CC BY
69
которых данные выпускники могут работать.
Уточненные таким образом программы ядер учебных дисциплин должны быть включены как обязательные в новые ГОС. Несомненно, для указанных ядер должны быть сформированы и тестовые базы для контроля остаточных знаний. Оставшаяся часть требований ГОС должна быть сформулирована так, чтобы обеспечить относительную свободу вузов при формировании своих учебных программ, которые они будут строить в рамках требований ГОС как дополнения к программам ядер, отражая в указанных дополнениях уровень образовательной программы (бакалавр, специалист, магистр), а также существующие в вузе традиции преподавания. Возможно, имеет смысл также включить в ГОС требования к программам ядер дисциплин на уровне спе-циалистуры и магистратуры, которые суть ядра на уровне бакалавриата плюс кратные кредиту соответствующие инвариантные относительно вузов дополнения.
В перспективе, по-видимому, следует рассмотреть согласование ядер учебных дисциплин по группам «родственных» образовательных программ с программами ве-
дущих зарубежных вузов и принятыми в Европе квалификационными требованиями.
Очевидно, что предложенный подход к построению ГОС существенно повысит межвузовскую академическую мобильность за счет не менее чем 50% совпадения содержания кредитов изучаемых дисциплин внутри «родственных» групп образовательных программ. Структурирование содержания учебных материалов дисциплин на «блоки знаний» в рамках предложенного подхода к формированию ГОС нового поколения обеспечит, кроме того, возможность формирования индивидуальных программ студентам, обучающимся в системе открытого образования.
Помимо этого, согласование содержания программ учебных дисциплин с квалификационными требованиями повысит конкурентоспособность выпускников на рынке труда и сократит время их адаптации при поступлении на работу. Обязательное включение в программы соответствующих дисциплин материалов, обеспечивающих освоение ключевых компетенций, определенных Советом Европы, сделает российского выпускника соответствующим европейским критериям образования.
ПЕРСПЕКТИВЫ ПРИМЕНЕНИЯ СОВРЕМЕННЫХ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ ДЛЯ ПОСТРОЕНИЯ СИСТЕМ ОБУЧЕНИЯ
В.М. Курейчик, д.т.н., проф., проректор по научной работе Тел.: (8634) 39-32-60, E-mail: kur@tsure.ru Ю.А. Кравченко, к.т.н., доц. каф. САПР Тел.: (8634) 37-16-51, E-mail: krav-jura@yandex.ru Таганрогский государственный радиотехнический университет
http://www.tsure.ru
The construction of teaching systems be based on traditional collection of rules. This method gives the active role to the founders of systems. The main direction for increase efficiency of teaching systems is the application of artificial intellect.
Введение
Искусственный интеллект (ИИ) как научное направление занимает в современной науке обширную область исследований, связанных с попытками формализации мышления человека. Проблемы ИИ тесно связаны с организацией знаний об окружающем мире в виде математических моделей. Технологии ИИ позволяют увеличить функциональные
возможности информационных систем и средств их проектирования.
Построение обучающих систем традиционно базируется на моделировании диалога, цепочки опросно-ответных структур. Каждый шаг диалога определен заранее сформированной им динамически генерируемой системы набора правил. В такой модели инициатива остается за разработчиком
системы, а пользователю отводится пассивная роль.
Основным направлением повышения эффективности автоматизированных систем обучения и контроля качества знаний является использование для их построения технологий искусственного интеллекта [8]. Схема испытания должна быть: адаптивной, распределенной и неоднозначной. Особенностью такого испытания является выявление скрытых знаний.
1. Возможности развития систем дистанционного обучения
В последние годы университеты разных стран мира обратили внимание на возможности использования компьютерных телекоммуникационных технологий для организации дистанционного обучения. Компьютерные телекоммуникации обеспечивают эффективную обратную связь, которая предусматривается как в организации учебного материала, так и в общении с преподавателем, ведущим данный курс.
Проблема непрерывного образования, профессиональной переориентации актуальна сегодня, как никогда раньше, и ее значимость будет с годами возрастать по мере развития рыночной экономики в нашей стране, усиления миграции населения. Отсюда становится очевидной значимость научно обоснованной концепции наполнения и использования единого телекоммуникационного образовательного пространства для разных образовательных систем.
Развитие информационных технологий в образовании требует нового подхода в проектировании интеллектуальных систем дистанционного обучения (ИСДО) [9]. Если раньше такие системы могли представлять собой набор гипертекстовых, мультимедийных электронных материалов и тестов, то теперь становится крайне необходимо систематизировать и наполнить системы интеллектуальной «начинкой». Главные требования к таким системам: интеллектуальность, открытость, гибкость и адаптивность при организации процесса обучения.
