенту возможность выразить свои сомнения в правильности ответа в случае, если имеющиеся у него знания не позволяют дать однозначный ответ на поставленный вопрос. Для реализации такой возможности в модели используется математический аппарат нечеткой логики. Экзаменуемому во время традиционного тестового контроля всегда нужно дать однозначный ответ на поставленный вопрос, выбрав один из предложенных вариантов ответа или сформулировав из ограниченного набора слов, букв, цифр или графических символов собственный вариант ответа. Отвечая, студент должен создать формулировку, которая содержала бы вывод об истинности высказанного суждения в терминах строгой логики и не может выразить сомнение или указать, насколько, по его мнению, ответ отличаться от истины. Однако применение аппарата нечеткой логики допускает оперирование не только классическими значениями логических переменных «ложь» и «истина», но и употребление их промежуточных значений, плавно переходящих от одного крайнего значения («ложь») к другому крайнему значению («правда»). При этом для преобразования нечеткого множества в единственное решение, принимаемое на основе нечетких логических утверждений, используется центр тяжести функции принадлежности нечеткого множества из констатирующей части утверждения [2]. Таким образом, студент освобождается от необходимости домысливать ответ, выходя за область собственных знаний и внося тем самым дополнительную погрешность в результаты тестирования.
В настоящее время при проведении тестового контроля доминирует подход, при котором результирующая оценка проставляется, исходя из промежуточных баллов, полученных студентом при выполнении каждого из тестовых заданий. При всех вариациях, которые возможны в технологиях тестирования, оценка, как правило, устанавливается соотнесением суммы набранных баллов с какой-либо линейной, реже нелинейной, шкалой оценивания. Градуировку такой шкалы обычно задают, исходя из вероятности отгадывания ответа или же на основе эксперт-
ных оценок. Однако оба варианта построения такой шкалы оценок не являются наилучшими. В первом случае использование подобной шкалы будет оправдано, если предполагаемая ею вероятность случайного правильного ответа наступит, - студент, не зная ответ на вопрос, действительно начнет угадывать ответ. Но оценка знаний будет явно занижена, если вероятность угадувания не наступит, - студент знает ответ и правильно отвечает на вопрос. Эмпирические же шкалы не являются универсальными, и для их построения необходимо проводить экспертизы максимально часто, т.к. постоянно изменяющиеся условия, в которых приобретаются знания, в значительной степени предопределяют усилия, затрачиваемые студентами для достижения того или иного уровня знаний.
В связи с этим в имитационной модели для построения шкалы оценивания реализован подход, основанный на сопоставлении результатов выполнения тестовых заданий группой студентов. Так же, как при устном контроле, преподаватель, определяясь с оценкой, принимает во внимание не только свои представления о полноте и правильности ответа, но и учитывает то, как отвечали другие студенты, в имитационной модели шкала оценивания строится по распределению оценок в тестируемых группах. В этих целях адаптирован метод построения пятикри-териальной шкалы (А, В, С, Б, Б) [6] применительно к п-критериальной шкале [4]. Исходя из того, что результаты тестирования подчиняются нормальному закону (в соответствии со свойствами нормального распределения диапазон [Хср-3с, Хср +3с] включает 99,7% всех ответов), при градуировке четырехкритериальной шкалы принимается, что студенты, набравшие количество баллов больше, чем абсолютное большинство других студентов (больше [Хср + 3с]), заслуживают оценки отлично, т.е. признания их отличия в способности к обучению. И, зеркально, успешность обучения студентов, набравших при тестировании сумму баллов меньше остальных (меньше [Хср - 3с]), должна быть признана неудовлетворительной. Успешность обучения студентов, получивших количественную оценку знаний, такую же, как и большинство студентов тестируемой группы, но все-таки выше, чем средний показатель по группе ([Хср, Хср +3с]), считается хорошей. У студентов, при тех же условиях набравших баллов меньше, чем в среднем по группе ([Хср -3с, Хср]), успешность обучения оценивается на «удовлетворительно». Для построения п-критериальной шкалы диапазон [Хср-3с, Хср +3с] дифференцируется вводом промежуточных интервалов, кратным целым долям с. Учитывая, что изменение содержания занятий или их организационно-методического обеспечения оказывает примерно одинаковое воздействие на всех студентов, метод дает возможность при подведении результатов тестового контроля в новых условиях переходить к показателям успешности обучения без выполнения каких-либо дополнительных экспертиз - на основе выборочных характеристик параметров распределения количественных оценок, выраженных в баллах.
