CC BY
83
ИНФОРМАЦИОННАЯ СИСТЕМА ПРИНЯТИЯ РЕШЕНИЙ ПО ФОРМИРОВАНИЮ ИНДИВИДУАЛЬНЫХ УЧЕБНЫХ ПЛАНОВ
Глущенко А.И.
(Старооскольский технологический институт (филиал государственного образовательного учреждения высшего профессионального образования «Московский государственный институт стали и сплавов (технологический университет)», Старый Оскол) strondutt@mail.ru
Изложена проблема объективности составления индивидуальных адаптивных учебных планов. Предложена функциональная схема информационной системы для автоматизированного составления учебного плана. Изложен формализованный метод количественной оценки знаний и способности к усвоению материала студентом, а также методика включения студента в проектирование учебного палана.
Ключевые слова: индивидуальный учебный план, адаптивное тестирование, объем знаний студента, скорость усвоения информации.
В последнее время тенденция к сокращению количества студентов на дневном отделении в связи с демографическим кризисом заставляет высшие учебные заведения более широко использовать другие формы получения образования (дистанционная, заочная, сокращенная), тем самым, сохраняя число обучаемых. Особый интерес представляют студенты, поступившие в вуз после завершения колледжей, лицеев, и имеющие достаточный опыт работы на производстве в данной области. Такие студенты уже имеют некоторый уровень подготовки, что дает им возможность обучаться по индивидуальному плану.
В современных высших учебных заведениях составление учебных планов осуществляется на основе образовательных стандартов в сочетании с экспертными оценками заведующих кафедр и опытом и интуицией преподавателей, опирающихся на свои субъективные представления о месте и роли каждой дисциплины.
Особенно остро проблема объективности принимаемых решений стоит при составлении индивидуальных учебных планов, в которых предусматривается частичный перезачет дисциплин по итогам предшествующего образования. Кроме того, студенты, пришедшие в высшее учебное заведение после лицеев, колледжей, поступившие после длительного перерыва в учебе, как правило, нуждаются в адаптации к обучению в высшей школе. Это связано с различием систем обучения, изменением темпа подачи материала, повышением уровня требований.
Решения по этим вопросам принимают преподаватели по соответствующим предметам после беседы со студентом. Однако, во-первых, во многих случаях их субъективная оценка не в полной мере соответствует действительному уровню знаний обучаемого. Это связано с тем, что данная оценка зависит не только от верных или неверных ответов студента на вопросы в процессе беседы, но и от множества субъективных факторов, таких как личные симпатии и антипатии преподавателя, способность студента вести диалог и даже его внешний вид. Во-вторых, в последнее время резко возросло число студентов, желающих обучаться на основе индивидуального плана. Это означает, что значительно увеличилось количество времени, необходимого для составления таких планов, и, соответственно, нагрузка на преподавателей, проводящих собеседования по определению уровня знаний по значительному количеству предметов.
Существовало много попыток автоматизировать процесс составления учебных планов (например, автоматизированная система проектирования содержания обучения В.А. Роменца [6], алгоритмы принятия решений в управлении учебным процессом Л.В. Найхановой [5]). Однако все эти методики направлены
именно на составление рабочих учебных планов в жестком соответствии с государственным стандартом и не решают задачи индивидуального планирования. В то же время, при составлении индивидуального учебного плана решается несколько взаимосвязанных задач, а государственный стандарт и примерный учебный план специальности выступают в качестве необходимых, но не достаточных условий его разработки.
Поэтому актуальной задачей является разработка информационной системы автоматизированного составления адаптивных индивидуальных планов.
Рис. 1. Алгоритм составления адаптивных индивидуальных планов
Построение такой информационной системы представляет собой последовательное решение следующих задач: оценка и количественное выражение исходного уровня знаний студента
по дисциплине; количественное определение скорости усвоения материала по предмету; определение на этой основе объема и продолжительности изучения предмета; сопоставления полученных данных с исходным учебным планом специальности; получение адаптивного индивидуального плана.
На основе указанных задач предлагается алгоритм составления индивидуальных учебных планов (Рис. 1).
За решение каждой из перечисленных задач отвечает соответствующий блок информационной системы, функциональная схема которой представлена на Рис. 2.
Рис. 2. Функциональная схема информационной системы автоматизированного составления адаптивных индивидуальных учебных планов
1. Тестовая программа оценки исходного уровня знаний
Для решения задачи определения исходного уровня знаний предлагается воспользоваться специальным тестированием.
