CC BY
15
ISSN 2304-120X
ниепт
научно-методический электронный журнал
2023, № 06 (июнь) Раздел 5.8. Педагогика
ART 231047 DOI: 10.24412/2304-120X-2023-11047 УДК 378.146:004.9
Конкурентная система оценивания
учебных достижений студентов в контексте адаптивного обучения
Competitive assessment system of students' academic achievements in the context of adaptive learning
Автор статьи
■
Author of the article
■
Чупин Николай Александрович,
кандидат физико-математических наук, доцент кафедры информационных систем и цифрового образования Института физико-математического, информационного и технологического образования ФГБОУ ВО «Новосибирский государственный педагогический университет», г. Новосибирск, Российская Федерация chupinna@yandex.ru ORCID: 0009-0008-8014-8297
Nikolay A. Chupin,
Candidate of Physical and Mathematical Sciences, Associate Professor, Institute of Physical, Mathematical, Information and Technological Education, Novosibirsk State Pedagogical University, Novosibirsk, Russian Federation chupinna@yandex.ru ORCID: 0009-0008-8014-8297
Конфликт интересов
Conflict of interest statement
Конфликт интересов не указан
Conflict of interest is not declared
Для цитирования
I
For citation
Чупин Н. А. Конкурентная система оценивания учебных достижений студентов в контексте адаптивного обучения // Научно-методический электронный журнал «Концепт». - 2023. - № 06. - С. 44-62. - URL:
https://e-koncept.ru/2023/231047.htm. 10.24412/2304-120X-2023-11047
DOI:
N. A. Chupin, Competitive assessment system of students' academic achievements in the context of adaptive learning // Scientific-methodological electronic journal "Koncept". - 2023. - No. 06. - P. 44-62. - URL: https://e-koncept.ru/2023/231047.htm. DOI: 10.24412/2304-120X-2023-11047
Поступила в редакцию Received 24.04.23 Получена положительная рецензия Received a positive review 26.05.23
Принята к публикации Accepted for publication 26.05.23 Опубликована Published 30.06.23
Creative Commons Attribution 4.0 International (CC BY 4.0) © Концепт, научно-методический электронный журнал, 2023 © Чупин Н. А., 2023
Аннотация
Технологии адаптивного обучения считаются весьма эффективными в сфере дополнительного и корпоративного образования, где обучающийся имеет высокую внешнюю мотивацию. Однако в условиях вузовского образования многие учебные курсы, предлагаемые студентам в рамках учебного плана, малопригодны для преобразования в электронные адаптивные учебные курсы, а самое главное - не вызывают познавательного интереса студентов. В статье указываются признаки таких учебных курсов. Традиционные советы преподавателю объяснить студентам пользу от данного учебного курса для будущей профессии или применить оригинальные методики занятий не работают. Студенты «развивают технологии сдачи отчетов» по учебной дисциплине, ориентируясь на минимальный уровень учебных достижений, необходимый для получения приемлемой оценки. Целью работы является описание разработанной автором оригинальной системы оценивания учебных достижений студентов, которая позволяет преодолеть некооперативное отношение студентов к изучению таких учебных курсов. Таким образом, при ее использовании студенты вступают в конкуренцию за ресурсы, которыми являются знания по учебной дисциплине. Ключевая особенность предлагаемой конкурентной системы оценивания состоит в том, что увеличение сданных работ у студента, то есть увеличение его рейтингового балла, приводит к уменьшению рейтингового балла других студентов академической группы. Описываемая технология обладает чертами адаптивного обучения, но индивидуальная образовательная траектория не назначается обучающей информационной системой, а выбирается самим студентом. Кроме того, она использует технологию геймификации в особенном варианте, развивающем познавательную мотивацию студентов. Многократный опыт использования такой технологии показал ее высокую эффективность. Увеличивается суммарный объем знаний, освоенный студентами академической группы, повышается познавательный интерес у студентов. Теоретическая значимость работы состоит в том, что она показывает новые направления развития технологий адаптивного обучения, позволяет лучше понимать возможности технологии геймификации в обучении. Материалы работы могут также стимулировать новые направления в исследовании учебной мотивации студентов вузов.
Ключевые слова
Abstract
Adaptive learning technologies are considered very effective in the field of additional and corporate education, where the student has high external motivation. However, in case of university education, many training courses offered to students as part of the curriculum are of little use for conversion into electronic adaptive training courses, and most importantly, they do not arouse the cognitive interest of students. The article specifies the signs of such training courses. Traditional advice to a teacher to explain to students the benefits of this training course for a future profession or to apply original teaching methods does not work. Students "work out technologies for submitting reports" on the academic discipline, focusing on the minimum level of academic achievements necessary to obtain an acceptable grade. The paper describes the main tenets of the original system of assessing students' academic achievements developed by the author, which allows overcoming the uncooperative attitude of students to the study of such training courses. In the described technology, students compete for resources, which are knowledge of the academic discipline. The key feature of the proposed competitive assessment system is that an increase in the student's submitted papers, that is, an increase in his rating score, leads to a decrease in the rating score of other students of the academic group. The described technology has characteristics of adaptive learning, but the individual educational trajectory is not assigned by the training information system, but it is chosen by the student. In addition, it uses gamification technology in a special way that develops students' cognitive motivation. Repeated experience of using such technology has shown its high efficiency. The students gain both the total amount of knowledge and cognitive interest. The theoretical significance of the work is in showing new directions in the development of adaptive learning technologies, it allows for a better understanding of the potentials of gamification technology in learning. The materials of the work can also stimulate new directions in the study of educational motivation of university students.
Key words
адаптивное обучение, мотивация студентов, деловая игра, геймификация, конкурентная система оценивания учебных достижений, оценивание учебных достижений, информатизация образования, рейтинговые системы в образовании
Благодарности
adaptive learning, motivation of students, business game, gamification, competitive evaluation system of educational achievements, assessment of educational achievements, computerization of education, rating systems in education
Acknowledgements
Автор выражает благодарность кандидату педагогических наук, доценту кафедры информационных систем и цифрового образования НГПУ Игорю Витальевичу Сартакову за всестороннюю поддержку и помощь в подготовке статьи.
The author expresses his gratitude to the Candidate of Pedagogical Sciences, Associate Professor of the Department of Information Systems and Digital Education of NSPU Igor V. Sartakov for exceptional support and assistance in the preparation of the article.
Введение / Introduction
Одним из современных трендов индивидуального подхода в обучении в условиях цифровизации являются технологии адаптивного обучения. Такие технологии имеют главной целью повысить эффективность обучения прежде всего по показа-
телю «результаты/время». Вариантов здесь может быть два: достижение максимальных результатов обучения за определенное время (или к определенной дате, например, при подготовке к ЕГЭ) или достижение заданных результатов обучения за минимальное время. Можно также указать на сферу дополнительного образования, которое обычно реализуется как платная услуга, где эффективность обучения из показателя «результаты/время» трансформируется в показатель «результаты/вложенные деньги» для обучающегося и «результаты/прибыль» для компании (организации), предоставляющей образовательные услуги. Главная мотивация для обучающихся в указанных технологиях - внешняя: высокий уровень образования является дополнительной гарантией хорошо оплачиваемой работы, а часто обучение выполняется по прямому заданию работодателя.
В докомпьютерные времена индивидуальный подход в обучении мог быть реализован только в примитивных формах. Если перечитать сегодня книгу известного школьного педагога В. Ф. Шаталова [1], становится совершенно очевидно, что обобщенный рецепт его феноменальных успехов - огромные затраты времени педагога на необходимые действия, в современных терминах - на разработку адаптивного контента, адаптивное оценивание учащихся и адаптивное структурирование занятий.
Внедрение информационно-коммуникационных технологий - необходимая предпосылка развития адаптивных технологий обучения. Основатель отечественной школьной информатики А. П. Ершов, говоря о педагогических ожиданиях, адресованных компьютеру, указывал: «Программируемость компьютера в сочетании с динамической адаптируемостью содействует индивидуализации учебного процесса, сохраняя его целостность» [2].
