CC BY
12О разработке и применении программного обеспечения Всероссийского экономического Диктанта
О)
о
сч
О Ш
m
X
<
m о х
X
Голов Роман Сергеевич,
д.э.н., проф., заведующий кафедрой 501, Московский авиационный институт (НИУ), roman_golov@rambler.ru
Зубеева Елена Валерьевна
к.э.н., доц. кафедры 516, Московский авиационный институт (НИУ), helen400@yandex.ru
Конюшков Роман Владимирович,
студент кафедры 813, Московский авиационный институт (НИУ), con_ter@mail.ru
Костиков Юрий Александрович
к.ф.-м.н., заведующий кафедрой 812, Московский авиационный институт (НИУ), jkostikov@mail.ru
Кошелев Александр Сергеевич,
магистрант кафедры 516, Московский авиационный институт (НИУ) Мыльник Алексей Владимирович
к.э.н., доц. кафедры 516, Московский авиационный институт (НИУ), Vint215@yandex.ru
Поваляев Павел Павлович,
магистрант кафедры 813, Московский авиационный институт (НИУ), pavel.povalyev@gmail.com
Романенков Александр Михайлович
к.т.н., доцент кафедры 812, Московский авиационный институт (НИУ), romanaleks@gmail.com
Собеневский Александр Павлович,
студент кафедры 813, Московский авиационный институт (НИУ), sobenevskiy@gmail.com
Шариков Данила Владимирович,
магистрант кафедры 813, Московский авиационный институт (НИУ), danila.sharikov@gmail.com
Настоящая статья посвящена методологическим основам применения разработанного программного обеспечения для Экономического диктанта (ПО ЭД) для анализа результатов образовательной акции Всероссийский экономический диктант. В работе показано, что применение ПО ЭД предоставляет возможность получать конкретные численные результаты, а именно гендерные, возрастные, социально-экономические характеристики участников диктанта, проводить статистический анализ их анкетных данных, строить распределения правильных и неправильных ответов на вопросы, предложенные в диктанте. В статье приводятся примеры построения распределений ответов в зависимости от заданных статистических критериев. Экономический смысл усовершенствований, которые были привнесены программно-аналитическим комплексом, заключается в том, что проверяющие имеют возможность оценивать не только социально-демографические характеристики тестируемых лиц, но также и определять, какие вопросы (темы) являются наиболее слабо изученными в том или ином регионе (площадке); какие типичные ошибки делают участники разных возрастов; к каким вопросам наиболее подготовлены представители разных профессий (учащиеся различных вузов). С помощью анализа представляется возможным разработка конкретных рекомендаций не только для подготовки заданий для диктантов в будущие периоды, но и внесение предложений по совершенствованию школьного курса обществознания, экономики, ряда курсов из программ университета. Это является существенным шагом в улучшении качества экономического образования. Ключевые слова: Всероссийский экономический диктант, программное обеспечение, статистический анализ, педагогические измерения, экономическое образование
Введение.
Разработанное программное обеспечение для экономического диктанта позволило автоматизировать обработку результатов диктанта и максимально освободиться от бумажного документооборота. Главное достоинство программного продукта - это почти моментальное получение наглядной графической картины анализа экономической грамотности различных групп участников.
Программно-аналитический комплекс (ПО ЭД) является частью Информационно-аналитической системы Всероссийского экономического Диктанта. Благодаря данной системе удалось на качественно новом уровне провести проверку и анализ результатов диктанта.
ПО ЭД обеспечивает аналитика удобным инструментарием анализа эмпирических распределений, полученных в результате обработки данных Всероссийского экономического диктанта. Указанные результаты удобным образом представляются в виде графиков и диаграмм, а интерфейс пользователя понятен любому специалисту.
ПО ЭД позволяет максимально сэкономить человеческий ресурс. С этой целью на этапе создания комплекса в него были заложены стандартные распределения, типичные для использования в аналитических отчетах об итогах Диктанта 2017-го года, а также добавлены некоторые новые типы. Инноваций в ПО ЭД 2018 года по сравнению с предыдущим годом стала возможность самостоятельного задания человеком любых критериев и правил выборки, которые ему необходимы для анализа. Комплекс содержит абсолютно идентичную бумажному анкетную часть и часть для выбора ответов.