Организация учебного процесса предусматривает активную систему передачи зна-
ний, так как студенты не являются просто пассивными читателями. Выполнение заданий может осуществляться студентом в любое удобное для него время в достаточно плотном расписании занятий. Студент имеет возможность прервать занятие, вернуться назад или перейти к другой теме; выполнить тест, если он уже знает материал. Работа каждого студента не только индивидуальна и самоорганизуема (он может изучить сначала один курс, затем приступить к другому или, как в традиционной системе обучения, изучать несколько курсов одновременно), но и достаточно регламентируема по срокам и качеству усвоения материала. С этой точки зрения ИСДО позволяет более четко контролировать процесс обучения студентов, поскольку не только оцениваются знания, но и отслеживаются сроки прохождения тестов, время ответов на вопросы теста, повторное тестирование [1].
Модель безопасности системы дистанционного обучения основывается на ролевой политике [5]. Управление доступом в такой модели осуществляется как на основе матрицы прав доступа, так и с помощью правил, регламентирующих назначение пользователям определенных ролей. Таким образом, данная модель представляет собой особый тип политики, основанной на компромиссе между гибкостью управления доступом, характерной для дискреционных моделей, и жесткостью правил контроля доступа, присущей мандатным моделям.
Понятие субъекта заменяется понятиями пользователь и группа. Пользователь - это человек, работающий с системой и выполняющий определенные служебные обязанности. Группа - это активно действующая в системе абстрактная сущность с ограниченным, логиче-скн связанным набором полно- Ю.А. Кравченко мочий, необходимых для осуществления определенной деятельности. Такая политика более предпочтительна, потому что она, в отличие от других более строгих и формальных политик, очень близка к реальной жизни. Ведь на самом деле работающие в системе пользователи действуют не от своего имени - они всегда выполняют определенные служебные
обязанности, т. е. относятся к группам, на которые возложены определенные роли, никак не связаны с их личностью.
Для реализации представленной модели обучения и контроля знаний система может содержать следующие основные функциональные модули.
Модуль адаптивного тестирования позволяет производить промежуточный (рейтинговый) контроль знаний обучаемых в центре дистанционного обучения (ЦДО), в подсистеме используются алгоритмы адаптации уровней сложности вопросов системы к уровню знаний обучаемого, что позволяет организовать процесс контроля знаний более гибко и максимально приблизить схему опроса системы к схеме очного опроса студента преподавателем.
Вопросы, задаваемые системой по каждому предмету, разбиваются на несколько уровней по мере возрастания сложности. Стартовый уровень определяется в зависимости от хранящегося в базе данных среднего балла тестируемого студента (если данные о студенте не содержатся в базе, то выбор стартового уровня зависит от параметров теста). Результаты ответов на вопросы каждого уровня обусловливают выбор следующего уровня.
Система задает некоторое количество вопросов текущего уровня сложности (это количество зависит от параметров теста), далее, с учетом результата прохождения уровня, сложность вопросов может быть повышена или понижена.
Если пройден максимальный уровень сложности, то тестирование прекращается, и студенту выставляется оценка. Тестирование также может быть прервано по причине истечения времени, отведенного на прохождение теста (тогда оценка выставляется с учетом сложности текущего уровня), или при достижении испытуемым минимального уровня сложности и неуспешной попытке преодолеть его.
Вопросы выбираются случайным образом из всего множества вопросов данного уровня сложности, исключая уже заданные вопросы. Чтобы, по возможности, не допустить прохождения теста «наугад», в процессе тестирования система задает вопросы из области незнания студента, которая определяется при помощи разбиения тестируемого материала на темы, при этом каждый вопрос может принадлежать только одной теме.
Система поддерживает набор типов вопросов, таких как: выбор одного варианта
ответа из нескольких предложенных, выбор нескольких, установление соответствий, ввод текста, ввод числа. Все вопросы находятся в хранилище тестов.
Так как Интернет не всегда доступен, в подсистеме тестирования предусмотрена возможность создания тестов на бумаге, в этом случае вопросы размещаются в ^с-файле вместе со специально разработанными формами для ответа. После того как форма будет заполнена, можно автоматически распознать ответ и выставить оценку. Это позволяет пользователю (разработчику теста) создать новый тест, изменить настройки теста, редактировать вопросы и ответы, использовать в одном тесте вопросы других, т.е. обеспечить слияние тестов, которое необходимо, например, при составлении итогового теста, основанного на промежуточных тестах. Кроме того, модуль решает проблемы синхронизации пользователей Интернета, исключает возможность одновременного редактирования одного и того же теста различными пользователями, обеспечивает сохранность авторских прав - тест должен быть доступен для редактирования только автору или тому, кому автор теста предоставит свои права.