Среди проектов в области цифровой трансформации образования, намеченных на ближайшие годы в Распоряжении Правительства РФ от 2 декабря 2021 г. № 3427-р, указан проект создания и внедрения сервиса для обучающихся «Цифровое портфо-лио ученика», «обеспечивающий обучающимся возможность управления образовательной траекторией...» [3].
Развитые платформы адаптивного обучения требуют больших ресурсов на их разработку и эксплуатацию. Они построены на ресурсоемких базах данных (Big Data), требуют серьезных вычислительных мощностей для реализации алгоритмов и контроля результатов (в том числе с использованием искусственного интеллекта), а также больших затрат на создание учебного контента, ориентированного на адаптивное обучение и подготовку преподавателей к его использованию.
Адаптивное обучение широко используется в дополнительном и корпоративном обучении. При этом акцент делается на внешнюю мотивацию обучающихся (мотивы успешной профессиональной карьеры), оставляя за кадром вопросы развития интереса к знаниям.
Сами разработчики адаптивных систем ощущают, что проблема современных адаптивных обучающих систем в том, что «индивидуальная образовательная траектория», упоминаемая даже во многих определениях понятия, является не индивидуально выбранной обучающимся, а индивидуально назначенной. Это противоречит целям современного высшего образования. Многие инновационные методики проведения занятий заявляют о целях формирования не «человека знающего», а «человека, способного к усвоению новых знаний» [4].
Возникает потребность усовершенствования технологий адаптивного обучения, чтобы они в большей степени соответствовали требованиям вузовского образования.
Обзор литературы / Literature review
В. И. Блинов, И. С. Сергеев, Е. Ю. Есенина, П. Н. Биленко, М. В. Дулинов, А. М. Кондаков [5] дают развернутое определение: «Адаптивные системы - системы онлайн-обучения, обеспечивающие персонализированную подстройку образовательного процесса под особенности конкретного обучающегося (персональную стратегию учения, ведущие каналы восприятия информации, логику построения программы, восприятия информации, логику построения программы, последовательность формируемых умений и навыков, оптимальный темп освоения курса, необходимое количество повторений и тренировочных закреплений, учет самооценки обучающегося и его уверенности в себе и др.). Анализ и воспроизведение различных моделей обучения обеспечиваются благодаря использованию искусственного интеллекта и цифровых технологий».
Многие авторы склоняются к тому, что сам термин «адаптивное обучение» ввел английский психолог и кибернетик Эндрю Гордон Спиди Паск в 1960-х.
В качестве теоретической базы адаптивного обучения указывают работы Б. Ф. Скиннера, заложившие основы программируемого обучения [6] (более поздний, но доступный для нас труд с изложением основных его идей).
Большой вклад в развитие адаптивного обучения внес П. Брусиловский. Этот вклад выражается и в объеме, и количестве публикаций, в том числе отмеченных призами и наградами, а также количестве цитирований. Знакомство с его работами позволяет проследить важные этапы развития систем адаптивного обучения. В ранних работах, например [7, 8], говорилось об автономных обучающих системах с элементами адаптивности. В начале 2000-х П. Брусиловский теоретически рассматривает (например, [9, 10]) механизмы генерации адаптивной аннотации гиперссылок в веб-системах, которые способны значительно повышать мотивацию студентов. В более поздних работах речь идет о рекомендательных адаптивных системах.
Проекты создания систем адаптивного обучения, основанных на сложных математических методах и мощных информационных системах, выполняются и в России. Такие системы доступны только за плату и/ или крупным образовательным организациям, способным выделить солидные средства на разработку и внедрение адаптивных систем обучения.
В качестве характерного примера укажем систему адаптивного обучения математике Plario [11], созданную Томским государственным университетом совместно с компанией ENBISYS. Она позиционируется как средство выравнивания, дообучения абитуриентов и студентов первого курса до определенного уровня, необходимого для изучения более сложных разделов математики, входящих в программу вуза. Во время пилотной апробации Plario, которая проходила весной 2019 года, первые сто человек прорешали в системе больше 20 тысяч задач.
Директор компании ENBISYS Дмитрий Бубнов [12-14] оценивает технические параметры системы: стоимость более 100 млн рублей, из которых половина затрачивается на разработку контента; уже на первом этапе в систему введено свыше 8000 единиц микродоз контента по шести модулям базовой математики (разработчики употребляют термин «гранулированный» контент); возможность одновременной работы десяткам и сотням тысяч обучающихся; минимальная стоимость прохождения курса в 2000 рублей на одного обучающегося.
Другим примером может служить совместный проект Московского университета «МИСиС» и Томского «ТУСУР», описываемый И. А. Кречетовым, М. Ю. Дорофеевой, А. В. Дегтяревым в [15], а также в других работах тех же авторов.
Р. В. Каменев, Е. Е. Ступина, Н. В. Ржевина [16] описывают детерминирующие факторы, обусловливающие успешную реализацию дистанционного обучения.
А. И. Кречетов [17] обсуждает пути интеграции различных систем управления обучением и пути использования адаптивных средств в популярных LMS.
К. А. Вилкова, Д. В. Лебедев [18], анализируя проблемы развития адаптивных систем обучения, указывают, что в настоящий момент большинство систем относятся к областям точных знаний: STEM (Science, Technology, Engineering, Math) и медицинских предметов, таких как анатомия и физиология.
Как указывает Э. Фитцджеральд [19], высокая стоимость разработки эффективных систем адаптивного обучения приводит к тому, что чаще всего компании руководствуются не педагогическими принципами, а скорее соображениями получения денежной выгоды.
Между тем многие педагоги и психологи призывают обратить внимание на то, что важнейшим фактором, обеспечивающим успешность обучения, является мотивация обучающегося. А. А. Реан [20] утверждает, что «высокая позитивная мотивация может восполнить недостаток специальных способностей или недостаточный запас знаний, умений и навыков, играя роль компенсаторного фактора».
Е. П. Ильин [21] особо отмечает огромную важность для формирования у студентов положительного мотива к учению фактора «наличие любознательности и познавательного психологического климата в учебной группе».
А. И. Гебос [22] указывает, что «высокий уровень активности достигается в том случае, когда учащиеся сами составляют ориентировочную основу действий».
Многие исследователи отмечают также значительные различия в структуре учебной мотивации студентов разных стран. Например, Г. Р. Шагивалеева и В. Ю. Калашникова [23] исследовали мотивацию студентов из Германии, Сербии и России и отмечают, в частности, что на недовольство в отношении к ним преподавателей вуза указали только студенты из России (29%).
Е. Ю. Клепцова и Д. О. Рубцова [24] по результатам экспериментального исследования делают выводы: наиболее значимыми для студентов являются внешние мотивы «стать высококвалифицированным специалистом», «получить диплом», «приобрести глубокие и прочные знания», «обеспечить успешность будущей профессиональной деятельности», а наименее значимы мотивы «не отставать от сокурсников», «выполнять педагогические требования», «достичь уважения преподавателей». При этом они же утверждают, что интенсивность различных мотивационных компонентов сильно изменяется на протяжении I-V курсов.
Ощущая проблему необходимости развития мотивационной сферы обучающихся, разработчики образовательной платформы онлайн-курсов Stepik [25] внедряют адаптивность путем построения рекомендательных систем в онлайн-образовании [26, 27].
Понятие геймификации и возможности ее использования в обучении стали распространяться в нашей стране после появления в 2015 году русского перевода книги К. Вербаха, Д. Хантера [28].
Среди моделей адаптации, реализованных в обучающих компьютерных играх, наиболее значимой, по мнению Э. Лавьери [29], считается модель ALGAE (Adaptive Learning GAme dEsign), которая реализует модель адаптации к знаниям и навыкам.
А. С. Ветушинский [30] на основе анализа определения, данного K. Вербахом и Д. Хантером, предлагает новое определение: «геймификация - это методология по
использованию метаигровых элементов и механик с целью корректировки человеческого поведения за счет создания благоприятного эмоционального фона». Оно представляется более правильным в контексте нашей работы. Такое определение переносит акцент с признаков геймификации на цели ее использования в учебном процессе.
