CC BY
4
УДК 378.147:378.018.43
ПЕДАГОГИЧЕСКИЙ МОНИТОРИНГ КАК МЕХАНИЗМ ПРОТИВОДЕЙСТВИЯ АКАДЕМИЧЕСКОЙ НЕЧЕСТНОСТИ СТУДЕНТОВ В УСЛОВИЯХ ЦИФРОВОЙ
ОБРАЗОВАТЕЛЬНОЙ СРЕДЫ
Татьяна Леонидовна Шапошникова, доктор педагогических наук, профессор, Теона Гуладиевна Тедорадзе, преподаватель, Тамара Валерьевна Бус, аспирант, Кубанский государственный технологический университет, Краснодар; Ипполит Давидович Те-дорадзе, студент, Кубанский государственный университет, Краснодар
Аннотация
Цель исследования - разработать модель противодействия академической нечестности студентов, реализуемую в условиях цифровой образовательной среды. Известно, что академическая нечестность студентов, обучающихся как в очной, так и заочной (дистанционной) форме, становится социальным бедствием; её проявления весьма "разнообразны". Современными специалистами обосновано, что в условиях цифровой образовательной среды возможно применять широкий спектр методов и средств для противодействия академической нечестности студентов, однако авторы данной статьи стоят на позиции: именно налаженный педагогический мониторинг должен быть важнейшим механизмом указанного противодействия. Авторами настоящей статьи предложена модель педагогического мониторинга, ориентированного на противодействие академической нечестности студентов. Теоретическая значимость результатов исследования в том, что они могут быть базой для дальнейшего осмысления цифровой трансформации образования, практическая значимость - в том, что они могут в готовом виде применяться в системах электронного обучения. Методы исследования: анализ научной литературы и передового опыта противодействия академической нечестности студентов, моделирование, методы квалиметрии, методы экспертных оценок, методы теории множеств, методы теории вероятностей и математической статистики, педагогическое наблюдение. Методологические основы исследования: системный подход (рассматривает педагогический мониторинг как информационный механизм управления качеством образования и сопровождения учебной деятельности студентов в условиях цифровой образовательной среды), компетентностный подход (рассматривает задачу противодействия академической нечестности в тесной связи с проблемой формирования конкурентоспособной личности студента, становления его компетенций) и вероятностно-статистический подход (рассматривает противодействие академической нечестности как стохастический процесс, характеризующийся надёжностью).
Ключевые слова: педагогический мониторинг, студент, академическая нечестность, противодействие, цифровая образовательная среда.
DOI: 10.34835/issn.2308-1961.2022.11.p610-616
PEDAGOGICAL MONITORING AS A MECHANISM TO COUNTERACT ACADEMIC DISHONESTY OF STUDENTS IN THE DIGITAL EDUCATIONAL
ENVIRONMENT
Tatiana Leonidovna Shaposhnikova, the doctor of pedagogical sciences, professor, Teona Guladievna Tedoradze, the teacher, Tamara Valerievna Bus, the post-graduate student, Kuban State Technological University, Krasnodar; Ippolit Davidovich Tedoradze, the student, Kuban
State University, Krasnodar
Abstract
The purpose of the study is to develop the model of countering academic dishonesty of students, implemented in the digital educational environment. It is known that academic dishonesty of students studying both full-time and part-time (distance) becomes the social disaster; its manifestations are very "diverse". Modern experts have proved that in the conditions of the digital educational environment it is possible to apply a wide range of methods and means to counteract the academic dishonesty of students, however, the authors of this article stand on the position that it is the established pedagogical monitoring that should be the most important mechanism of this counteraction. The authors of this article propose a
model of pedagogical monitoring focused on countering academic dishonesty of students. The theoretical significance of the research results is that they can be the basis for further understanding of the digital transformation of education, the practical significance is that they can be used in ready-made form in e-learning systems. Research methods: the analysis of scientific literature and best practices in countering academic dishonesty of students, modeling, methods of qualimetry, methods of expert assessments, methods of set theory, methods of probability theory and mathematical statistics, pedagogical observation. Methodological foundations of the research: the systematic approach (considers pedagogical monitoring as an information mechanism for managing the quality of education and supporting students' learning activities in a digital educational environment), the competence-based approach (considers the task of countering academic dishonesty in close connection with the problem of forming a competitive student's personality, the formation of his competencies) and the probabilistic-statistical approach (considers countering academic dishonesty as a stochastic process characterized by reliability).