Методы и алгоритмы адаптивности тестов предполагают при создании теста ввод следующей информации в процессе создания теста: количество уровней сложности; ограничение по времени на прохождение теста; минимальное и максимальное количество вопросов; разбиение материалов теста на уровни сложности; разбиение материалов теста по темам.
Создание тестов может проходить в режиме онлайн через Интернет, либо в режиме локального редактирования и создания тестов. В этом случае используется соответствующий модуль, который может интегрировать разработанные локально тесты в хранилище тестов, доступное пользователям через Интернет. Аналогичным образом может использоваться модуль локального тестирования.
Модуль локального тестирования решает задачи, связанные с самооценкой знаний учащихся в процессе обучения. Студент сам проверяет себя на локальном компьютере, узнает свои слабые места, пытается повысить уровень своих знаний и только после этого выходит на тестирование через Интернет, где каждый результат тестирования учитывается в хранилище данных.
Модуль статистики и анализа результатов тестирования должен предоставить преподавателю и администратору возможность просмотреть результаты обучения и тестирования отдельного студента или целой группы, по одной или нескольким дисциплинам. Модуль формирует ведомости, анализирует успеваемость студентов, предлагает статистику обучения, дает рекомендации по результатам тестирования с целью повысить уровень знаний группы учащихся или конкретного студента.
Модуль методов интеллектуальной поддержки тестов необходим для улучшения качества контроля знаний и ускорения процесса тестирования путем предварительной классификации студентов, которая позволяет выявить их потенциальные возможности решения тестовых заданий различных уровней сложности и в дальнейшем использовать эту информацию для определения стартового уровня. В разработанной системе задача классификации решается на основе нечеткой логики и правдоподобных рассуждений, т.к. при идентификации классов, разрешении проблемы неопределенности при интерпретации значений признаков значительная роль отводится экспертам.
Интеллектуальные средства обучения и тестирования включают: мониторинг процесса обучения, обучающие экспертные системы, игровые обучающие программы, модули промежуточного и адаптивного тестирования.
Мониторинг процесса дистанционного обучения [2] подразумевает контроль за деятельностью обучаемого, построение его индивидуальной модели и генерацию управляющих решений по корректировке поведения обучаемого для достижения им поставленных целей обучения. Для осуществления мониторинга процесса обучения сначала на основе экспертных оценок, т.е. учитывая существующий опыт преподавания, строится предварительная модель обучаемого для некоторого предмета (курса). При этом предполагается, что процесс обучения представляет собой последовательную совокупность освоения отдельных разделов учебного материала. Учебный материал разбивается на несколько модулей (информационных блоков, этапов обучения) таким образом, чтобы можно было проконтролировать степень освоения изученного материала (тестирование, контрольная работа, семинар и т. п.). Выделяются возможные результаты проверки знаний и умений для каждого мо-
дуля, определяются способы освоения материала или, кроме того, преподавателем описываются возможные варианты поведения обучаемого при переходах между модулями курса. Затем с учетом предпочтений обучаемого в выборе способов освоения материала, результатов обучения (база данных параметров деятельности: результаты промежуточного контроля на этапах обучения, время изучения материала, время тестирования и т. д.) определяются цели обучения и формируется индивидуальная модель обучаемого (рис.1). Далее выделяются стратегии поведения, наиболее соответствующие индивидуальному стилю обучаемого, а также стратегии, ориентированные на достижение цели обучения. На основании полученных данных осуществляется прогноз деятельности обучаемого. В случаях, когда выбранная обучаемым исходная стратегия перестает быть эффективной по отношению к заданной цели, подсистема генерирует рекомендации по трансформации индивидуальной стратегии обучаемого.
