Научная статья на тему 'Информационная система для оценки адаптации иностранных студентов'

Информационная система для оценки адаптации иностранных студентов Текст научной статьи по специальности «Компьютерные и информационные науки»

CC BY
430
81
i Надоели баннеры? Вы всегда можете отключить рекламу.
Ключевые слова
АДАПТАЦИЯ / ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ / РЕШАЮЩИЕ ПРАВИЛА / ПСИХОДИАГНОСТИЧЕСКОЕ ИССЛЕДОВАНИЕ / ADAPTATION / INFORMATION TECHNOLOGY / DECISION RULE / PSYCHO-DIAGNOSTIC TESTING

Аннотация научной статьи по компьютерным и информационным наукам, автор научной работы — Шевелев Геннадий Ефимович, Кабанова Людмила Игоревна, Михальченко Екатерина Валентиновна

Предложена информационная технология, содержащая решающие правила для формирования классификации на основе сопоставления личных данных абитуриента с набором психологических качеств, необходимых для оценки адаптации иностранных студентов. Поставленная задача реализована в системе управления базами данных MS Access с помощью программных модулей на языке VBA и языка структурированных запросов SQL. Разработанная информационная система запущена в опытную эксплуатацию в институте Кибернетики ТПУ. Полученные результаты будут использоваться в институте международного образования и языковых коммуникаций ТПУ для разработки корректирующих мероприятий по адаптации иностранных студентов.

i Надоели баннеры? Вы всегда можете отключить рекламу.

Похожие темы научных работ по компьютерным и информационным наукам , автор научной работы — Шевелев Геннадий Ефимович, Кабанова Людмила Игоревна, Михальченко Екатерина Валентиновна

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.
i Надоели баннеры? Вы всегда можете отключить рекламу.

Текст научной работы на тему «Информационная система для оценки адаптации иностранных студентов»

УДК 004.09

ИНФОРМАЦИОННАЯ СИСТЕМА ДЛЯ ОЦЕНКИ АДАПТАЦИИ ИНОСТРАННЫХ СТУДЕНТОВ

Г.Е. Шевелев, Л.И. Кабанова, Е.В. Михальченко

Томский политехнический университет E-mail: gshevelyov@gmail.com

Предложена информационная технология, содержащая решающие правила для формирования классификации на основе сопоставления личных данных абитуриента с набором психологических качеств, необходимых для оценки адаптации иностранных студентов. Поставленная задача реализована в системе управления базами данных MS Access с помощью программных модулей на языке VBA и языка структурированных запросов SQL. Разработанная информационная система запущена в опытную эксплуатацию в институте Кибернетики ТПУ. Полученные результаты будут использоваться в институте международного образования и языковых коммуникаций ТПУ для разработки корректирующих мероприятий по адаптации иностранных студентов.

Ключевые слова:

Адаптация, информационные технологии, решающие правила, психодиагностическое исследование.

Среди многообразных направлений международной деятельности российских университетов важное место традиционно занимает обучение иностранных студентов [1, 2]. Активность в этой области обусловлена двумя главными соображениями:

• международный рынок образовательных услуг открывает широкие возможности бизнеса в области образования, что влечёт несомненные экономические выгоды;

• обучение иностранных студентов - один из действенных инструментов реализации геополитических интересов государства Российской Федерации.

Таким образом, адаптация иностранных студентов стала важным фактором международной политики и экономики, игнорировать который в современном мире невозможно. Целостной концепции социально-психологической адаптации на сегодняшний день не разработано, чаще всего под ней понимают личностную адаптацию, т. е. адаптацию личности к социальным проблемным ситуациям, привыкание индивида к новым условиям внешней среды с затратой определенных сил, взаимное приспособление индивида и среды. На сегодняшний день проблема оценки адаптации иностранных студентов актуальна и для Томского политехнического университета.

Различают несколько форм адаптации [1-3]:

• дезадаптация - характеризуется недифференцированностью целей и видов деятельности человека, сужением круга его общения и решаемых проблем, неприятием норм и ценностей социальной среды;

• пассивная адаптация - предполагает принятие индивидом норм и ценностей по принципу «быть как все» (цели и виды деятельности просты, круг общения и решаемых проблем несколько шире по сравнению с дезадаптацией);

Шевелев Геннадий Ефимович, канд. физ.-мат. наук, доцент кафедры прикладной математики Института кибернетики ТПУ.

E-mail: gshevelyov@gmail.com Область научных интересов: компьютерные технологии, прикладной анализ данных. Кабанова Людмила Игоревна, канд. физ.-мат. наук, доцент кафедры прикладной математики Института кибернетики ТПУ.

E-mail: live@tpu.ru Область научных интересов: компьютерные технологии. Михальченко Екатерина Валентиновна, канд. филос. наук, доцент кафедры менеджмента инженерно-экономического факультета ТПУ.

E-mail: caty-mp@yandex.ru Область научных интересов: психология, онтология, теория познания.