Keywords: pedagogical monitoring, student, academic dishonesty, counteraction, digital educational environment.
ВВЕДЕНИЕ
Известно, что электронное обучение - предрешённое будущее в образовании [1, 2, 5, 7-10]. В то же время, цифровизация образования (на всех ступенях - от общего образования до дополнительного профессионального образования) сопровождается немалыми трудностями, что является неизбежным при любом инновационном процессе. Трудно не согласиться с современными специалистами, что период вынужденной пандемии выявил все недостатки дистанционного обучения (именно дистанционного, а не смешанного!). Один из самых серьёзных недостатков дистанционного обучения - наличие благоприятных условий для академической нечестности обучающихся [7].
Разновидностей академической нечестности великое множество. Это и заказ контрольных работ, и заказ курсовых работ, и заказ дипломных работ, и выполнение домашних заданий «третьими лицами» и т. д. В соответствии с законами экономики, спрос и предложение взаимообусловлены, поэтому в настоящее время гострайтеры всё чаще предлагают свои услуги в «помощь» студенту [7].
Безусловно, академическая нечестность имеет место и при традиционном обучении. Однако в условиях заочного и дистанционного обучения (отсутствия очного контакта педагога и обучающегося) условий для неё гораздо больше. Например, если обучающийся проходит онлайн-тест в LMS MOODLE (ему выдают код доступа и пароль), то нет никаких гарантий, что онлайн-тест проходит именно обучающийся, а не его «хороший» знакомый. Благоприятные условия для всех видов академической нечестности студентов - один из сильнейших аргументов противников дистанционного обучения.
Как следствие, современные специалисты предлагают меры по противодействию академической нечестности [7]. Это, прежде всего, использование веб-камер (при он-лайн-контроле в дистанционном обучении), проверка IP-адресов, с которых отправлена информационная продукция (результаты учебной деятельности - контрольные и курсовые работы, рефераты, результаты выполнения домашних заданий и т. д.), контроль свойств полученных файлов и т. д. С точки зрения авторов настоящей статьи, вряд ли предложенные меры могут быть высокоэффективными. Так, например, учебное заведение не вправе заставлять студента приобретать дорогостоящее оборудование и программное обеспечение. Что касается IP-адресов и свойств получаемых по электронной почте файлов (от студентов), то данную «проблему» очень просто «решить». Например, если «умному» студенту работу выполнило третье лицо (например, «хороший» знакомый), то «умный» студент будет использовать исключительно свой электронный адрес для отправки результатов педагогу.
Несмотря на высокую актуальность такой проблемы, как противодействие академической нечестности студентов, её решению уделяют недостаточное внимание. Проблема исследования - вопрос: каким образом, используя возможности цифровой образовательной среды, противодействовать академической нечестности студентов? Цель
исследования - разработать модель противодействия академической нечестности студентов, реализуемую в условиях цифровой образовательной среды. Объект исследования -сопровождение учебной деятельности студентов в условиях цифровой образовательной среды, предмет исследования - методы противодействия академической нечестности студентов.
Задачу борьбы с академической нечестностью нельзя рассматривать в отрыве от проблематики - эффективности функционирования образовательной среды, успешности формирования компетенций и личностно-профессиональных качеств студентов, в противном случае нарушается системность подхода [1, 3, 5, 6]. В целом, борьба с академической нечестностью - вторична, формирование конкурентоспособной личности студента -первично (борьба с академической нечестностью актуальна вследствие того, что указанное бедствие отдаляет образовательную среду от решения центральной задачи - формирования социально-профессиональной компетентности обучающегося).