Графическое представление результатов.
Для повышения эффективности работы и упрощения функциональной цепочки при создании графического представления результатов программно аналитический комплекс представляет на выбор несколько разных типов диаграмм, построение которых автоматизировано в MS Excel. Хранение видов распределений на программном уровне позволяет пользователю всего за несколько нажатий мышью варьировать набор критериев для получения необходимых ему данных. Таким образом построение самых различных распределений не вызывает затруднений.
В результате сопоставления видов диаграмм было отобрано 4 наиболее наглядных типа, позволяющих максимально понятно и просто отобразить соотношения данных. Наряду с простыми диаграммами программа имеет возможность строить многокритериальные диаграммы.
Рисунок 1. Сфера деятельности участников
Распределение правильных и н еп ра в ил ьных ответов
неправильных ответов среди всех участников Диктанта (рис.4). По этой диаграмме возможно сделать ряд выводов. Например: количество неправильных ответов превышает количество правильных, минимальное количество правильных ответов среди всех вопросов участники дали на вопрос №15, а минимальное количество неправильных - на вопрос №6.
■ ПрЛммьныс йтй*тм
■ Неправильные 01Мты
вопрос вопрос вопрос, вопрос, вопрос №1 №? №10 N£15
Рисунок 2. Распределение правильных и неправильных ответов среди студентов
Результаты выполнения Диктанта в соответствии со сферой деятельности участников
# у х у у у у
■ 35-50
■ 55400
Г £
/
Рисунок 3. Результаты выполнения Диктанта в соответствии со сферой деятельности участников
Организация получения и представления, а также предоставления выбора графического представления данных позволяет с легкостью делать выводы на основе полученных диаграмм. Например, ниже приведена диаграмма, отображающая распределение правильных и
Рисунок 4. Распределение правильных и неправильных ответов по вопросам среди всех участников.
Удобство данной организации обуславливается тем, что пользователь всегда имеет выбор типа отображения данных, что позволяет ему подобрать наиболее удобный для восприятия и для дальнейшей аналитической работы. Например, для отображения процентного соотношения количества участников по гендерному признаку, в отличие от предыдущего примера, достаточно диаграммы, приведенной на рисунке 5. Из данной диаграммы видно, что количество женщин среди участников Диктанта практически в два раза превышает количество мужчин. Для данного типа распределения подобная диаграмма является наиболее подходящей, так как она наглядно отображает необходимую информацию и в то же время является не перегруженной лишними деталями, что делает ее простой для понимания.
Рисунок 5. Гендерное распределение участников
X X О го А С.
X
го т
о
м о
О)
о
сч
О Ш
В
X
<
В
О X X
Отметим, что ПО ЭД предоставляет возможность получать условные эмперические распределения. Так на рисунке 6 показано распределение ответов студентов технических ВУЗов.
Рисунок 6. Распределение ответов по некоторым вопросам учащихся технических ВУЗов
Рисунок 7. Результаты выполнения Диктанта в соответствии со сферой деятельности участников.
Рисунок 8. Результаты выполнения Диктанта в соответствии с уровнем образования участников.
Для оптимизации работы комплекса и понижения вычислительной нагрузки структура ПО ЭД была построена так, что ПО ЭД локально не хранит в себе никакой информации о результатах Диктанта и результатах их обработки. Данные получаются из специально созданных таб-
лиц базы данных, которые содержат уже подготовленную информацию, на основе внесенного оператором запроса, что сокращает время работы и повышает эффективность обработки данных, избавляя от вычислительных затрат персональный компьютер оператора.