A. Митрович, Б. Мартин [31] в ходе эксперимента доказали, что информирование студентов в обобщенном виде об их текущих успехах в адаптивном обучении оказывает важное положительное влияние на обучение и метакогнитивные навыки обучающихся.
Представленный обзор позволяет сделать выводы:
- технологии адаптивного обучения показывают большие успехи в сфере дополнительного и корпоративного образования, где обучающиеся имеют сильные внешние мотивы, но не вполне соответствуют целям общего и высшего образования, поскольку вместо индивидуально выбранной обучающимся образовательной траектории предлагают индивидуально назначенную;
- предпринимаются попытки устранить недостаточность развития внутренней мотивации в рамках адаптивных систем обучения путем внедрения рекомендательных адаптивных систем, а также использования геймификации;
- исследования в направлении усовершенствования технологий адаптивного обучения в направлении развития внутренней мотивации обучающихся в ближайшее время будут продолжаться.
Методологическая база исследования / Methodological base of the research
Тема исследования имеет прикладной характер, и ее выбор обусловлен личным педагогическим опытом автора. Много лет назад автору было поручено вести занятия по спецкурсу «Архитектура компьютера» на IV курсе у студентов специальности «Учитель информатики». При разработке курса использовались идеи микрообучения и рейтинговых систем оценки. Была создана информационно-программная среда для поддержки учебного курса.
Неудача первого опыта инициировала теоретическое осмысление его причин и поиск другого варианта методического решения курса лабораторных работ. Была изменена система оценивания учебных достижений студентов, новый вариант которой можно назвать конкурентной системой оценивания.
Надо сказать, что в те годы идеи использования развитых систем адаптивного обучения в нашей стране были малоизвестны прежде всего в силу слабого развития глобальных сетей.
То, что разработанная система оценивания может рассматриваться в контексте систем адаптивного обучения, было осознано гораздо позже. После анализа результатов теоретических и практических исследований по тематике адаптивного обучения стало очевидно, что принципиальное отличие авторской системы от других систем адаптивного обучения состоит в том, что при ее применении индивидуальная образовательная траектория студента является индивидуально выбранной, а не индивидуально назначенной.
Благодаря сервису elibrary.ru автору стало известно об оригинальной системе адаптивного обучения, используемой в сервисе адаптивных тренировок по арифметике Maths Garden, разработанном Университетом Амстердама (Ш. Клинкенберг, M. Страатемайер, Х. Л. Дж. ван дер Маас [32]). В этой системе динамически пересчи-тывается рейтинг ученика и рейтинг задач (задействована система расчета, аналогичная шахматному рейтингу Эло). Важно то, что при этом рейтинг ученика может расти или падать в зависимости от его успехов в решении заданий. Это роднит эту систему
динамического вычисления рейтинга с конкурентной системой. Автором также рассматривались варианты замены алгоритма расчета рейтинга на более сложный и, возможно, математически более точный и эффективный. Но в итоге было отдано предпочтение более прозрачному для студентов алгоритму. Это важное преимущество с точки зрения учета мотивации студентов.
Конкурентная система оценивания учебных достижений студентов привносит в учебный процесс элементы геймификации, которые развивают мотивационную сферу обучающегося. В сущности, учебный процесс с использованием такой системы оценивания становится деловой игрой, в ходе которой участники - студенты - соперничают за овладение ресурсами, являющимися на самом деле знаниями в изучаемой предметной области.
Результаты исследования / Research results
Исходя из особенностей учебной дисциплины, учебный курс был построен так, что каждая лабораторная работа состоит из нескольких мелких независимых заданий, объединенных общей тематикой.
Это соответствует идеям микрообучения, широко используемым в адаптивных системах. Но здесь подразумевалось, что студенты будут выбирать и сдавать те задания, которые им лично понравились, и должны набрать определенное количество баллов за сданные задания. При этом устанавливался некоторый эквивалент разных заданий, одно сложное задание приравнивалось к двум-трем простым. У студентов появляется потенциальная вариативность в выборе заданий.
Можно сказать, применялась типичная рейтинговая система.
Однако первый опыт был крайне неудачным. Самые лучшие студенты, выполнив подготовительные в некотором смысле работы № 1-3, дошли только до работы № 5, и никто не делал задания из работ № 6 и последующих. Самые важные с точки зрения тематики учебного курса задания оказались невостребованными! И это в условиях, когда в целом студенческая группа была весьма крепкой по знаниям. Было очевидно, что причины следует искать в особенностях мотивации у студентов.
Проблема слабых студентов
Недостаток традиционных систем оценивания учебной деятельности студентов в том, что они зачастую не стимулируют глубокое освоение учебного материала, а развивают «технологии сдачи отчетов преподавателю». Происходит подмена цели: вместо «выучить!» на первое место выходит «сдать!».
Это можно назвать проблемой слабых студентов. При этом следует отчетливо понимать, что учебные достижения процентов на 80 объясняются мотивацией и только на 20 процентов - интеллектом и накопленными предыдущими знаниями. Так что на самом деле мы говорим о слабо мотивированных студентах.
Чтобы студент по-настоящему серьезно отнесся к некоторой учебной дисциплине, необходимо одновременное наличие многих факторов:
1) желание получить высокую квалификацию по данной специальности;
2) понимание того, что данная учебная дисциплина абсолютно необходима для данной специальности;
3) наличие необходимых предварительных знаний или готовность выучить все то, что когда-то недоучил, а сейчас потребовалось. Между прочим, по наблюдениям, чтобы ликвидировать пробелы в знаниях, многим студентам требуются большие волевые усилия, чем для изучения нового предмета;
4) значительная независимость от мнения группы («неважно, как работают другие студенты по данной учебной дисциплине, а я буду работать так, как нужно мне»);
5) познавательный интерес вообще и к данной учебной дисциплине в частности.
Троечники - это на самом деле те, кто не просеялся через этот многослойный
фильтр. Они учат ровно настолько, чтобы по минимуму соответствовать требованиям преподавателя.
Итак, слабые студенты ориентируются не на усвоение материала, а на его сдачу, применяя следующие приемы:
- «прикрепиться» к сильному студенту и «сдавать» за его счет («бригадный метод»);
- выждать, пока кто-нибудь не сдаст данную работу, взять у него результаты и предъявить преподавателю как собственные («списать»);
- дождаться сессии, когда преподаватель снизит требования, видя, что процент должников слишком велик, а времени на то, чтобы с каждого спросить «по полной программе», у него не хватает («отсидеться»).
Все перечисленные проблемы обычно решаются жесткой требовательностью преподавателя.
Что же, хороший преподаватель = суровый преподаватель?
Характерно, что он неважно выглядит и в глазах сильных студентов, поскольку его действия некоторым образом задевают и их интересы. Лучшие студенты видят, что они и так делают больше, чем соседи, и поэтому уверены в своих позициях. Они не заинтересованы в освоении большего объема материала - все равно это будет просто подарком слабым и нерадивым студентам. Мотивы глубокого освоения профессиональных знаний отступают на второй план перед более прозаическими мотивами успешно отчитаться перед преподавателем и не работать на других.
Отметим здесь негативную роль академической группы, которая, по идее, должна объединяться в коллектив общественно значимой целью приобретения знаний, а вместо этого объединяется негативной целью «сдать».
Сильных студентов расхолаживают легкие для них задания и соседство слабых студентов. В итоге слабые «тормозят» сильных, создавая обстановку иждивенчества и задавая низкий суммарный уровень достижений студенческой группы в изучении дисциплины.
И сильные, и слабые студенты зависят от «милости» преподавателя, однако в случае конфликта по поводу оценки могут применить аргумент «Вы ко мне несправедливы!» в разных вариациях. При этом и те и другие объединяются в своеобразной борьбе с преподавателем.
Преподаватель пытается бороться с попытками сдачи чужих работ, выясняя, имеет ли студент представление о содержании работы. Однако при этом он выглядит очень необъективным в глазах студентов хотя бы потому, что быстро принимает работу у сильного студента и долго придирается к тому, кто работу списал у коллеги. Не украшает его и снижение требований в конце семестра.