Разработанное в рамках имитационной модели математическое обоснование принимаемых экзаменатором решений в значительной мере смягчает недостатки компьютеризированного тестирования как инструмента педагогических измерений. Одновременно с этим модель дополнена процедурами проверки измерительных возможностей тестовых заданий и теста в целом с помощью адаптированных показателей различительной способности и надежности, а также вновь предложенных вероятностных характеристик недопустимости крайних оценок и анормально затраченного на выполнение задания времени. Для выявления тестовых заданий с неудовлетворительной измерительной способностью в имитационной модели предлагается использовать характеристики недопустимой вероятности (более 95%) получения по результатам выполнения задания только наивысших или только неудовлетворительных оценок и недопустимой вероятности анормально затраченного времени [3]. Различительная способность тестового задания оценивается по величине индекса дискриминации [7]. Степень надежности теста характеризуется корреляцией оценок, полученных по результатам выполнения заданий, составляющих разделенные части теста [8] (в имитационной модели внесено изменение в части разделения теста - отбор заданий выполняется случайным образом, но так, чтобы суммарная сложность заданий обеих частей теста была одинакова). Применение математических методов для вычисления статистически определяемых характеристик отдельных тестовых заданий и тестов в целом дает возможность выявить возможные скрытые дефекты, которые не удается определить с помощью экспертных методов и как результат конструировать тесты с наилучшими статистическими свойствами. На основе этого подхода в имитационной модели предлагается из набора прототипов тестовых заданий исключить те, которые не удовлетворяют совокупности требований к качеству, сформировать тест из заданий, отвечающих установленным критериям, и провести проверку качества теста в целом.
Уровень знаний и успешность обучения являются интегрирующим проявлением большого числа факторов, действующих в процессе обучения. То, насколько хорошо студенты сдадут экзамен, зависит и от самих студентов, и от преподавателей, и от методического, организационного обеспечения учебного процесса и т.д. Любые изменения в учебном процессе, в том числе и в процедурах контроля, могут привести к искажению статистической картины тестирования. В имитационной модели большинство решений принимается на основе статистического анализа результатов выполнения тестовых заданий, и поэтому перед принятием решений необходимо оценить статистическую существенность внесенных в течение семестра изменений. Сделать это можно по величине коэффициента достоверности статистических отличий [9], который применительно к достоверности отличия в результатах тестирования можно выразить зависимостью
Ко =
*
B - B
cp cp
* *
где ВСр, ВСр, Ьзыш, Аsum - статистические характеристики, рассчитываемые по всем баллам (Вг- j ), по-
(* *
Атом + Аsum п + п лученным всеми студентами при выполнении всех заданий
до и после (*) внесения изменений в учебный процесс;
п (п*) - количество активных тестовых заданий до и после (*) внесения изменений в учебный процесс.
* * n + n - 2 n ■ n
f n m \2
n m
n m
EZB
l j=1i=1
h j
J
где m - количество студентов, выполнявших j-е тестовое задание.
m
Asum = Y^Bf, j2 j=li=1
Достоверность отличий проверяется по критерию Стьюдента (Ск). Если Ко < Ск, то делается вывод об отсутствии статистически значимых изменений в учебном процессе за время, прошедшее после последнего из проведенных тестовых контролей, и подведение итогов тестирования следует делать по обобщенной выборке. Если Ко> Ск, то следует считать, что такое
влияние установлено, и рекомендуется в статистических оценках не учитывать результаты, полученные на предыдущих сессиях тестирования.
Все предлагаемые имитационной моделью нововведения реализованы в компьютерном программном комплексе SSUquestionnaire, который предназначен для компьютеризированного и безмашинного тестового контроля знаний.
Программный комплекс состоит из WWW-модуля, серверной и клиентской частей.
WWW-сервер Microsoft Internet Information Services 5.1 и выше.
Браузером при сдаче теста может быть Internet Explorer версии 5.5 и выше.
Исполняющей средой является платформа Microsoft .NET 3.5.
База данных реализована на SQL Server 2008 (возможно использование SQL Server Express).
Корректность работы гарантируется на платформе Microsoft Windows 2000/XP/2003/Vista.