Как правило, тест представляет собой систему заданий определенного содержания, специфической формы, позволяющую качественно и эффективно измерить уровень и оценить подготовленность учащихся, контролировать результат усвоения ими
в процессе обучения знаний и умений. Но в данном случае главной задачей тестирования является не выставление оценки, а выявление уровня подготовки студента. Достигнуть этого возможно лишь в том случае, если студенту будут заданы вопросы, соответствующие его уровню знаний. Для этого тестирование должно быть адаптивным: если задания окажутся слишком сложными или слишком легкими, испытуемый не сможет показать свой уровень подготовки. То есть, тестовая программа должна индивидуализироваться под конкретного студента.
Для достижения этой цели предлагается произвести ранжирование заданий по сложности по методу попарных сравнений [1], где каждому вопросу ставится в соответствие весовой коэффициент, отражающий его трудность. Для реализации этого метода привлекаются независимые эксперты.
Независимые эксперты проводят сравнения заданий из базы вопросов тестирования по принципу «каждый с каждым». Во всех таких парах более сложному вопросу присваивается рейтинг 1, легкому - 0, при равной сложности - по 0.5 балла каждому заданию. Отношение суммарного рейтинга вопроса к числу заданий в базе данных даст весовой коэффициент вопроса, отражающий его трудность:
N
IР!
(1) аг = 1 =1,г *1 ,
N
где аг - весовой коэффициент г-го вопроса, N - количество заданий в базе вопросов, Р1 - рейтинг г-го вопроса относительно 1-го.
Весовые коэффициенты предлагается заключить в интервал [0;1].
При решении задачи адаптивного теста [3] сложность заданий должна находиться в зависимости от ответов испытуемого. Сначала студенту предлагаются несколько вопросов среднего уровня. Если обучаемый правильно отвечает на определенное
количество таких заданий, то сложность последующих заданий повышается, если неправильно - понижается.
Предлагается производить корректировку сложности через каждые три вопроса. Сложность последующих вопросов определяется при помощи адаптивного алгоритма, приведенного на Рис.3.
і3 = і+ 0.1 *ґ
-і-і II -1-і + 0.6 *і
¡4 -1-і II &3 -1-і + 0.4 *£д
і£ = ів + 0.3 * í
іг = ів + 0.1 * *
нет
II Ьз -1-і ін /3
Ір=І
■¿■выход
Рис. 3. Алгоритм корректировки сложности вопросов адаптивного теста
Здесь К - количество верных ответов на три заданных вопроса, £ - сложность этих трех вопросов (весовой коэффициент), £Н - нижняя допустимая граница сложности для последующего вопроса, £В - верхняя допустимая граница сложности для последующего вопроса, 1П - сложность следующих трех вопросов.
Для определения исходного уровня знаний по дисциплине границы сложности заданий предлагается установить в пределах [0; 1]. Студент проходит тестирование, по результатам которого определяется средний уровень сложности заданных вопросов и
средний уровень сложности вопросов, на которые студент дал верные ответы. Поскольку в соответствие с начальными условиями уровень знаний студента не может быть выше средней сложности заданных вопросов, то из двух вычисленных значений берется меньшее.
В соответствии с логистической моделью Раша, чем ближе значения уровня знаний студента и весового коэффициента вопроса, тем больше вероятность того, что полученный от испытуемого ответ будет правильным:
(2) Р =--------1-------.
1 + ехр(—© + в)
В соответствие с этой моделью можно утверждать о соответствие уровня знаний студента полученному значению среднего весового коэффициента.
Полный объем курса по предмету предлагается определять как априорное количество информации на данных об информативности одной лекции [4] и количества лекций в рабочем плане специальности по данной дисциплине.
Известно, что скорость потока речевой информации составляет 1Р= 150 дв.ед./сек.
Тогда информативность одного часа лекции, как расчетной единицы нагрузки составит
(3) 1л =1р'Тл'Кэ,
л 100%
где Кэ - коэффициент эффективности лектора, т. е. процент использования лекционного часа преподавателем для передачи информации, обычно находится в пределах 60-80%; Тл - нормативное время (в секундах) аудиторного часа устанавливаемое, как правило, в пределах 45 мин.