Новая система оценивания родилась из мечты: «Сделать так, чтобы списывать стало невыгодным для самих студентов!» А как это сделать, если благодаря современным техническим новшествам списывать стало удивительно легко и малозатратно?
Условия применения
Здесь предлагается описание разработанной автором оригинальной системы оценивания учебной деятельности студентов. Эта система оценивания существенным образом меняет мотивационный фон учебной работы студентов по учебной дисциплине и за счет этого обеспечивает более высокие результаты обучения.
Система много лет успешно используется при преподавании учебной дисциплины «Архитектура компьютера» для студентов специальностей «Информатика» педагогического вуза. Однако границы применимости системы шире и обозначены только несколькими общими особенностями учебной дисциплины, которыми обладают многие другие учебные курсы. Прочитав ближайшие абзацы, вы можете оценить, обладают ли такими качествами преподаваемые вами учебные дисциплины.
Прежде всего, следует отметить особенности учебной дисциплины «Архитектура компьютера»:
- смесь материала разного уровня сложности;
- задания, где варианты невозможны в принципе, поэтому одни и те же решения могут сдаваться и повторно другими студентами;
- большинство лабораторных работ можно делать и самостоятельно, в том числе дистанционно - для этого требуется лишь компьютер и соответствующее программное обеспечение;
- учебный материал требует скорее не запоминания, а освоения некоторых общих принципов и выработки навыков чтения, понимания и использования технической документации;
- одни части учебного материала взаимозаменяемы с другими - это дает возможность изучать не весь материал.
Договоримся, что на протяжении данной статьи несколько специфично употребляется термин «лабораторная работа». В традиционном понимании лабораторная работа - это исследовательская работа на специальном оборудовании, выполняемая по заранее составленному плану. Однако здесь будем называть лабораторными работами такую организационную форму занятий, где на фоне индивидуальной работы студентов, организованной по заранее определенному плану, преподаватель уделяет достаточно много времени персонально каждому студенту. Простые расчеты показывают, что в подгруппе из 12 студентов каждый получает на одном занятии в среднем до 5-7 минут персонального внимания преподавателя. Это тот необходимый минимальный лимит, который отличает такую форму занятий от других.
Возможно, эту форму занятий следовало бы назвать другим термином, чтобы отличать от «настоящих» лабораторных работ в лабораториях, оснащенных массой оборудования и других технических средств. Но это лишь вопрос терминологии, придумать и внедрить такое название отнюдь не первоочередная задача.
Итак, первым условием применимости описываемой системы является наличие в этой учебной дисциплине занятий в малых группах, которые мы будем назвать лабораторными работами. Как показывает опыт, речь идет об академической группе из 10-25 студентов. Даже если занятия проводятся по подгруппам, расчеты баллов проводятся для всей группы.
Второе условие - «необязательность» полных знаний по всему курсу. Если учебная дисциплина называется, условно говоря, «Техника безопасности при проведении... работ», то описываемая система оценивания и организации занятий здесь неприменима - пробел в знаниях чреват катастрофой. Система неприменима и к тем учебным дисциплинам, которые являются базой для изучения других дисциплин. Например, для технических специальностей базовый - курс математического анализа, на который затем опираются все разделы физики и многие инженерные дисциплины. Впрочем, здесь есть возможность применить описываемую в данной статье технологию как некоторую добавку к обязательному минимуму.
Фрагментарность знаний (один студент выбрал одну часть заданий из некоторых работ, другой студент - другую часть заданий) допустима для курсов по выбору и других учебных дисциплин, где студенту предоставляется определенная свобода в выборе тем для изучения. На старших курсах таким образом реализуется специализация студентов по избранной ими тематике. Главным результатом обучения считается основательное знакомство с методами некоторой научно-технической области, а не регламентированный обязательный перечень знаний.
Третьим условием является наличие специально разработанной информационной системы для учета учебных достижений и широкого информирования студентов о полученных баллах.
Первоначально предполагалось, что система предназначена для тех случаев, когда учебная дисциплина завершается экзаменом или дифференцированным зачетом, поскольку она формирует итоговый числовой балл, однако опыт показал, что она успешно работает и для случаев, когда учебная дисциплина оценивается зачетом.
Структура конкурентной системы оценивания
Система состоит из четырех взаимосвязанных и взаимодействующих компонентов:
1. Электронный учебник.
2. Специально сконструированные лабораторные работы.
3. Компьютерная программа учета результатов.
4. «Правила игры».
Электронный учебник содержит изложение теоретического материала по некоторым темам и избыточное множество ссылок на информационные материалы по всем темам. Наличие электронного учебника позволяет выполнять лабораторные работы в любом порядке независимо от лекций. Можно сказать, это довольно типичный в целом компонент -сегодня многие преподаватели готовят для студентов учебные материалы в электронном виде. Некоторая его особенность состоит в том, что в электронном учебнике нет попытки дать ответы на все вопросы (задания) лабораторных работ и нет выраженной рекомендации последовательности изучения тем. Скорее, электронный учебник указывает ориентиры, где искать нужную информацию, нацеливая студентов на поисковую деятельность при выполнении заданий. Формат учебника особой роли не играет - пробовались и документы формата Word или PDF, и HTML-файлы, связанные гиперссылками.
Следующим элементом является курс лабораторных работ. Исходя из предоставляемой студенту возможности выбирать только часть заданий, курс лабораторных работ сконструировали особым образом. Каждая работа содержит набор независимых заданий по определенной теме, оцениваемых в один, два или три балла. Как правило, один балл дается за задание, требующее простого воспроизведения (репродуктивный уровень), два балла дается за задание, где требуется применить знания для решения типовой задачи, а в три балла оцениваются творческие задания, где постановка задания неоднозначна, решение неочевидно.
Задания различаются и по способу сдачи. Назовем «тестом» такое задание, которое требует быстрого, без раздумья, ответа на вопрос. Скорее всего, это простое воспроизведение заученного материала, и обычно задания-тесты обычно оцениваются в один балл. Название они получили потому, что в них реализовано главное качество теста -сокращенное время проверки. Если под рукой имеется подходящая тестирующая программа, ее можно использовать для приема таких заданий.
Обычно задания такого типа относят к репродуктивному (тренировочному) уровню, цель которого - закрепление знаний, формирование умений, навыков. Это
проверяется жестким ограничением во времени и запрещением обращения к источникам информации при сдаче.
«Вопросом» (не очень точное название) назовем такое задание, в котором студенту предоставляется определенное время на раздумья, вычисления, обоснование, решение задачи, формулировку своих рассуждений по некоторой теме и тому подобное. Однако сделать это следует в присутствии, под наблюдением преподавателя, никакие контакты и консультации при этом недопустимы. Подготовка к сдаче задания-теста или задания-вопроса состоит в освоении необходимой информации и решении подобных задач. Как правило, задание-тест оценивается в один балл, задание-вопрос чаще всего оценивается в два балла, но возможны и отклонения. Задания-вопросы проверяют реконструктивный уровень, при котором требуется перестроить решение под новую задачу.
Задания сдаются «отчетом», если студент должен предъявить некоторый отчет с решением нетрадиционной задачи, или исследованием. Студент должен самостоятельно сконструировать решение достаточно сложной проблемы, для которой нет опубликованного решения или, по крайней мере, решение трудно отыскать. Применительно к информатике иногда требуется разработать программу на одном из языков программирования. Задание сдается преподавателю в виде устного или письменного отчета. Это наиболее подходящая форма для самостоятельного выполнения заданий. Однако размах задания, его объем ограничивается сверху требованием, что проверка отчета должна укладываться в указанные выше 5-7 минут.
Такие задания реализуют творческий, поисковый уровень, который требует анализа проблемной ситуации, получения новых знаний. Студент должен самостоятельно произвести выбор средств и методов решения.
Задания всех типов должны иметь четкие описания того, что требуется предъявить для сдачи и как будет происходить сдача задания. Итак, курс лабораторных работ состоит из работ, каждая из которых - серия заданий.
Число заданий в каждой работе не регламентировано, важно иметь достаточно большое общее число заданий во всех работах, об этом будет рассказано позже.
