CC BY
80
УДК 004.09
ИНФОРМАЦИОННАЯ СИСТЕМА ДЛЯ ОЦЕНКИ АДАПТАЦИИ ИНОСТРАННЫХ СТУДЕНТОВ
Г.Е. Шевелев, Л.И. Кабанова, Е.В. Михальченко
Томский политехнический университет E-mail: [email protected]
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: [email protected] Область научных интересов: компьютерные технологии, прикладной анализ данных. Кабанова Людмила Игоревна, канд. физ.-мат. наук, доцент кафедры прикладной математики Института кибернетики ТПУ.
E-mail: [email protected] Область научных интересов: компьютерные технологии. Михальченко Екатерина Валентиновна, канд. филос. наук, доцент кафедры менеджмента инженерно-экономического факультета ТПУ.
E-mail: [email protected] 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).
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.