РЕЗУЛЬТАТЫ ИССЛЕДОВАНИЯ
С точки зрения авторов настоящей статьи, именно налаженный педагогический мониторинг (особенно его «ядро» - педагогический контроль) должен быть важнейшим механизмом противодействия академической нечестности. Данную позицию авторы обосновывают следующим образом. Во-первых, предлагаемые современными специалистами механизмы выявления академической нечестности не всегда эффективны («умный» студент их «обойдёт»). Во-вторых, этические и правовые нормы не позволяют открыто и безапелляционно обвинять студента в академической нечестности, тем более, в её предельной форме - академическом мошенничестве. В-третьих, борьбу с академической нечестностью нельзя сводить к противодействию ей; профилактика негативных явлений, в том числе академической нечестности, не менее важна, чем противодействие (известно, что «пожар легче предупредить, чем потушить»). В-четвёртых, борьба с академической нечестностью - сложная проблема, следовательно, и её решение не может быть простым (в соответствии с системным подходом). Очевидно, что решение данной проблемы должно быть комплексным (многоинструментальным). В-пятых, педагогический мониторинг - многокомпонентный информационный механизм, не сводящийся лишь к контролю, следовательно, обладает широким спектром инструментов для решения различных задач [1, 3, 4, 6, 8].
Представим модели противодействия академической нечестности на основе теории множеств и теории вероятностей.
Пусть - множество знаний и умений, охватываемых онлайн-обучением или внеаудиторной самостоятельной работой, Z - множество знаний и умений, охватываемых очным обучением (аудиторной работой); под охватом знаний и умений будем понимать их применение в учебной деятельности при выполнении различных заданий. В таком случае, О = 2 П5", где П - символ пересечения множеств, Г) - множество знаний и умений, охватываемых и аудиторной, и внеаудиторной работой, следовательно, поддающихся очному контролю усвоения. Соответственно, множество элементов знаний и умений, не поддающихся очному контролю усвоения, составит О = S - 2, мощность данного множества 1' = саг(1 (О). Очевидно, что величина ^ в «идеале» должна быть равна нулю,
однако на практике этого можно достичь весьма редко. Рассмотрим возможные случаи взаимосвязи (прямой или опосредствованной) между традиционным и онлайн обучением.
Простейший случай - выполнение в аудитории заданий, сходных по составу и структуре с заданиями, выполненных в ходе онлайн-обучения (без широких возможностей контроля выполнения) или внеаудиторной самостоятельной работы. Сходство по составу означает совпадение множеств охватываемых элементов знаний и умений, по структуре - сходство алгоритмов выполнения (или изоморфность). Иначе говоря, такие
задания отличаются только входными данными, при том, отличия не приводят к изменению алгоритма выполнения (решения). Отметим, что это могут быть как задания традиционного типа (информационно-аналитические), так и контрольно-компетентностные оценочные задания. Например, студент может и в аудитории, и вне аудитории решать на ЭВМ физическую задачу методом имитационного моделирования.
Если уровень (качество) выполнения задания вне аудитории равно а', а аналогичного задания в аудитории - а!'', при том, а" <а!, то вероятность того, что вне аудитории
а _„н
задание выполнено студентом не самостоятельно, составит р = 1 - -
а' а
Каким образом противодействовать академической нечестности? Согласно современным воззрениям, наиболее перспективной является рейтинговая система педагогического контроля [3, 4, 10]. При наличии адекватной рейтинговой системы индивидуальный кумулятивный индекс студента (т. е. рейтинг) зависит от всех видов учебной деятельности. Следовательно, необходимо, с одной стороны, учитывать результаты учебной деятельности, полученные в ходе аудиторной и внеаудиторной работы, с другой стороны, в случае подозрения на нечестность не допускать роста индивидуального кумулятивного индекса, как в случае честного выполнения. Возможные варианты расчёта для прироста
рейтинга следующие. «Жёсткий» вариант расчёта: ДЯ = шш ^Я (а'), Я (а )] = Я (а ) ,
где тт - функция минимума, R - функция, переводящая качество выполнения задания в индивидуальный кумулятивный индекс. «Мягкий» вариант расчёта:
ДЯ = Я (а") + а- ■ Я (а); возможны и иные варианты.
Напомним, что самостоятельная работа студентов (точнее, все виды учебной деятельности) характеризуются такими показателями, как результативность, технологичность (в том числе степень использования информационных технологий), автономность и рефлексивность [5, 6]. При оценке учебной деятельности студента учитывать необходимо не только результативность и автономность (коэффициент самостоятельности выполнения), но также и рефлексивность, т. е. успешность самоанализа учебной деятельности и её результатов. Очевидные достоинства учёта рефлексивности: во-первых, это способствует развитию рефлексивных умений и способностей студентов, во-вторых, позволяет с большей достоверностью выявить ход учебной деятельности студента, его путь к результатам. При защите работы (особенно результатов выполнения контрольно компетент-ностного оценочного задания) студент должен объяснить, какие элементы знаний и умений он применял, какие ресурсы использовал и на каких этапах (это может быть оборудование, информационные ресурсы и т. д.), какие затруднения испытывал при выполнении работы и каким образом их преодолевал, какие видел варианты дальнейшего развития работы (если есть). Очевидно следующее: чем лучше ответы студента на данные вопросы, тем с большим основанием можно говорить не только о развитости у него рефлексии, но также о честности при выполнении задания.