• активная адаптация - способствует успешной социализации, т. е. индивид не только принимает нормы и ценности социальной среды, но и строит на их основе свою деятельность и отношения с людьми, главной целью становится полная самореализация, круг общения и интересов значительно расширяется.

В рамках этой работы были выбраны психодиагностические методики для оценки адаптации иностранных студентов, разработан алгоритм обработки результатов психологического тестирования студентов, проведено исследование и анализ результатов.

Предлагаемая информационная технология включает:

• формирование (на основе анализа литературных источников и мнений экспертов) набора методик для оценки адаптации;

• сбор экспериментальных данных;

• создание базы данных, содержащей сведения об иностранных студентах, обучающихся в ТПУ;

• методы анализа данных и визуализацию результатов (в виде графиков и диаграмм);

• создание информационной системы (рис.1).

Рис. 1. Информационная система

Для оценки достоверности результатов психодиагностических исследований учитывались следующие требования к выбранным методикам [4-6]: валидность, надежность, однозначность методики, точность. Набор методик (психологических тестов) должен быть, во-первых, достаточно полным, позволяющим оценить каждое качество в отдельности, и, во-вторых, выбранные методики должны удовлетворять набору психологических качеств, необходимых для успешной адаптации.

Для оценки адаптации иностранных студентов использовались методики [5]:

• Гиссенский опросник, выявляющий интенсивность эмоционально окрашенных жалоб по поводу физического самочувствия.

• Диагностика самооценки Ч.Д. Спилберга, Ю.Л. Ханина, которая определяет уровень личностной и реактивной тревожностей студента.

• Дифференциальная диагностика депрессивных состояний В. Зунга, которая определяет уровень депрессии человека.

• Тест И. Вассермана для диагностика уровня социальной фрустрированности.

• Тест Г. Айзенка для диагностики самооценки психических состояний.

• Цветовой тест М. Люшера для определения работоспособности, наличия стрессового состояния и уровня дезадаптивности студента.

Функционально-структурная модель информационной структуры представлена на рис. 2.

Требования к информационной системе

Требования к методологиям тестирования

Требования к пользовательскому интерфейсу

I

I

Информация

Информационная система для оценки адаптации

Результаты

тестирования

і

і

Разработчики

(программисты)

Информационные

инструменты

Эксперт

Рис. 2. Функционально-структурная модель информационной структуры

На создание информационной системы оказывают влияние следующие факторы:

• информация, на основе которой создается система (на входе);

• результаты, полученные в ходе тестирования, проведенного системой (на выходе);

• «управление» - требования, оказывающие влияние на разработку и функционирование системы;

• «механизм», обозначающий как человека (в данном случае разработчиков и экспертов), так и необходимые средства, обеспечивающие работоспособность системы.

Участники принятия решения могут придерживаться различных точек зрения на рассматриваемую проблему. Поэтому важным фактором группового выбора является поиск согласованных оценок. В соответствии с этим под групповым выбором обычно понимается выработка согласованного решения о порядке предпочтения рассматриваемых объектов на основе индивидуальных мнений членов группы.

Предметом группового решения может быть любая задача рационального выбора как конечная, так и подготовительная. К подготовительным относятся задачи отбора признаков, предназначенных для оценивания объектов, структурирования признаков и определения их значимости. К конечным относятся все три группы задач - отбора, ранжирования и выбора наилучшего варианта [7].

Задача построения решающих правил относится к задачам распознавания образов. Для построения решающих правил были выбраны логические методы. В этом случае решающее правило имеет вид логических закономерностей (правил). Для повышения надежности результатов (рекомендаций) на заключительном этапе использовался метод голосования, суть которого заключается в следующем:

Пусть для каждого класса с с У построено множество логических закономерностей, специализирующихся на различении объектов данного класса:

Считается, что если (х) = 1, то правило относит объект х с X к классу с. Если же фс (х) = 0 , то правило ц>с воздерживается от классификации объекта х. Алгоритм простого голосования подсчитывает долю правил в наборах Л,, относящих объект х к каждому из классов:

В результате, объект х будет отнесен к тому классу, за который подана наибольшая доля голосов:

Л = {ч>С :X^{0,1}|* = \...,ТС}

а(х) = arg max Гс (х).

Если максимум достигается одновременно на нескольких классах, выбирается тот, для которого цена ошибки меньше.

Нормирующий множитель — вводится для того, чтобы наборы с большим числом пра-

Т

вил не перетягивали объекты в свой класс.

Алгоритм взвешенного голосования действует более тонко, учитывая, что правила могут иметь различную ценность. Каждому правилу р‘с приписывается неотрицательный вес «, и при голосовании берется взвешенная сумма голосов:

Гс(x) = (x)-> а1 ^ 0

t=1

Веса принято нормировать на единицу: ^«С = 1, для всех с с У. Поэтому функцию

Гс(х) называют также выпуклой комбинацией правил рс,...,рсс. Очевидно, простое голосова-

1

ние является частичным случаем взвешенного, когда все веса одинаковы и равны — .