Аппаратное обеспечение - любой компьютер, обеспечивающий функционирование названных программ.
Компьютеризированный контроль может осуществляться с использованием сетевых технологий или генерированием тестовых заданий с последующим контролем на локальной машине. При безмашинном контроле формируются бланки тестовых заданий для студентов и карточки ответов по вариантам заданий. Основным является режим сетевого контроля, в котором в полном объеме задействованы все процедуры имитационной модели. Реализованная в нем технология тонкого клиента повышает защищенность сетевых сессий тестирования от вмешательства извне, а ведение текстового лог-файла, аудио-, фото- и видеопротоколов позволяет документировать процесс тестирования и облегчает идентификацию студентов.
(Более подробная информация о программном комплексе приведена по адресу www.test.sumdu.edu.ua).
В заключение следует отметить, что теоретико-методическая модель имитационного тестового контроля предоставляет возможность принимать математически точные проектные решения для большинства типовых процедур разработки, проведения и подведения итогов контроля, которые традиционно возлагались на преподавателя и, в силу его отчужденности при компьютеризированном тестировании, наиболее чувствительны для внесения погрешностей в
Методическое обеспечение
результаты измерений. Авторы не опровергают того факта, что любое тестирование, в том числе и на основе имитационной модели, не позволяет полноценно заменить экспертную экзаменационную комиссию, в которой субъективные мнения и педагогический опыт отдельных преподавателей дают возможность в интегральном выражении получить наиболее полную и объективную оценку учебных достижений студентов. Однако создание таких комиссий ограничено экономическими соображениями и реализуется в редких случаях, когда создаются различного рода контролирующие комиссии для констатации невозможности освоения студентом учебной дисциплины, в спорных случаях и т. п. Большинство вузов вынуждены строить свою практическую деятельность в условиях современных рыночных отношений и в связи с необходимостью снижения затрат на обучение все в большей мере переходить к тестовым формам контроля. Предлагаемое в рамках модели математическое обоснование принимаемых экзаменатором решений в значительной мере поможет смягчить недостатки компьютеризированного тестирования как инструмента педагогических измерений, но не устранит их полностью.
Литература
1. Airasian P. W. Classroom assessment, 3rd ed. - New York: McGraw-Hill, 1997. - 416 р.
2. Алексеев А.Н., Волков Н. И., Кочевский А. Н. Элементы нечеткой логики при программном контроле знаний // Открытое образование. - 2003. - № 4. - С. 23-25.
3. Алексеев А.Н., Волков Н.И., Майорова Т.А. К вопросу о повышении достоверности оценки при тестовом контроле знаний // Открытое образование. - 2004. - № 3. - С. 27-32.
4. Алексеев А.Н. К вопросу о количественном оценивании результатов тестового контроля знаний // Открытое образование. - 2006. - № 4. - С. 45-51.
5. Алексеев А.Н. Дистанционное обучение инженерным специальностям. - Сумы: «Университетская книга», 2005. - 333 с.
6. TenBrink T. D. An educator's guide to classroom assessment. - Boston: Houghton Mifflin, 2003. - 55 p.
7. Сакаева С.Р. Тестирование как метод повышения эффективности и объективности контроля знаний в общеобразовательной школе (на примере школьного курса физики) школи: Дис... канд. пед. наук: 13.00.01. -Ижевск, 1997. - 121 с.
8. Дружинин В. Н. Экспериментальная психология. - СПб: Питер, 2000. - 320 с.
9. Платонов А.Е. Статистический анализ в медицине и биологии: задачи, терминология, логика, компьютерные методы.. - М.: РАМН, 2000. - 52 с.
УДК 004.4*27
ОБОБЩЕННЫЙ ИНТЕРФЕЙС СИСТЕМЫ ДЛЯ ОБУЧЕНИЯ МАССОВЫХ ПРОФЕССИОНАЛЬНЫХ ПОЛЬЗОВАТЕЛЕЙ
Григорьев В.К., к.т.н., доц. каф. МОВС Тел.: (495) 434-91-32; E-mail: [email protected] Московский государственный институт радиотехники, электроники и автоматики (технический университет) http://www.mirea.ru
The article deals with the interface learning system oriented to the mainstream business users on the basis of situational learning method. The correspondence of the UI elements and models of learning is designed. The results of Experimental research of the generic interface of the learning system and examples of learning systems of this type are provided.