Промежуточный контроль выполнения задания (особенно если речь идёт об учебном проекте) позволяет оценить истинную роль студента. Отметим, что современные цифровые инструменты, в том числе системы видеоконференцсвязи, позволяют в ходе внеаудиторной работы (онлайн-обучения) осуществлять коммуникацию с педагогом для отчёта о промежуточных результатах, а также для преодоления возникающих трудностей. Очевидно, что в данном случае степень самостоятельности выполнения работы меньше 1.0, но выше вероятность того, что студент добросовестно выполнял задание (а не пользовался услугами). При рейтинговой системе вклад в индивидуальный кумулятивный индекс за выполнение работы ДЯ = Я (Квьт ■ Кавт ■ К^ест), где аргументы - соответственно,
степень выполненности работы (качество выполнения), степень автономности выполнения и коэффициент честности - вероятность того, что студент не прибегал к помощи «третьих лиц». Другой вариант расчёта: АЛ = К (Каги ■ Кчест) . В любом случае, степень
автономности выполнения работы должна быть менее значимым фактором оценки, чем степень честности. Отметим: не всякое отсутствие автономности является академической нечестностью. Если студент открыто (честно) обращается к педагогу за помощью для преодоления затруднений, то степень самостоятельности нельзя считать равной 1.0, но высока вероятность того, что фальсификация (выдача чужого труда за свой) не имеет места.
Если выполненное в ходе внеаудиторной деятельности задание является крупным по объёму либо достаточно сложным, а студент не использовал информационные системы видеоконференции для контактов с педагогом, то для контроля возможна выдача заданий (в ходе аудиторной работы) меньшего объёма или уровня трудности, но логически связанных с выполненным. Например, обучающийся выполнил в ходе внеаудиторной самостоятельной работы веб-квестовый проект, связанный с поиском семантического сходства пословиц некоего народа с пословицами других народов. Обучающемуся возможно при защите проекта выдать экспресс-тесты на установление семантического сходства предложенных пословиц.
Прогнозирование, как составляющая педагогического мониторинга, также позволяет выявлять потенциальные зоны академической нечестности. Пусть уровень трудности задания равен у, уровень подготовленности студента Y, тогда, в соответствии с известной моделью Раша, вероятность успешного выполнения конкретным студентом
егР
конкретного задания, составит р =-р— . Если студент продемонстрировал правильное
1 + е -
выполнение задания, то вероятность того, что задание выполнено именно им, и составляет величину р.
Отметим, что отсутствие рейтинговой системы не является препятствием для пресечения академической нечестности. Например, студент не выполнял в аудитории лабораторную или практическую работу (пропустил аудиторное занятие), но, якобы «выполнив» её вне аудитории, при защите продемонстрировал низкий уровень подготовленности. Очевидно, что в данном случае за выполнение работы не может быть положительной оценки (в том числе по двухбалльной шкале «зачтено - не зачтено»).
Таким образом, суть предложенной авторами модели - в том, чтобы сличать результаты аудиторной и внеаудиторной работы обучающегося, учитывая результаты сопоставления при оценке рейтинга. Какой бы ни была модель расчёта рейтинга, она должна делать бессмысленной фальсификацию результатов внеаудиторной работы.