Для удобства работы пользователя программа имеет режимы записи данных: Выбор имени при сохранении Использование стандартного имени при сохранении и последующим автоматическим открытием файла
Пример функции для получения результатов Диктанта среди участников, отметивших в графе «Отношение к экономике» поле «Интересующийся» приведен в листинге 1.
def result_by_relation_func(self): self.result_by_relation_1 = self.db_con.get_result_by_relation_1()
Листинг 1. Код вызова функции из основного файла и перенаправления запроса на выгрузку данных в блок взаимодействия с базой данных Для обращения к базе данных и конструирования запроса с помощью динамического sql применен подход (см. листинг 2). def get_result_by_relation_1(self): query = 'SELECT ' + ".join(('SUM(statistic1.%s),' %i) if i < 100 else ('SUM(statistic1.%s)' %i) for i in range(0, 101, 5)) + ' FROM statistic1 WHERE interest =1'
self.DB_cursor.execute(query) return self.DB_cursor.fetchall()[0] Листинг 2. Передача запроса в базу данных и получение результатов
Создание ПО ЭД, и, в частности, ПО ЭД, позволило повысить эффективность труда при обработке результатов диктанта, организовать безбумажный документооборот результатов Диктанта, ускорить процесс выявления статистически значимых данных и упростить проведение стандартных видов статистического анализа.
Заключение.
В работе представлены результаты анализа Всероссийского экономического Диктанта 2018 года, которые были подготовлены с помощью программно-аналитического комплекса. Продемонстрированы программные решения на языке python, которые позволяют наглядно отображать индивидуально настраиваемые диаграммы, в которых содержаться результаты статистического анализа экономического диктанта. В качестве примеров использования ПО ЭД приведены графические представления эмпирических распределений данных.
Экономический смысл усовершенствований, которые были привнесены программно-
аналитическим комплексом, заключается в том, что проверяющие имеют возможность оценивать не только социально-демографические характеристики тестируемых лиц, но также и определять, какие вопросы (темы) являются наиболее слабо изученными в том или ином регионе (площадке); какие типичные ошибки делают участники разных возрастов; к каким вопросам наиболее подготовлены представители разных профессий (учащиеся различных вузов). С помощью анализа представляется возможным разработка конкретных рекомендаций не только для подготовки заданий для диктантов в будущие периоды, но и внесение предложений по совершенствованию школьного курса общест-вознания, экономики, ряда курсов из программ университета. Это является существенным шагом в улучшении качества экономического образования.
Литература
1. Аналитический отчет по итогам Общероссийской образовательной акции «Всероссийский экономический диктант», Электронный ресурс. ЫРЬ: https://clck.ru/DaKdu
2. Боровков А. А. Математическая статистика: учебник. М.: Физматлит, 2007.-703 с.
3. Вентцель Е. С. Теория вероятностей и ее инженерные приложения. - М.: Высшая школа, 2007. - 491 с.
4. Голов Р.С., Костиков Ю.А., Романенков А.М. Инструментарий эффективной статистической обработки экономических данных // Экономика: вчера, сегодня, завтра. 2018. Том 8. № 9А. С. 278-286.
5. Константинова Е.В Применение нейронных сетей для целей оптимизации состояний биржевой торговли// Инновации и инвестиции. 2018. № 7. С. 254-259.
6. Константинова Е.В. Глобализационные факторы становления сферы финансовых технологии" // Экономика: вчера, сегодня, завтра. 2018. №9. С 248-261.
7. Константинова Е.В. Методы квалиметри-ческой оценки прогнозирования финансовой ситуации на рынках посредством нейронной сети // Экономика: вчера, сегодня, завтра. 2017. Том 7. № 7В. С. 200-208.
8. Константинова Е.В. Обеспечение безопасности данных при использовании технологии блок-чеин в кластерных и облачных вычислениях // Инновации и инвестиции. 2018. № 12. С. 340-347.
9. Костиков Ю.А., Павлов В.Ю., Романенков А.М., Терновсков В.Б. Адаптивная архитектура программно-аппаратного комплекса хранения и обработки данных // Экономика: вчера, сегодня, завтра. 2017. Том 7. N0 9А. С. 192-207
10. Костиков Ю.А., Павлов В.Ю., Романенков А.М., Терновсков В.Б. Модель графического
представления информации в программном комплексе обработки экспериментальных данных. Современная наука: актуальные проблемы теории и практики. Серия "Естественные и технические науки" №1, 2018
11. Прохоренок Н., Дронов В. Python 3 и PyQt 5. Разработка приложений. Изд. БХВ-Петербург, 2016.
12. Феллер В. Введение в теорию вероятностей и её приложения (Том 1, 2) Москва, «Мир», 1963 г. - 512 стр.