Учебник, лабораторные работы и бесплатное программное обеспечение для их выполнения студенты могут свободно скопировать и установить «дома». Это обеспечивает возможность расширения самостоятельной работы, разгружая собственно лабораторные занятия именно для сдачи заданий. Параллельно многое делается, как видно из дальнейшего, для того, чтобы и преподаватель был максимально свободен от рутинных обязанностей и занимался самым важным при таком способе организации занятий делом - принимать сданные задания в индивидуальной работе. Для приема многих заданий типа «тест» удается приспособить тестирующие программы.
Третьим компонентом является компьютерная программа, реализующая функции информационной системы:
- Хранение информации о первичных баллах для каждого задания.
- Ввод преподавателем и хранение информации о всех заданиях, сданных студентами.
- Автоматический перерасчет баллов по правилам, указанным далее.
- Информирование преподавателя о статистике сданных заданий и полученных баллах каждого студента.
- Информирование студента обо всех сданных им заданиях, о полученных за них баллах.
Эта компьютерная программа относится к классу автоматизированных информационных систем. Она состоит из системы управления базой данных, расположенной на сервере, и клиентских программ, которые устанавливаются на локальные компьютеры в сети простым копированием. Благодаря клиент-серверной технологии легко реализуются функции парольного доступа и ограничения полномочий каждого пользователя. В начале семестра проводится демонстрация студентам возможностей программы.
Важнейшим компонентом, которая является принципиальной отличительной особенностью всей системы оценивания учебных достижений студентов, являются «Правила игры». Правила объявляются студентам в начале семестра. Приведем эти правила.
Правила игры
Правило 1. Студент имеет право сдавать только часть заданий - любые выбранные им задания из любых лабораторных работ в любом порядке.
Правило 2. Каждое задание оценивается в зависимости от сложности и других факторов в 1, 2 или 3 балла за задание (первичный балл, не изменяющийся в течение учебного курса, назовем его «первичный балл», или БАЛЛ-1). Эти 1, 2 или 3 балла делятся (!!!) между студентами его учебной группы, сдавшими это задание. Перерасчет будет выполняться каждый раз, когда еще кто-то сдаст то же самое задание. Результат называется вторичным баллом (в программе это БАЛЛ-2).
Правило 3. После этого набранная сумма вторичных баллов (назовем ее БАЛЛ-3) умножается на специальный групповой коэффициент, который преподаватель объявляет в начале семестра данной учебной группе. Полученный в результате БАЛЛ-4 округляется вниз до целого значения БАЛЛ-5. БАЛЛ-5 и есть оценка, которую достиг студент.
Правило 4. БАЛЛ-5 - это оценка за учебную дисциплину, которая выставляется как оценка за экзамен по этой учебной дисциплине.
Примечания
Программа ведет расчет БАЛЛ-2, БАЛЛ-3, БАЛЛ-4 до тысячных долей единицы. При определении БАЛЛ-5 округление производится в нижнюю сторону, то есть 4,950 - это не «отлично», а только «хорошо».
Модель действия «Правил игры»
Следующие рисунки иллюстрируют алгоритм расчета итоговых баллов студентов в автоматизированной системе учета.
На рис. 1 (вверху) отображена ситуация, когда три студента сдали одно и то же задание. Каждый получает при этом 1/3 часть от первичного балла (БАЛЛ-1), в который оценивается задание, в данном случае это 2 балла. Здесь же отражена ситуация, когда еще один студент сдал это же задание позднее. Это событие вызывает процедуру перерасчета баллов. При этом вторичный балл (БАЛЛ-2) у предыдущих студентов уменьшается.
Рис. 2 отображает дальнейшие действия в алгоритме. Для каждого студента, которого касаются изменения вторичного балла, заново пересчитывается сумма вторичных баллов - БАЛЛ-3. Далее БАЛЛ-3 умножается на коэффициент, назначенный данной академической группе, получается БАЛЛ-4 студента, и он же, округленный вниз до целого значения, - БАЛЛ-5. БАЛЛ-5 - это оценка, которая может быть выставлена в зачетную книжку и в экзаменационную ведомость (конечно, если она не меньше 3 баллов).
Рис. 1. Пример расчета и перерасчета БАЛЛ-2
Рис. 2. Пример расчета БАЛЛ-3, БАЛЛ-4, БАЛЛ-5
Механизм действия
Обратите внимание на второй пункт «Правил игры». Это правило обеспечивает многие позитивные качества всей системы оценивания.
Суммарный балл (БАЛЛ-4), накопленный когда-то студентом, может уменьшиться (!!!) в любой момент, а именно тогда, когда кто-то из его группы сдал это же задание. Таким образом, сильный студент теперь не может «почивать на лаврах» - он все время стремится увеличить свой балл, чтобы избежать его неожиданного падения ниже запланированной когда-то оценки.
Отдать кому-то выполненное задание означает просто отдать часть своего балла. Это понимают оба участника сделки, и слабому студенту не так легко теперь потребовать у сильного поделиться сданным заданием, а у сильного студента есть повод
отказаться. Знания становятся ценностью, которую можно оценить количественно и даже, как ни парадоксально кажется, «продать».
Здесь уместно вернуться к названию «конкурентная система оценивания». Мы сейчас много говорим о том, что надо готовить специалиста, готового к конкуренции на рынке труда. Но есть ли что-то в организации учебного процесса, что позволяет ему прочувствовать эту конкуренцию? В данной системе оценивания такие элементы имеются.
Во-первых, в системе заложено влияние твоих баллов на баллы других и влияние чужих действий на твою судьбу.
Во-вторых, система моделирует линии поведения в условиях конкуренции: согласиться с понижением цены на товар (то есть задания) или уйти в тот сегмент рынка, где конкуренция слаба.
В-третьих, формируется отношение к знаниям как продаваемому и покупаемому товару. Думается, одной из глобальных проблем нашей страны является как раз то, что знания у нас не ценятся в той мере, в какой они должны цениться. Возможно, это происходит еще и потому, что в головах у менеджеров, устанавливающих зарплату работникам, со студенческих времен сидит убеждение, что знания всегда можно получить бесплатно.
Когда студенты первый раз встречаются с такой системой оценивания, они в начале семестра пытаются применить к ней традиционный подход. Характерные признаки: слабые студенты выжидают, когда кто-то сдаст задание и после этого запросто даст им списать; прилежные студенты начинают читать работу № 1 и сдавать из нее задания в обычном порядке следования номеров.
Кризис наступает для слабых студентов тогда, когда они неожиданно получают отказы на просьбы «Дай списать!», чего никогда не происходит при использовании других форм контроля, где срабатывает стереотип «Что мне, жалко?». Вот тогда они начинают задумываться, как жить дальше. Как уже говорилось, «слабость» студента, как утверждают ученые (и собственный преподавательский опыт автора), на самом деле означает его низкую мотивированность в учебе. Когда списать легче, чем выучить, он обязательно выбирает первое. В данной же ситуации вызова многие из них этот вызов принимают. Приносит особое удовольствие иногда слышать от коллег-преподавателей: «Как этот типичный задолжник ... смог у тебя сдать эту учебную дисциплину на "хорошо" (или даже на "отлично")?» Значит, удалось разбудить амбиции студента, и он вырвался из тисков своей репутации! Но он выполнил все предъявленные требования, и можно даже увидеть на экране компьютера всю динамику его достижений, в том числе и в сравнении с другими студентами из той же учебной группы. То есть его оценка не содержит ни малейшей доли нашего особого к нему расположения. Сработала педагогическая система!
Отличники по прилежанию могут переживать два вида кризиса. Первый наступает, когда, выполняя задания в нумерационном порядке, они сталкиваются с заданием, которое не могут выполнить. Они вынуждены решать проблему: либо увеличить затрат сил на то, чтобы вникнуть и разобраться этим заданием, либо перейти к другому. А к какому другому? Этот кризис отрывает их от пунктуального выполнения заданий к поиску.
Но еще сильнее их шокируют ситуации неожиданных уменьшений «честно заработанного» балла. Каковы для них возможности, что полезного может дать им кризис?
