CC BY
55
УДК 303.732.4 ББК 65.05 Л 86
Е.В. Луценко, В.Е. Коржаков
Исследование характера взаимосвязи почерка и предметной обученности студентов
(Рецензирована)
Аннотация:
В статье описываются результаты применения интеллектуальной технологии СК-анализа для прогнозирования учебных достижений учащихся по различным дисциплинам на основе особенностей их почерка.
Ключевые слова:
Прогнозная информация, проблемная ситуация, внешние и технологические факторы, система «Эйдос», признаки почерка.
Традиционно на практике при принятии решения о зачислении абитуриента на обучение в вуз или при определении специализации не используется информация прогнозного характера об их возможных учебных достижениях по различным дисциплинам. А между тем в ряде случаев возможность использования подобной прогнозной информации в качестве дополнительной для принятия решений была бы весьма желательной.
В данной работе предлагается разрабатывать подобные прогнозы на основе анализа генотипа студента по косвенным признакам, на которые он также влияет, как и на учебные достижения, т.е. по признакам почерка. Лучшим будем считать генотип, детерминирующий наивысшие учебные достижения. Здесь необходимо отметить, что в принципе возможны и оправданы и другие критерии оценки качества генотипа, например: успешность и продолжительность
практической деятельности по специальности после окончания вуза, однако в данной работе эти вопросы не рассматриваются, так как им посвящены работы авторов [1-7].
Здесь конечно возникает вопрос о том, насколько конституционные психологические качества студентов, детерминируемые геномом, являются благоприятными для освоения различных учебных дисциплин, предусмотренных образовательным
стандартом по тем или иным конкретным специальностям. Однако чтобы получить
подобную прогнозную информацию обычно необходимо провести достаточно трудоемкие дополнительные опросы или психологические тестовые испытания учащихся, что проблематично с юридической точки зрения, кроме того, отсутствуют или практически недоступны необходимые для этого локализованные и адаптированные методики и программный инструментарий. Исследования на уровне генома, которые также могли бы дать информацию о том, какие конкретно гены или их сочетания детерминируют высокие учебные достижения студентов по тем или иным дисциплинам, весьма дороги, трудоемки, требуют очень высокого уровня квалификации исследователей, значительного времени и первоклассного оборудования. Все это делает весьма проблематичным и даже практически невозможным проведение подобных исследований в наших условиях.
Поэтому традиционным является отбор абитуриентов для обучения и выбор специализации на основе приемных испытаний и просто договоров на обучение. Этот способ отбора фактически не учитывает индивидуальные предрасположенности и абитуриентов и студентов, обусловленные фундаментальными факторами, а основан лишь на их экономических возможностях и социальных предпочтениях. Обычно это приемлемо, однако существует ряд специальных видов деятельности, предъявляющих к специалистам особо жесткие и высокие требования, где неучет индивидуальных
конституционных особенностей может привести к значительным негативным последствиям.
Таким образом, на лицо наличие несоответствия между желаем и фактическим положением дел, т.е. проблемная ситуация или проблема, которая состоит в том, что с одной стороны желательно иметь прогнозную информацию о возможных учебных достижениях абитуриентов или студентов по различным дисциплинам, а с другой стороны нет доступных на практике методик и инструментальных средств, которые обеспечивают получение такой информации.
В работе данная проблема решается путем разработки методики, обеспечивающей на основе непосредственно-наблюдаемых
признаков почерка учащихся прогнозирование их учебных достижений.
Идея решения проблемы состоит в том, что генотип абитуриента или студента (далее -учащегося) детерминирует не только его учебные достижения, но и непосредственно внешне наблюдаемые признаки почерка, поэтому между учебными достижениями и признаками почерка должна быть взаимосвязь. Предполагается, что, зная эту взаимосвязь, по признакам почерка учащегося можно судить не только о его генотипе, но и его потенциальных учебных достижениях. Признаки почерка устанавливаются непосредственно визуально и их оценка несопоставимо проще, чем непосредственное исследование генотипа.
Поэтому предлагается выявить зависимости между учебными достижениями учащихся и особенностями (признаками) их почерка, а затем по непосредственно-наблюдаемым признакам косвенно оценивать, т.е. по сути, измерять, предрасположенность учащегося к тем или иным учебным достижениям при изучении различных учебных дисциплин. Безусловно, косвенные измерения всегда имеют определенную погрешность, которую необходимо знать и уметь контролировать в каждом конкретном прогнозе.
Правда необходимо отметить, что на признаки почерка, кроме генотипа учащегося, по-видимому, могут оказывать влияние также и другие факторы, например, текущее психофизиологическое и эмоциональное состояние учащегося, зависящее от степени комфортности-экстремальности обстановки, в которой производилась запись.