Таким образом, исходя из соотношения (3), получаем, информативность одного часа лекций составляет 243-324 Кбит, что позволяет говорить, что средняя информативность аудиторного часа составляет 300 Кбит информации.
Используя полученные результаты, производится вычисление апостериорной энтропии (объема знаний студента по пред-
мету в Кб). Это будет конкретное число, что является значительно более объективной оценкой, чем общие категории «хорошие», «средние» или «отличные» знания. И что самое главное, мы количественно можем оценить объем знаний студента по данному предмету отнесенного к общему объему информации по нему.
2. Тестовая программа определения скорости усвоения материала
Определение скорости усвоения материала по дисциплине производится на основе данных, полученных при вычислении исходного уровня знаний. Алгоритм вычисления включает следующие шаги:
• выдача студенту теоретического материала для изучения на ограниченном интервале времени с учетом его уровня подготовки;
• проведение тестирования по предложенному материалу;
• обработка результатов тестирования.
Предложенный теоретический материал по сложности должен превышать показанный на предыдущем тестировании уровень знаний. Соответственно, и весовые коэффициенты вопросов, которые будут предложены на тестировании, должны быть больше рассчитанного значения уровня знаний.
Непосредственно теоретический материал выбирается из таблицы «сложность-теория». Она составляется экспертами-преподавателями и ставит в соответствие значениям весовых коэффициентов определенный теоретический материал. Количественно IМАТ этот материал оценивается как произведение средней скорости усвоения 3СР на время Т , предоставленное студенту на изучение материала:
(4) 1МАТ = ^СР * Т .
Средняя скорость усвоения - это скорость усвоения материала, заложенная в рабочей программе специальности:
(5) $ср = ТЛ.
Т Л
Средняя скорость усвоения информации - это отношение информативности лекции к продолжительности лекции.
Обучаемый может завершить изучение теории раньше установленного времени, что при условии верных ответов на вопросы теста повысит показатель скорости усвоения.
После изучения теоретического материала студент переходит к тестированию, алгоритм которого описан выше. Так как предлагаемый материал имеет определенную сложность, то и значения весовых коэффициентов заданий ограничены сверху. По результатам проведенных экспериментов установлено, что ширину интервала (если промежуток времени на изучение теории составляет 30 минут) рекомендуется задавать равной 0.2. При этом нижняя граница сложности должна совпадать с уровнем знаний студента, показанным на предыдущем тестировании.
Полученные на втором тестировании результаты обрабатываются по тем же правилам, что и при определении уровня знаний. Результатом вычислений является апостериорная энтропия, показывающая количество информации, усвоенной студентом из предложенного материала. На основании этих данных и информации о количестве времени, предоставленного на изучение теории, вычисляется скорость усвоения материала студентом по дисциплине.
Вычисление времени, необходимого студенту для завершения изучения курса по предмету происходит на основе полученных данных о полном объеме дисциплины, уровне знаний и скорости усвоения материала по данному предмету.
3. Анализ и обработка исходного учебного плана
В этом блоке содержится исходный учебный план по данной специальности, составленный в соответствии с ГОСВПО. В нем указаны предметы, их расположение по семестрам и количество часов, отведенное на изучение каждой дисциплины.
Однако простого разделения предметов по семестрам для составления индивидуальных учебных планов мало. Необходимо знать, какие дисциплины следует изучить прежде, чем переходить к изучению данного предмета. То есть приоритетной является задача о взаимопреемственности дисциплин.
Решается эта задача с помощью матрицы логических связей
[6]. Матрица является методическим средством отображения логических связей дисциплин по всему учебному плану. Под логической связью понимается взаимосвязь содержания данного предмета с содержанием других дисциплин, которое необходимо для изложения вновь вводимых понятий, определений или нового учебного материала.
В строках и столбцах матрицы записываются названия дисциплин, приведенных в исходном учебном плане специальности. Эксперты-преподаватели по соответствующим дисциплинам проставляют 1 или 0 в столбце с названием своего предмета. Единица в поле матрицы ставится в случае, если преподаватель считает, что для изучения курса по его дисциплине необходимо знание предмета, записанного в строке, на которой находится данное поле матрицы. В противном случае ставится ноль.
Рассмотрение таблицы по столбцам показывает, на чем базируется дисциплина, рассмотрение таблицы по строкам показывает, для чего данный предмет служит основой.