13. Шаббир Чаллавала, Джадил Лакхатария, Чинтан Мехта, Кандарп Патель. MySQL 8 для больших данных. ДМК Пресс, 2018
14. Ширяев А. Н. Вероятность 1. М.: Изд-во МЦНМО, 2004.
Development and application of software of the All-Russian
Economic Dictation Golov R.S., Zubeeva E.V., Konyushkov R.V., Kostikov Yu.A., Koshelev A.S., Mylnik A.V., Povalyaev P.P., Romanenkov A.M., Sobenevsky A.P., Sharikov D.V. Moscow Aviation Institute (National Research University) This article is devoted to the methodological foundations of the application of the developed software for Economic dictation (ED software) for analyzing the results of the educational action All-Russian economic dictation. The paper shows that the use of ED software provides an opportunity to obtain specific numerical results, namely, gender, age, socioeconomic characteristics of dictation participants, to carry out a statistical analysis of their personal data, to build the distribution of correct and incorrect answers to the questions proposed in the dictation. The article provides examples of constructing the distribution of responses depending on the specified statistical criteria. The economic sense of the improvements that were introduced by the program-analytical complex is that the testers have the opportunity to evaluate not only the socio-demographic characteristics of the tested persons, but also to determine which questions (topics) are the most poorly studied in a particular region ( site); what typical mistakes make participants of different ages; What questions are most prepared for representatives of different professions (students from different universities). Using the analysis, it is possible to develop specific recommendations not only for the preparation of tasks for dictations in future periods, but also to make proposals for improving the school course in social studies, economics, and a number of courses from university programs. This is a significant step in improving the quality of economic education. Keywords: All-Russian economic dictation, software, statistical analysis, pedagogical measurements, economic education
References
1. Analytical report on the results of the All-Russian educational
action "All-Russian economic dictation", Electronic resource. URL: https://clck.ru/DaKdu
2. Borovkov A. A. Mathematical statistics: a textbook. M .: Fizmatlit, 2007.-703 p.
3. Wentzel, E. S. [Theory of probability and its engineering applications]. - M .: Higher School, 2007. - 491 p.
4. Golov RS, Kostikov Yu.A., Romanenkov A.M. Tools for effective statistical processing of economic data // Economy: yesterday, today, tomorrow. 2018. Volume 8. Number 9A. Pp. 278-286.
5. Konstantinova E.V. The use of neural networks for the purpose of optimizing the state of exchange trading // Innovations and investments. 2018. No. 7. P. 254-259.
6. Konstantinova E.V. Globalization factors of the development
of the sphere of financial technologies // Economy: yesterday, today, tomorrow. 2018. №9. From 248-261.
X X О го А С.
X
го m
о
м о
to
7. Konstantinova E.V. Methods of qualimetric assessment of forecasting the financial situation in the markets through a neural network // Economy: yesterday, today, tomorrow. 2017. Volume 7. № 7B. Pp. 200-208.
8. Konstantinova E.V. Ensuring data security when using blockchain technology in cluster and cloud computing // Innovations and investments. 2018. No. 12. P. 340-347.
9. Kostikov Yu.A., Pavlov V.Yu., Romanenkov AM, Ternovskov
V.B. Adaptive architecture of software and hardware for data storage and processing // Economy: yesterday, today, tomorrow. 2017. Volume 7. No 9A. Pp. 192-207
10. Kostikov Yu.A., Pavlov V.Yu., Romanenkov AM, Ternovskov V.B. The model of graphical representation of information in the software package for processing experimental data. Modern science: current problems of theory and practice. Series "Natural and Technical Sciences" №1, 2018
11. Prokhorenok N., Dronov V. Python 3 and PyQt 5. Application development. Ed. BHV-Petersburg, 2016.
12. V. Feller. Introduction to Probability Theory and Its Applications (Volume 1, 2) Moscow, Mir, 1963 - 512 p.
13. Shabbir Challawala, Jadil Lakhatariya, Chintan Mehta, Kandarp Patel. MySQL 8 for big data. DMK Press, 2018
14. Shiryaev A. N. Probability 1. M .: Izd-vo MTSNMO, 2004.