Эти внешние факторы можно разделить на две основные группы по степени их зависимости от воли человека:
1. Факторы окружающей среды, которые практически не зависят от человека.
2. Технологические факторы самого учебного процесса, связанные с использованием различных учебнообразовательных технологий, которые во многом зависят от человека.
Способ учета влияния всех этих внешних факторов (и факторов среды, и технологических) один и тот же и не отличается от способа выявления и учета зависимостей между особенностями почерка и учебными достижениями учащихся. Это означает, что технически мы могли бы исследовать все эти группы факторов, характеризующие самого учащегося,
окружающую среду и учебный процесс в комплексе. Однако в данном исследовании мы этого делать не будем по двум основным причинам:
- первое: в базах данных деканата
факультета прикладной информатики (ФПИ) не учитывалась информация о факторах среды и учебного процесса;
- второе: внешние факторы (т.е. факторы
среды и учебного процесса) не менялись за время проведения исследования, т.е. за 3 года (2004 - 2006 годы) и для всех учащихся они были одними и теми же. Поэтому даже если бы эти факторы и учитывались, их влияние на учебные достижения и предметную обученность учащихся изучить не представлялось бы возможным из-за практически полного отсутствия
вариабельности по этим факторам.
Поэтому в данном исследовании внешними факторами вполне корректно можно пренебречь.
Актуальность работы определяется ее практической значимостью и научной новизной.
Практическая значимость работы
определяется возможностью применения ее результатов для прогнозирования успешности обучения абитуриентов и студентов по различным дисциплинам, изучаемым на факультете прикладной информатики (ФПИ) Кубанского государственного аграрного университета (КубГАУ), что может быть использовано в качестве дополнительной информации при принятии решения о
зачислении или при выборе специализации. Кроме того материалы исследования могут быть использованы в учебном процессе при
проведении лабораторной работы по
дисциплине: «Интеллектуальные
информационные системы», изучаемой на 5-м курсе студентами специальности 351400 -Прикладная информатика.
Научная новизна работы состоит в том, что исследование влияния особенностей почерка учащихся на уровень их предметной обученности по дисциплинам, изучаемым на ФПИ КубГАУ проводится впервые.
Таким образом, объектом исследования исследование зависимостей между почерком учащихся и их успеваемостью.
Предмет исследования состоит в выявлении взаимосвязей между особенностями почерка учащихся и их учебными достижениями по дисциплинам, изучаемым на ФПИ КубГАУ.
Цель исследования: выявление
зависимостей между особенностями почерка
учащихся и их учебными достижениями по дисциплинам, изучаемым на ФПИ КубГАУ, и, на основе этого, разработка методики прогнозирования учебных достижений и предоставления дополнительной информации для принятия решений о зачислении абитуриентов и выборе специализации.
Поставленная цель может быть достигнута путем решения следующих задач:
- задача 1: «Типизация особенностей
почерка студентов по уровням их предметной обученности по различным дисциплинам, выявление зависимостей между признаками почерка учащихся и их учебными достижениями»;
- задача 2: «Разработка методики
прогнозирования уровня предметной
обученности студентов ФПИ на основе особенностей их почерка»;
- задача 3: «Разработка методики
поддержки принятия решений по выбору специализации студентами ФПИ
(экономической или юридической) на основе особенностей их почерка».
Кроме того необходимо разработать принципы оценки эффективности
предложенных методик прогнозирования и поддержки принятия решений, а также исследовать ограничения разработанной
технологии и обосновать перспективы ее развития.
Для решения сформулированных задач выбран метод системно-когнитивного анализа. Этот выбор обусловлен тем, что данный метод позволяет обрабатывать зашумленные фрагментарные данные и для него есть доступный и апробированный программный инструментарий.
Этапы системно-когнитивного анализа:
- синтез содержательной
информационной модели предметной области;
- идентификация и прогнозирование состояния объекта управления;
- углубленный анализ содержательной информационной модели предметной области.
В соответствии с этой технологией были построены две справочные таблицы для кодирования исходной информации [8]:
- уровни предметной обученности по различным дисциплинам;
- внешне-наблюдаемые признаки почерка.
Классификационные шкалы разработаны
на основе журналов успеваемости за исследуемые годы, а описательные шкалы и градации взяты с сайта фирмы: Альянс-медиа «Деловые тесты»:
http://www.businesstest.ru/test.asp?
test_id=155&topic_id=3
как наиболее технологичные и простые в использовании.