Такая матрица при составлении индивидуального учебного плана позволяет допускать студента к изучению дисциплины только после завершения изучения всех предметов, являющихся основой для данной дисциплины.
4. Выбор студентом элективных курсов
В учебных планах специальностей помимо дисциплин, изучение которых обязательно и не зависит от предпочтений студента, присутствуют элективные курсы. То есть студент может выбрать себе дисциплину для изучения из нескольких предложенных вариантов и определить ее содержание, опираясь на свои оценки необходимости того или иного предмета. Для сту-
дентов, обучающихся по рабочему плану, эти предметы устанавливаются высшим учебным заведением.
При проектировании адаптивного индивидуального учебного плана необходимо предусмотреть возможность предоставления студенту такого выбора. Однако если предложить обучаемому лишь список с названиями этих дисциплин, его выбор в большинстве случаев не будет являться объективным. Названия дисциплин, которые студент еще не изучал, не дадут ему достаточно информации для принятия объективного решения.
Для того чтобы сделать этот выбор более обоснованным предлагается использовать метод репертуарных решеток [2].
Репертуарная решетка представляет собой матрицу, столбцам которой соответствует определенная группа объектов (элементов), а строки - это конструкты (биполярные признаки, параметры, шкалы, альтернативные противоположные отношения или способы поведения). Предлагается в качестве элементов рассматривать название элективных курсов и наименование разделов, изучаемых в них, а в качестве конструктов - признаки этих элективных курсов.
Предлагается привлекать экспертов для составления репертуарной решетки и определения конструктов. Конструкты предлагается выявлять методом минимального контекста. Студент пользуется готовым набором признаков, таких как «интересная дисциплина»-«неинтересная дисциплина», «потребуется в последующей профессиональной деятельности»-«не потребуется в последующей профессиональной деятельности» и другие.
Для того чтобы оценки студента по предлагаемым конструктам были более объективными, ему предлагается предоставлять более подробную информацию о дисциплинах по выбору: цель изучения дисциплины, основные темы и др., взятую из рабочей программы предмета.
После изучения предоставленной информации студент переходит к следующему шагу: определению своего отношения к конструктам. Каждый конструкт имеет два полюса. Предлагается ввести шкалу [-3;3] (предельные значения соответствуют полюсам) для оценки студентом каждого конструкта. Таким
образом, обучаемый выставляет «оценку» всем дисциплинам и их разделам. Затем полученные результаты сопоставляются с заполненной экспертами репертуарной решеткой.
На основе описанной функциональной схемы возможно построение информационной системы принятия решений, которая позволяет на формализованной основе осуществлять оценки уровня знаний студента, скорости усвоения материала и времени, необходимого для завершения обучения по предмету, и на основе этих данных производит составление индивидуального личностно-ориентированного плана. Такая информационная система позволяет привести обоснование того или иного выбора при составлении учебных планов, уменьшить трудоемкость составления таких планов.
Литература
1. АЛЕКСЕЕВ АН., ВОЛКОВ НИ., МАЙОРОВА Т А. К
вопросу о повышении достоверности оценки при тестовом контроле// Открытое образование.- 2004.- №3(44).-С.27-32.
2. ГАВРИЛОВА, ХОРОШЕВСКИЙ В.Ф. Базы знаний и интеллектуальных систем - СПб: Питер, 2000.- С. 480.
3. ГЛОВА В.И., ДУПЛИК С.В. Модели педагогического тестирования обучаемых // Вестник Казан. гос. техн. ун-та им. А.Н. Туполева.- 2003. -№2.- С.74-79.
4. ЕРЕМЕНКО Ю.И. Автореферат диссертации на соискание ученой степени кандидата технических наук на тему «Исследование метода и разработка устройства преобразования печатной информации в звуковую путем форматного представления печатного текста методами вокодерной техники».-М: ВЗЭИС, 1985. - 20с.
5. НАЙХАНОВА В.А., ДАМБАЕВА С.В. Методы и алгоритмы принятия решений в управлении учебным процессом в условиях неопределенности: Монография. - Улан-Удэ: Изд-во ВСГТУ, 2004. - 164с.: ил.
6. РОМЕНЕЦ В А., МОРГУНОВ И.Б., НЕРСЕСОВ Т В. Автоматизированная система проектирования содержания обучения по специальностям вузов: Учеб.-метод. пособие. -М.: Исследовательский центр проблем качества подготовки специалистов, 2004.- 148 с.