Они могут продолжать свою линию, пунктуально выполняя большое количество мелких с точки зрения потенциального балла, легких заданий. Путь надежный, но весьма трудоемкий.
Более продуктивен второй вариант: перейти к выполнению сложных заданий. Для этого им необходимо перейти на качественно новый уровень, максимально напрягая свои интеллектуальные возможности. И в этом тоже полезное качество методики.
Сильный студент в условиях действия такой системы оценивания ищет те задания, которые, кроме него, никто не делает, обеспечивая себе высокий балл небольшим количеством сильных заданий. Он принципиально игнорирует легкие задания. Слабый студент вынужден либо сдавать большое количество легких заданий, либо преодолеть себя и взяться за трудные здания. Каждый студент может сам определить свою программу изучения учебного материала!
Постоянный поиск по списку заданий, анализ информации о том, сколько человек сдали то или иное задание, - все это привлекает внимание всех студентов, стимулирует их учебную активность.
Большое воспитательное воздействие имеет гласность результатов, видение студентом своих достижений и перспектив, которое обеспечивает компьютерная программа. Оценка теперь в большей степени зависит от студента, чем от преподавателя.
Центробежная тенденция - обособиться при сдаче заданий - на самом деле очень слаба. Студенты со смехом говорят: «Вы нас всех перессорили!» На самом деле они быстро понимают, что это сделано для того, чтобы каждого из них снабдить знаниями, а не отчетным баллом.
Более того, в конкурентной системе оценивания проявляется и центростремительная тенденция. Изучение ситуации со сдачей отдельных заданий, изучение динамики общей ситуации в группе и динамики своего рейтинга в ней приобретает большой интерес и особым образом сплачивает группу. Процесс изучения учебной дисциплины становится объектом повышенного интереса и обсуждений внутри группы! Между прочим, это еще один довод в пользу того, почему расчеты баллов следует вести именно в пределах учебной группы. Как известно, коллектив - группа лиц, объединенная положительной и значимой для нее целью.
Результативность системы
Обычно, оценивая результативность педагогической новинки, ее авторы приводят данные сравнительного эксперимента, проведенного по известной схеме: берется контрольная группа, в которой используется традиционная методика, и экспериментальная группа, в которой занятия проводятся по новой методике. Группы должны быть примерно равными по всем параметрам, имеющим отношение к этой самой педагогической новинке. В обеих группах дважды, до и после эксперимента, измеряется некоторый параметр, служащий индикатором успешности педагогической новации. Сравнение результатов методами математической статистики дает объективное доказательство эффективности предлагаемой методики.
Однако в нашем случае сделать это затруднительно. Система меняет и смысл оценки, и предмет оценивания. Как сравнивать знание материала, если с самого начала предполагается возможность выбора тем? Многие адаптивные системы требуют стандартизации учебного материала, но здесь такого требования нет.
По крайней мере, опыт использования показал, что после внедрения конкурентной системы оценивания общее количество выполненных заданий выросло не менее чем в полтора раза. Резко выросла сложность выполняемых заданий. Особенно приятно то, что практически все задания из всех работ «покрыты», то есть каждое задание кто-нибудь сдавал. При традиционной организации дела до некоторых работ просто
«не доходили руки» ни у одного из студентов. Многие студенты с удовольствием выполняют работы «дома», принося отчеты. В конкуренцию с традиционными «прилежными» отличниками вступили творческие личности, готовые «покопаться» в очень сложном материале. Таким образом, опыт использования такой системы показал ее эффективность.
В конкуренцию с традиционными «прилежными» отличниками вступили «творческие личности». Это особая категория студентов, у которых мотивы интереса к учебному материалу преобладают над желанием получить положительную оценку и соответствовать требованиям преподавателя, они готовы «покопаться» в очень сложном материале, но не готовы пунктуально выполнять все задания в порядке их номеров.
Заметим, что были годы, когда курс «Архитектура компьютеров» отсутствовал в учебном плане, то есть количество использований конкурентной системы оценивания не соответствует количеству лет, прошедших с момента первого использования. С другой стороны, автор успешно применял ее для других учебных курсов, которые соответствуют описанным требованиям. Единственный случай провала был тогда, когда не удалось запустить процесс конкуренции, - это был год, когда студенческая группа состояла только из семи студентов, и из них многие не посещали занятия по объективным причинам (подработка, уход за ребенком и др.). Г. Р. Громов [33] одну из глав, в которой обсуждались проблемы запуска процесса инновации, назвал весьма характерно: «Как разжечь светильник?» Так вот, кроме этого особого случая, разжечь светильник всегда удавалось!
Заключение / Conclusion
Прислушивались ли вы к студенческим разговорам, которые касаются учебы? Сейчас еще многое можно почерпнуть из форумов и чатов в социальных сетях.
Типичная студенческая байка - как удалось «на халяву» получить высокую оценку. А вот разговоры о том, что пришлось основательно работать по некоторой учебной дисциплине, если и встречаются, то только в сочетании со словами «потому что преподаватель просто зверь!».
Множество высказываний о том, как удалось обмануть преподавателя, предъявив ему чужую тетрадь как свою, или списав в тот момент, когда он отвернулся, или предъявив чужой файл с отчетами.
Приведу типичные кулуарные высказывания студентов о преподаваемой с использованием описываемой системы учебной дисциплине.
«Сдал на "отлично" легко - сделал всего пять таких заданий, которые, кроме меня, никто не смог сделать, и получил с них все баллы себе!» (ничего себе - легко!).
«Мы, как пчелки, по крохам собирали десятые доли балла на несчастную тройку - сдали 40 заданий!»
«Надо все время быть бдительным! Два месяца все шло хорошо, а в последнюю неделю кто-то сдал мои задания, и мои баллы съехали вниз!»
И дело не в том, что указанные выше способы обмануть преподавателя стали совершенно невозможны. Этим стало неприлично хвастаться хотя бы потому, что, обманув преподавателя, ты обманул и своих товарищей, снизив им трудовой балл.
Такие высказывания разительно контрастируют с предыдущими примерами и показывают общее позитивное впечатление от изученной учебной дисциплины. Этот позитив проецируется и на преподавателя, создавая ему положительный имидж. Но важно не уменьшение конфликтов с «дроечниками» (здесь нет орфографической
ошибки, так можно назвать студентов, имеющих «троечные» знания и «двоечные» познавательные интересы). Большее удовольствие доставляет возникновение ситуаций, когда студент, казалось, опустивший руки и равнодушно дрейфующий по течению студенческой жизни, вдруг раскрывает свой дремлющий потенциал и заявляет: «Наконец-то нашелся учебный предмет, который интересно изучать и интересно сдавать!» Обратите внимание на два достижения, которые обеспечила система: во-первых, стало «интересно сдавать» и, во-вторых, «интересно сдавать» превратилось в «интересно изучать»!
Ссылки на источники / References
1. Шаталов В. Ф. Педагогическая проза. - Архангельск: Сев.-Зап. кн. изд-во, 1990. - 383, [1] с.: рис.
2. Ершов А. П. Компьютеризация школы и математическое образование: избранные труды. - Новосибирск: Наука, 1994. - С. 358.
3. Распоряжение Правительства РФ от 2 декабря 2021 г. № 3427-р «Об утверждении стратегического направления в области цифровой трансформации образования, относящейся к сфере деятельности Министерства просвещения РФ».
4. Акулич М. М. Образование в условиях глобализации // Университетское управление: практика и анализ. -2005. - № 5. - С. 50-57. EDN HRONGH.
5. Блинов В. И., Сергеев И. С., Есенина Е. Ю. и др. Педагогическая концепция цифрового профессионального образования и обучения: монография о образования и обучения: монография / под науч. ред. В. И. Блинова.
- М.: Изд. дом «Дело» РАНХиГС, 2020. - С. 58.
6. Skinner B. F. Review Lecture: The Technology of Teaching // Proceedings of the Royal Society. Series B, Biological Sciences. - 1965. - Vol. 162. - No 989. - P. 427-443.
7. Brusilovsky P. L., Gorskaya-Belova T. B. An environment for physical geography teaching // Computers Educ. -1992. - Vol. 18. - No. 1-3. - P. 85-88. DOI 10.1016/0360-1315(92)90040-C. EDN XLOPJB.