Возникает вопрос: является ли педагогический мониторинг единственным механизмом выявления академической нечестности и противодействия ей? Безусловно, нет: необходимо использовать современные методы и средства, в том числе цифровые [1, 7]. Докажем на основе теории вероятностей, что выявление академической нечестности студентов более успешно благодаря многоинструментальности, т. е. применению множества средств. Пусть N - число методов и/или средств обнаружения академической нечестности студентов, р/ - вероятность обнаружения с помощью /'-го метода или средства, тогда вероятность необнаружения нечестности с помощью /-го метода или средства е1 = 1 - р, ве-
N
роятность не обнаружить нечестность с помощью всех методов и средств 8 = П , сле-
I=1
довательно, вероятность обнаружить нечестность с помощью хотя бы одного метода или N / \
средства р = 1 -П(1 - Р,); вероятность выражена в долях единицы. Поскольку вероят-
(=1
ность - вещественное число от 0 до 1, то при увеличении N величина д будет асимптоти-
чески стремиться к 0, следовательно, величина р - асимптотически стремиться к 1.
ЗАКЛЮЧЕНИЕ
Перспективы исследования - выделение и характеристика уровней противодействия академической нечестности.
Исследование выполнено при финансовой поддержке Кубанского научного фонда в рамках научного проекта № 1111Н-21.1/44.
ЛИТЕРАТУРА
1. Аманжолов С.А. Средства и методы контроля знаний студентов в цифровой образовательной среде вуза при изучении инженерно-графических дисциплин / С.А. Аманжолов, Б.А. Карев // Общество: социология, психология, педагогика. - 2019. - № 1 (57). - С. 58-62.
2. Блинов В.И. Модели смешанного обучения: организационно-дидактическая типология / В.И. Блинов, Е.Ю. Есенина, И.С. Сергеев // Высшее образование в России. - 2021. - Т. 30, № 5. - С. 44-64.
3. Булгаков Ю.В. Оценка результатов учебной деятельности студента и структура рейтинга / Ю.В. Булгаков, А.П. Комаров, В.В. Шестернина // Общество: социология, психология, педагогика. - 2018. - № 6. - С.49-55.
4. Макушкина,Л.А. Разработка системы мониторинга учебной деятельности на базе ком-петентностного подхода / Л.А. Макушкина, М.В. Фадеева // Открытое образование. - 2017. - Т. 21, № 3. - С. 29-38.
5. Столбова И.Д. Использование коммуникаций в управлении самостоятельной работой студентов / И.Д. Столбова, М.Н. Крайнова, В.П. Варушкин // Управление образованием: теория и практика. - 2020. - № 2 (38). - С. 69-78.
6. Шапошникова Т. Л. Диагностика компетенций и личностно-профессиональных качеств студентов на основе инфометрии / Т. Л. Шапошникова, В.В. Вязанкова, Т.Г. Тедорадзе // Ученые записки университета им. П.Ф. Лесгафта. - 2020. - № 10 (188). - С. 428-435.
7. Яковлев В.Ф. Противодействие академической нечестности студентов при дистанционном обучении / В.Ф. Яковлев // Открытое и дистанционное образование. - 2016. - № 1 (61). - С. 1419.
8. Deechai W. The Need for Blended Learning Development to Enhance the Critical Thinking of Thai Vocational Students / W. Deechai, T. Sovajassatakul, S. Petsangsri // Mediterranean Journal of Social Sciences. - 2019. - Vol. 10, No. 1. - P. 131-140.
9. Musso M.F. Predicting key educational outcomes in academic trajectories: a machine-learning approach / M.F. Musso, C.F.R. Hernández, E.C. Cascallar // Higher Education. - 2020. - Vol. 80, No. 5. -P. 875-894.
10. Suamuang W. Factors affecting assignment completion in higher education / W. Suamuang, S. Suksakulchai, E. Murphy // Journal of Applied Research in Higher Education. - 2020. - Vol. 12, No 5. - P. 1251-1264.
REFERENCES
1. Amanzholov, S.A. and Karev, B.A. (2019), "Tools and methods of control of students' knowledge in the digital educational environment of the university in the study of engineering and graphic subjects", Society: Sociology, Psychology, Pedagogics, Vol. 57, No. 1, pp. 58-62.
2. Blinov, V.I., Esenina, E.Yu. and Sergeev, I.S. (2021) "Blended learning models: organizational and didactic typology", Vyishee obrazovanie v Rossii, Vol. 30, No. 5, pp. 44-64.
3. Bulgakov, Yu.V., Komarov, A.P. and Shesternina, V.V. (2018) "Evaluation of student learning outcomes and ranking structure", Society: Sociology, Psychology, Pedagogics, No. 6, pp. 49-55.