Тс

Алгоритм решения задачи оценки адаптации представлен в виде следующих этапов:

1. Программная реализация выбранных методик: Гиссенский опросник, диагностика самооценки Ч.Д. Спилберга, Ю.Л. Ханина, дифференциальная диагностика депрессивных состояний В. Зунга, тест И. Вассермана, тест Г. Айзенка, цветовой тест М. Люшера.

2. Ввод исходных данных, представленных в виде результатов тестирования студентов.

3. Компьютерная обработка исходных данных в соответствии с выбранным методом голосования.

4. Если один из признаков объекта (студента) совпадает с соответствующим признаком образца (класса), то элемент ау = 1 матрицы вывода заключения Атхп, где т - количество классов, п - число признаков, и сравнение происходит по всем признакам для всех образцов до полного заполнения матрицы Атхп.

5. Суммирование числа голосов по строкам полученной матрицы и составление вектора столб-

Г £ ^

ца количества голосов для всех имеющихся классов: S =

1

S-,

V Sn У

6. Выбор образца (класса), получивший максимальное число голосов. Составление приоритетов по образцам (классам) в зависимости от полученного числа голосов (по убыванию).

Поставленная задача оценки адаптации иностранных студентов ТПУ реализована в системе управления базами данных MS Access с помощью программных модулей на языке Visual Basic for Application и языка структурированных запросов SQL.

Совокупность таблиц для сохранения личностной информации каждого студента: Студент, Группа, Кафедра, Институт, Гражданство, Фактический Адрес.

Составляющие каждой таблицы:

• Гражданство: Код_гражданства (ключ), Страна. Эта таблица предназначена для хранения информации о гражданствах студентов.

• Группа: Код_группы (ключ), Код_кафедры, Код_специальности, Группа. Эта таблица предназначена для хранения информации о группах, в которых студенты учатся.

• Институт: Код_института (ключ), сокращение, название и сайт.

• Кафедра: Код_кафедры (ключ), Код_института, сокращение, название и сайт.

• Студент с полями: Код_студента (ключ), Код_группы, Фамилия, Имя, Отчество, Пол, Да-та_рождения, Курс, Ф_И_О (Фамилия+Имя+Отчество) и код_гражданства. Эта таблица предназначена для хранения информации о студентах.

T

t=1

Подсистема оценки адаптации включает блок тестирования: Гиссенский опросник, Диагностика самооценки Ч.Д. Спилберга, Ю.Л. Ханина, Дифференциальная диагностика депрессивных состояний В. Зунга, Тест И. Вассермана, Тест Г. Айзенка и Цветовой тест М. Люшера. Для каждого теста имеются 2 таблицы - высказываний (утверждений) и результата. Связь между этими таблицами обусловлена следующей схемой (рис. 3).

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

Рис. 3. Связь между таблицами

В настоящее время разработанная информационная система запущена в опытную эксплуатацию в институте Кибернетики ТПУ. Полученные результаты будут переданы в институт

международного образования и языковых коммуникаций ТПУ для разработки корректирующих мероприятий по адаптации иностранных студентов.

СПИСОК ЛИТЕРАТУРЫ

1. Обучение иностранных граждан в высших учебных заведениях Российской Федерации. Вып. 5: статистический сборник / сост. А.Л. Арефьев, А.Ф. Шереги. — М.: Центр социального прогнозирования, 2007. - 128 с.

2. Арефьев А.Ф. Российские вузы на международном рынке образовательных услуг. - М.: Центр социального прогнозирования, 2007. - 700 с.

3. Фаерман А.В. Корпоративная культура ТПУ и иностранные студенты // Бизнес и этика: Труды III региональной научно-практ. конференции студентов, молодых ученых и предпринимателей. - Томск, 2005. - С. 122-123.

4. Абунавас Х.А., Берестнева О.Г. Модели и алгоритмы адаптации субъектов профессиональной деятельности к условиям производственной среды // Известия Томского политехнического университета. - 2009. - Т. 314. - № 5. - С. 216-220.

5. Берестнева О.Г., Марухина О.В., Шевелев Г.Е. Использование результатов психологического тестирования для измерения компетентности студентов технических университетов // Информатика и образование. - 2009. - Вып. 4. - С. 106-108.

6. Дюк В., Самойленко А. Data Mining: учебный курс. - СПб: Питер, 2001. - 368 с.

7. Берестнева О.Г., Марухина О.В., Шевелев Г.Е., Миненко Л.И., Щербаков Д.О. Использование результатов экспертного оценивания для измерения компетентности студентов и выпускников технических университетов // Известия Томского политехнического университета. - 2009. - Т. 315. - № 5. - С. 199-203.

Поступила 10.12.2011 г.

i Надоели баннеры? Вы всегда можете отключить рекламу.