8. Brusilovsky P. L. A framework for intelligent knowledge sequencing and task sequencing // Lecture Notes in Computer Science. - 1992. - Vol. 608 LNCS. - P. 499-506. DOI 10.1007/3-540-55606-0_59. EDN XNKPGB.
9. Brusilovsky P. Adaptive navigation support // Lecture Notes in Computer Science. - 2007. - Vol. 4321 LNCS. -P. 263-290. DOI 10.1007/978-3-540-72079-9_8. EDN XWFJBY.
10. Brusilovsky P. Adaptive hypermedia for education and training // Adaptive Technologies for Training and Education. - 2012. - P. 46-66. DOI 10.1017/CBO9781139049580.006. EDN YVZJFP.
11. Plario - система адаптивного обучения. - URL: https://plario.ru/
12. Региональное информационное агентство РИА Томск. - URL: https://www.riatomsk.ru/article/20190826/kurs-po-adaptivnoj-matematike-plario-tgu-enbisys
13. Блог компании enbisys.com. Как научить искусственный интеллект обучать людей математике. - URL: https://enbisys.com/plario_how_artificial_intelligence_assists_in_math_as_adaptive_learning_system
14. Бубнов Д. В. Система адаптивного обучения математике PLARIO.RU // EdCrunch Томск: материалы международной конференции по новым образовательным технологиям, Томск, 29-31 мая 2019 года. - Томск: Издательский Дом Томского государственного университета, 2019. - С. 164-169. EDN WQRMTS.
15. Кречетов И. А., Дорофеева М. Ю., Дегтярев А. В. Раскрываем потенциал адаптивного обучения: от разработки до внедрения // Материалы международной конференции: материалы международной конференции, Москва, 05-06 декабря 2018 года / отв. ред. Е. Ю. Кулик. - М.: Национальный исследовательский университет «Высшая школа экономики», 2018. - С. 76-88. EDN YXPFPF.
16. Каменев Р. В., Ступина Е. Е., Ржевина Н. В. Модель внедрения дистанционного обучения в образовательных организациях: учеб. пособие / Министерство просвещения Российской Федерации, Новосибирский государственный педагогический университет. - Новосибирск: Изд-во НГПУ, 2022. - 194 с.
17. Кречетов И. А. О направлениях развития системы дистанционного обучения университета // Современное образование: интеграция образования, науки, бизнеса и власти: материалы международной научно-методической конференции: в 2 ч., Томск, 27-28 января 2022 года. Ч. 1. - Томск: Томский государственный университет систем управления и радиоэлектроники, 2022. - С. 116-123. EDN UTLVPA.
18. Адаптивное обучение в высшем образовании: за и против / К. А. Вилкова, Д. В. Лебедев; Национальный исследовательский университет «Высшая школа экономики», Институт образования. - М.: НИУ ВШЭ, 2020.
- 36 с. - (Современная аналитика образования. № 7 (37)).
19. FitzGerald E. et al. Dimensions of personalisation in technology-enhanced learning: A framework and implications for design // British Journal of Educational Technology. - 2018. - Vol. 49. - No. 1. - P. 165-181.
20. Реан А. А., Бордовская Н. В., Розум С. И. Психология и педагогика: учеб. для вузов. - СПб.: Питер, 2000. -С. 351. - (Учебник нового века). EDN RTTFYZ.
21. Ильин Е. П. Мотивация и мотивы. - СПб.: Питер, 2002. - С. 266.
22. Гебос А. И. Психология познавательной активности учащихся: в обучении / Бельцкий гос. пед. ин-т. - Кишинев: Штиинца, 1975. - С. 16.
23. Шагивалеева Г. Р., Калашникова В. Ю. Мотивация учебной деятельности студентов вузов различных стран // Теория и практика образования в современном мире: материалы VII Междунар. науч. конф. (г. Санкт-Петербург, июль 2015 г.). - СПб.: Свое издательство, 2015. - С. 43-47. - URL: https://moluch.ru/conf/ped/archive/152/8385/
24. Клепцова Е. Ю., Рубцова Д. О. Проблемы мотивации студентов вуза // Научно-методический электронный журнал «Концепт». - 2016. - Т. 32. - С. 60-66. - URL: http://e-koncept.ru/2016/56665.htm
25. Stepik - образовательная платформа и конструктор онлайн-курсов. - URL: https://welcome.stepik.org/ru/about
26. Рекомендательные системы в онлайн-образовании. Адаптивное обучение / Хабр. - URL: https://habr.com/ru/companies/stepic/articles/325206/
27. Рекомендательные системы в онлайн-образовании. Продолжение / Хабр. - URL: https://habr.com/ru/companies/stepic/articles/307670/
28. Вербах К., Хантер Д. Вовлекай и властвуй. Игровое мышление на службе бизнеса. - М.: Манн, Иванов и Фербер, 2015.
29. Lavieri Jr., Edward D. A study of adaptive learning for educational game design // EAI Endorsed Transactions on Serious Games. - 2014. - 14(2). - Р. 273-282.
30. Ветушинский А. С. Больше, чем просто средство: новый подход к пониманию геймификации // Социология власти. - 2020. - 32 (3). - Р. 14-31.
31. Mitrovic A., Martin B. Evaluating the Effect of Open Student Models on Self-Assessment Education // International Journal of Artificial Intelligence in Education. - 2007. - Vol. 17. - No. 2. - Р. 121-144.
32. Klinkenberg S., Straatemeier M., Van der Maas H. L. J. Computer adaptive practice of Maths ability using a new item response model for on the fly ability and difficulty estimation // Computers & Education. - 2011. - 57(2). -Р. 1813-1824.
33. Громов Г. Р. От гиперкниги к гипермозгу: информационные технологии эпохи Интернета: эссе, диалоги, очерки. - М.: Научно-техническое издательство «Радио и связь», 2004. - 208 с. EDN QTXCCH.
1. Shatalov, V. F. (1990). Pedagogicheskaya proza [Pedagogical prose], Sev.-Zap. kn. izd-vo, Arhangel'sk, 383, [1] p.: ris. (in Russian).
2. Ershov, A. P. (1994). Komp'yuterizaciya shkoly i matematicheskoe obrazovanie: izbrannye trudy [School computerization and mathematical education: selected works], Nauka, Novosibirsk, p. 358 (in Russian).
3. Rasporyazhenie Pravitel'stva RF ot 2 dekabrya 2021 g. № 3427-r "b utverzhdenii strategicheskogo napravleniya v oblasti cifrovoj transformacii obrazovaniya, otnosyashchejsya k sfere deyatel'nosti Ministerstva prosveshcheniya RF" [Decree of the Government of the Russian Federation No. 3427-r dated December 2, 2021 "On approval of the Strategic direction in the field of digital transformation of education related to the sphere of the Ministry of Education of the Russian Federation"]. (in Russian).
4. Akulich, M. M. (2005). "Obrazovanie v usloviyah globalizacii" [Education in the context of globalization], Universi-tetskoe upravlenie: praktika i analiz, № 5, pp. 50-57. EDN HRONGH (in Russian).
5. Blinov, V. I., Sergeev, I. S., Esenina, E. Yu. et al. (2020). Pedagogicheskaya koncepciya cifrovogo professional'nogo obrazovaniya i obucheniya: monografiya o obrazovaniya i obucheniya [Pedagogical concept of digital vocational education and training: a monograph on education and training]: monografiya, Izd. dom "Delo" RANHiGS, Moscow, p. 58 (in Russian).
6. Skinner, B. F. (1965). "Review Lecture: The Technology of Teaching", Proceedings of the Royal Society. Series B, Biological Sciences, vol. 162, No 989, P. 427-443 (in English).
7. Brusilovsky, P. L., & Gorskaya-Belova, T. B. (1992). "An environment for physical geography teaching", Computers Educ, vol. 18, No. 1-3, pp. 85-88. DOI 10.1016/0360-1315(92)90040-C. EDN XLOPJB (in English).