4. Makushina, L.A. and Fadeeva, M.V. (2017) "Development of a system for monitoring educational activities based on a competence-based approach", Open Education, Vol. 21, No. 3, pp. 29-38.
5. Stolbova, I.D., Kraynova, M.N., Varushkin, V.P. (2020) "The use of communications in the management of independent work of students", Education Management Review, Vol. 38, No. 2, pp. 69-78.
6. Shaposhnikova, T.L., Vyazankova, V.V., Tedoradze, T.G. (2020) "Diagnostics of students' competencies and personal and professional qualities based on infometry", Uchenye zapiski universiteta imeniP.F. Lesgafta, Vol. 188, No. 10, pp. 428-435.
7. Yakovlev, V.F. (2016) "Countering academic dishonesty of students in distance learning", Ot-kryitoe i distantsionnoe obrazovanie, Vol. 61, No 1, pp. 14-19.
8. Deechai W., Sovajassatakul T., Petsangsri S. (2019) "The Need for Blended Learning Development to Enhance the Critical Thinking of Thai Vocational Students", Mediterranean Journal of Social Sciences, Vol. 10, No 1, pp. 131-140.
9. Musso, M.F., Hernández, C.F.R., Cascallar, E.C. (2020) "Predicting key educational outcomes in academic trajectories: a machine-learning approach", Higher Education, Vol. 80, No 5, pp. 875-894.
10. Suamuang, W., Suksakulchai, S. and Murphy, E. (2020) "Factors affecting assignment completion in higher education", Journal of Applied Research in Higher Education, Vol. 12, No. 5, pp. 12511264.
Контактная информация: tedoradze.t@mail.ru
Статья поступила в редакцию 23.11.2022
УДК 796.015.62
РАЗРАБОТКА ИНДЕКСА ОПТИМАЛЬНОЙ ФИЗИЧЕСКОЙ АКТИВНОСТИ СПОРТСМЕНОВ ПРИ ПОДГОТОВКЕ К СОРЕВНОВАНИЯМ ПО СТРЕЛЬБЕ ИЗ
СПОРТИВНОГО АРБАЛЕТА
Александр Анатольевич Шейнин, кандидат технических наук, научный сотрудник, Балтийский федеральный университет им. И. Канта, Калининград; Александр Николаевич Ларин, заместитель начальника кафедры, Сергей Петрович Истомин, старший преподаватель, Пермский военный институт войск национальной гвардии Российской Федерации, г. Пермь; Сергей Анатольевич Кривилев, кандидат педагогических наук, старший преподаватель, Александр Григорьевич Павлов, старший преподаватель, Военная академия связи имени маршала Советского Союза С.М. Буденного, г. Санкт-
Петербург
Аннотация
В статье рассматриваются нововведения в физическом развитии спортсменов, при подготовке к соревнованиям по стрельбе из спортивного арбалета по средствам персонификации двигательной активности. В статье подробно рассматривается процесс, связанный с разработкой индекса оптимальной физической активности спортсмена, который имеет четыре зоны для оценки физической активности. Примечательно, что в современных условиях решение новых и нетипичных задач заставило переосмыслить и переоценить знания спортсменов, привнести серьезные коррективы в систему их подготовки к соревнованиям по стрельбе из спортивного арбалета.
Ключевые слова: индекс, физическая активность, соревнования, спортивный арбалет.
DOI: 10.34835/issn.2308-1961.2022.11.p616-619
DEVELOPMENT OF THE INDEX OF OPTIMUM PHYSICAL ACTIVITY OF ATHLETES IN PREPARATION FOR COMPETITIONS IN SHOOTING FROM THE
SPORTS CROSSBOW
Alexander Anatolyevich Sheynin, the candidate of technical sciences, research associate, Immanuel Kant Baltic Federal University, Kaliningrad; leksandr Nikolaevich Larin, the deputy head of the department, Sergey Petrovich Istomin, the senior teacher, Perm military institute of the Russian National Guard Federation, Perm; Sergey Anatolyevich Krivilev, the candidate of pedagogical sciences, senior teacher, Alexander Grigoryevich Pavlov, the senior teacher, Military Communications academy named after Marshal of the Soviet Union S.M. Budyonny, St.
Petersburg
Abstract
The article discusses innovations in the physical development of athletes, in preparation for competitions in shooting from the sports crossbow by means of personification of physical activity. The article