Вопрос о степени адекватности оценок (3,
4, 5) как количественной меры предметной обученности в данной работе не обсуждается, т.к. он подробно исследован в других работах автора [1-7].
Сами исходные данные взяты из предоставленных деканатом ФПИ личных карточек студентов и журналов успеваемости, содержащих информацию по 260 выпускникам за 3 года: с 2004 по 2006 годы. С
использованием классификационных и описательных шкал и градаций произведено кодирование исходных данных. Результаты кодирования представлены в форме EXCEL-таблицы в работе [8].
Разработан программный интерфейс, обеспечивающий автоматический ввод обучающей выборки из Ехсе1-файла с входной информацией в соответствующие базы данных системы «Эйдос».
Дальнейшие этапы выполнялись с помощью системы «Эйдос» в подсистеме синтеза и
анализа семантической информационной модели.
После формирования модели, была измерена средневзвешенная достоверность прогнозирования учебных достижений
студентов, данные которых не использовались при синтезе модели. Адекватность
прогнозирования составила 65%, что достаточно для целей работы, если учесть, что по подавляющему большинству классов
достоверность прогнозирования с
использованием созданной модели в несколько раз превышала вероятность случайного
угадывания.
Получена матрица информативности с конкретными значениями силы и направления зависимостей между признаками почерка студентов и их учебными достижениями. Это и есть решение задачи 1.
На основе полученной матрицы информативности для каждого конкретного студента по признакам его почерка можно прогнозировать его учебные достижения по различным дисциплинам и циклам дисциплин. Результаты прогнозирования выводятся системой «Эйдос» в форме карточек, представленных в работе [8].
Примеры типов почерка, наиболее типичных для выпускников с красным и синим диплом, не приводятся из-за ограниченного объема статьи.
Задача принятия решений является обратной по отношению к задаче прогнозирования. Если при прогнозировании мы по признакам почерка определяем возможные учебные достижения студентов по различным дисциплинам, то при принятии решений, наоборот, по заданному уровню предметной обученности определяем какими признаками почерка должны обладать студенты, которые имеют эти учебные достижения.
Получен основной результат, отражающий какие признаки почерка характерны для студентов, имеющих заданные учебные достижения, например отличную успеваемость по каким-либо конкретным дисциплинам или по всем дисциплинам, изучаемым на факультете прикладной информатики («Красный диплом»).
Полученные результаты и технологии могут быть применены в практике работы образовательных учреждений в качестве
дополнительного источника прогнозной информации об абитуриентах и студентах при принятии решений о приеме и выборе специализации, а также непосредственно в учебном процессе на факультете прикладной информатики в Кубанском государственном аграрном университете при преподавании дисциплины: «Интеллектуальные
информационные системы» для студентов очной и заочной форм обучения по специальности: 350400 - прикладная
информатика (по областям).
Примечания:
1. Луценко Е.В. Автоматизированный системно-
когнитивный анализ в управлении активными объектами (системная теория информации и ее применение в исследовании экономических, социально-психологических, технологических и организационно-технических систем):
монография. Краснодар, 2002. 605 с.
2. Луценко Е.В. Интеллектуальные
информационные системы: учеб. пособие.
Краснодар, 2004. 633 с.
3. Луценко Е.В., Коржаков В.Е. Прогнозирование уровня предметной обученности студентов путем СК-анализа данных об их социальном статусе // Вестник Адыгейского государственного университета. Майкоп, 2007. № 1. С. 30-39.
4. Луценко Е.В., Коржаков В.Е. Интеллектуализация - генеральное направление развития информационных технологий // Вестник Адыгейского государственного университета. Майкоп, 2006. № 1. С. 242-244.
5. Луценко Е.В., Коржаков В.Е. Количественные
меры уровня системности и степени
детерминированности в рамках СТИ // Вестник Адыгейского государственного университета. Майкоп, 2006. № 4. С. 169-178.
6. Луценко Е.В., Коржаков В.Е. Количественные
меры уровня системности и степени
детерминированности систем в рамках системной теории информации // Сборник докладов
Международной научной конференции, 3-5 октября 2006 г. Пятигорск, 2006. С. 261-266.
7. Луценко Е.В., Лойко В.И., Коржаков В.Е. АСУ вузом как самоорганизующаяся система // Научный журнал КубГАУ. Краснодар, 2007. № 6. иКЪ: ^1р ://е] .kubagro .т/2007/06/|рИ708.|р1Г
8. Луценко Е.В. Прогнозирование учебных достижений студентов на основе особенностей их почерка с применением Системно-когнитивного анализа // Научный журнал КубГАУ. Краснодар, 2006. № 4. иИЬ: http://ej.kubagro.ru/2006/04/27