8. Brusilovsky, P. L. (1992). "A framework for intelligent knowledge sequencing and task sequencing", Lecture Notes in Computer Science, vol. 608 LNCS, pp. 499-506. DOI 10.1007/3-540-55606-0_59. EDN XNKPGB (in English).
9. Brusilovsky, P. (2007). "Adaptive navigation support", Lecture Notes in Computer Science, vol. 4321 LNCS, pp. 263290. DOI 10.1007/978-3-540-72079-9_8. EDN XWFJBY (in English).
10. Brusilovsky, P. (2012). "Adaptive hypermedia for education and training", Adaptive Technologies for Training and Education, pp. 46-66. DOI 10.1017/CBO9781139049580.006. EDN YVZJFP (in English).
11. Plario -sistema adaptivnogo obucheniya [Plario - adaptive learning system]. Available at: https://plario.ru/ (in Russian).
12. Regional'noe informacionnoe agentstvo RIA Tomsk [RIA Tomsk Regional News Agency]. Available at: https://www.riatomsk.ru/article/20190826/kurs-po-adaptivnoj-matematike-plario-tgu-enbisys (in Russian).
13. Blog kompanii enbisys.com. Kaknauchit'iskusstvennyjintellekt obuchat'lyudejmatematike [Company blog enbisys.com. How to teach artificial intelligence to teach people mathematics]. Available at: https://enbisys.com/plario_how_artifi-cial_intelligence_assists_in_math_as_adaptive_learning_system (in Russian).
14. Bubnov, D. V. (2019). "Sistema adaptivnogo obucheniya matematike PLARIO.RU" [Adaptive Math Learning System PLARIO.RU], EdCrunch Tomsk: materialy mezhdu-narodnoj konferencii po novym obrazovatel'nym tekhnologiyam, Tomsk, 29-31 maya 2019 goda, Izdatel'skij Dom Tomskogo gosudarstvennogo universiteta, Tomsk, pp. 164-169. EDN WQRMTS (in Russian).
15. Krechetov, I. A., Dorofeeva, M. Yu., & Degtyarev, A. V. (2018). "Raskryvaem potencial adaptivnogo obucheniya: ot razrabotki do vnedreniya" [Realizing the potential of adaptive learning: from development to implementation], in Kulik, E. Yu. (ed.). Materialy mezhdunarodnoj konferencii: materialy mezhdunarodnoj konferencii, Moskva, 05-06 dekabrya 2018 goda, Nacional'nyj issledovatel'skij universitet "Vysshaya shkola ekonomiki", Moscow, pp. 76-88. EDN YXPFPF (in Russian).
16. Kamenev, R. V., Stupina, E. E., & Rzhevina, N. V. (2022). Model' vnedreniya distancionnogo obucheniya v obra-zovatel'nyh organizaciyah [The model of the introduction of distance learning in educational organizations]: ucheb. posobie, Ministerstvo prosveshcheniya Rossijskoj Federacii, Novosibirskij gosu-darstvennyj pedagogicheskij universitet, Izd-vo NGPU, Novosibirsk, 194 p. (in Russian).
17. Krechetov, I. A. (2022). "O napravleniyah razvitiya sistemy distancionnogo obucheniya universiteta" [About the directions of the University's distance learning system development], Sovremennoe obrazovanie: integraciya obra-zovaniya, nauki, biznesa i vlasti: materialy mezhdunarodnoj nauchno-metodicheskoj konferencii: v 2 ch., Tomsk, 27-28 yanvarya 2022 goda. Ch. 1, Tomskij gosudarstvennyj universitet sistem upravleniya i radioelektroniki, Tomsk, pp. 116-123. EDN UTLVPA (in Russian).
18. Vilkova, K. A., & Lebedev, D. V. (2020). Adaptivnoe obuchenie v vysshem obrazovanii: za iprotiv, [Adaptive learning in Higher school: pros and cons] Nacional'nyj is-sledovatel'skij universitet "Vysshaya shkola ekonomiki", Institut obrazovaniya, NIU VShE, Moscow, 36 p. (Sovremennaya analitika obrazovaniya. № 7 (37)) (in Russian).
19. FitzGerald, E. et al. (2018). "Dimensions of personalisation in technology-enhanced learning: A framework and implications for design", British Journal of Educational Technology, vol. 49, No. 1, pp. 165-181 (in English).
20. Rean, A. A., Bordovskaya, N. V., & Rozum, S. I. (2000). Psihologiya i pedagogika [Psychology and pedagogy]: ucheb. dlya vuzov, Piter, St. Petersburg, p. 351 (Uchebnik novogo veka). EDN RTTFYZ (in Russian).
21. Il'in, E. P. (2002). Motivaciya i motivy [Motivation and motives], Piter, St. Petersburg, p. 266 (in Russian).
22. Gebos, A. I. (1975). Psihologiya poznavatel'noj aktivnosti uchashchihsya: v obuchenii [Psychology of cognitive activity of students in training], Bel'ckij gos. ped. in-t, Kishi- Shtiinca, nev, p. 16 (in Russian).
23. Shagivaleeva, G. R., & Kalashnikova, V. Yu. (2015). "Motivaciya uchebnoj deyatel'nosti studentov vuzov razlichnyh stran" [Motivation of educational activities of university students from different countries], Teoriya ipraktika obrazovaniya v sovremennom mire: materialy VII Mezhdunar. nauch. konf. (g. Sankt-Peterburg, iyul' 2015 g.), Svoe izdatel'stvo, St. Petersburg, pp. 43-47. Available at: https://moluch.ru/conf/ped/archive/152/8385/ (in Russian).
24. Klepcova, E. Yu., & Rubcova, D. O. (2016). "Problemy motivacii studentov vuza" [Problems of motivation of university students], Nauchno-metodicheskij elektronnyj zhurnal "Koncept", t. 32, pp. 60-66. Available at: http://e-kon-cept.ru/2016/56665.htm (in Russian).
25. Stepik - obrazovatel'naya platforma i konstruktor onlajn-kursov [Stepik - educational platform and online course builder]. Available at: https://welcome.stepik.org/ru/about (in Russian).
26. Rekomendatel'nye sistemy v onlajn-obrazovanii. Adaptivnoe obuchenie [Recommendation systems in online education. Adaptive learning]/Habr. Available at: https://habr.com/ru/companies/stepic/articles/325206/ (in Russian).
27. Rekomendatel'nye sistemy v onlajn-obrazovanii. Prodolzhenie [Recommendation systems in online education. Continuation] /Habr. Available at: https://habr.com/ru/companies/stepic/articles/307670/ (in Russian).
28. Verbah, K., & Hanter, D. (2015). Vovlekaj i vlastvuj. Igrovoe myshlenie na sluzhbe biznesa [Engage and dominate. Game thinking in the service of business], Mann, Ivanov i Ferber, Moscow (in Russian).
29. Lavieri, Jr., & Edward, D. (2014). "A study of adaptive learning for educational game design", EAI Endorsed Transactions on Serious Games, 14(2), pp. 273-282 (in English).
30. Vetushinskij, A. S. (2020). "Bol'she, chem prosto sredstvo: novyj podhod k ponimaniyu gejmifikacii" [More than just a Tool: A New Approach to Understanding Gamification], Sociologiya vlasti., 32 (3), pp. 14-31 (in Russian).
31. Mitrovic, A., & Martin, B. (2007). "Evaluating the Effect of Open Student Models on Self-Assessment Education", International Journal of Artificial Intelligence in Education, vol. 17, No. 2, pp. 121-144 (in English).
32. Klinkenberg, S., Straatemeier, M., & Van der Maas, H. L. J. (2011). "Computer adaptive practice of Maths ability using a new item response model for on the fly ability and difficulty estimation", Computers & Education, 57(2), pp. 1813-1824 (in English).
33. Gromov, G. R. (2004). Ot giperknigik gipermozgu: informacionnye tekhnologiiepohiInterneta: esse, dialogi, ocherki [From hyperbook to hyperbrain: information technologies of the Internet Era: essays and dialogues], Nauchno-tekhnicheskoe izdatel'stvo "Radio i svyaz'", Moscow, 208 p. EDN QTXCCh (in Russian).