Рис. 1. Схема мониторинга процесса обучения
Модуль верификации и проверки ва-лидности тестов является важнейшим компонентом интеллектуальной системы дистанционного обучения в обеспечении контроля качества разрабатываемых и предъявляемых тестов. Модуль решает задачи анализа корректности тестов, которая включает в себя два аспекта. Во-первых, -это непосредственный анализ тестовых заданий и обнаружение ошибок, во-вторых, -формирование адекватных рекомендаций по их устранению. Основными особенностями задачи являются ее неформализованность и отсутствие завершенной теории для ее решения. Поэтому одним из направлений при постановке задачи является возможность модификации принципов и способов построения системы [3]. Решение задачи анализа корректности тестов может быть разби-
то на несколько этапов: построение лексического анализатора; формирование статистики о прохождении тестовых заданий и предъявлении вопросов; разбор статистики и предъявление ее пользователю, а также формирование методических рекомендаций по составлению тестов. Результаты статистики прохождения тестовых заданий помогают выявить сложные и простые вопросы, рекомендовать изменить уровень сложности тех или иных вопросов, скорректировать или исключить слишком сложные или слишком простые вопросы, поскольку они не позволяют корректно оценить уровень знаний студентов. Действительно, как оценивать уровень знаний по вопросу, на который ответили все 100% опрошенных или, наоборот, на который не ответил никто? Наконец, принципы и алгоритмы построения рассматриваемого модуля могут быть применены не только при проверке корректности тестов, но также и при категориальном анализе тестов и тематическом разбиении материала.
2. Сопровождение процесса обучения в системе дистанционного образования
В отличие от традиционных систем концепция дистанционного образования предполагает реализацию для каждого студента индивидуальной траектории обучения. Систему дистанционного обучения можно рассматривать как систему «человек-машина» с двумя контурами управления: обучаемый управляет системой приобретения знаний, преподаватель опосредованно управляет процессом обучения. Следовательно, надо принимать во внимание как знания и опыт преподавателя, так и индивидуальные предпочтения обучаемого. При личных контактах со студентом преподаватель имеет большую возможность в определении личностных качеств и индивидуальных особенностей обучаемого, что позволяет ему адекватно корректировать процесс обучения. В случае дистанционного обучения такой возможности у преподавателя практически нет. Следовательно, необходимо наличие адаптивных инструментальных средств, позволяющих в интерактивном режиме осуществлять построение модели обучаемого и на ее основе управлять процессом обучения. В этом случае изменяются роли и преподавателя, и студента. В такой системе преподаватель в меньшей степени является распространителем информации и в большей степени - менеджером и аналитиком образовательного процесса. В свою очередь, студент
вынужден активно участвовать в процессе своего обучения, так как новые учебные условия требуют с его стороны более четких внутренних установок и мотивации.
В традиционной системе обучения преподаватель, исходя из имеющегося практического опыта и результатов прохождения студентом разного рода проверочных работ, может посоветовать обучаемому оптимальную образовательную стратегию, связанную с успешным освоением учебного материала. В случае дистанционного обучения подобные функции должна обеспечить система мониторинга процесса обучения. Мониторинг процесса дистанционного обучения подразумевает контроль за деятельностью обучаемого, формирование индивидуальной модели обучения и генерацию индивидуальных управляющих решений по корректировке поведения обучаемого для достижения им поставленных целей обучения. Система мониторинга процесса обучения поможет обеспечить сопровождение учебной деятельности, принимая во внимание знания и опыт преподавателя, а также индивидуальные предпочтения студента. В основе мониторинга лежит анализ индивидуальной модели поведения обучаемого, определение образовательных стратегий. Результатом мониторинга является генерация рекомендаций по организации процесса обучения.
После того, как обучаемый прошел тестирование по первому модулю курса, подсистема мониторинга анализирует полученный результат, рассчитывает стратегии обучения и генерирует рекомендации по выбору способов обучения, позволяющих достичь цели, или по корректировке общей стратегии обучения. Таким образом, студент после прохождения каждого уровня теста одновременно с оценкой по тесту получает набор подсказок о наиболее целесообразных дальнейших действиях.
Для организации плодотворного процесса обучения, помимо представления и контроля знаний, в системах дистанционного обучения предусматривается наличие обратной связи (рис.2). Система фиксирует предпочтения студента, и на их основе строится индивидуализированный учебный процесс. Для этого студенту в начале изучения курса, после того, как он составил представление о структуре курса, прочитал аннотации к лекциям или поверхностно ознакомился со всем курсом, предлагается ответить на ряд вопросов, касающихся его предпочтений в выборе того или иного способа
освоения материала в рамках данного курса, а также обозначить свои учебные цели. Эта информация будет положена в основу его индивидуальной модели поведения. Обучающая система хранит в служебных базах данных не только информацию о курсах и тестах, но и все данные о студенте, его индивидуальных особенностях, а также сведения о том, как проходит процесс обучения.
Обучаемый
Тестирование
База данных тестов База данных курсов
Индивидуальные модели обучаемых
гт
Мониторинг процесса обучения
Преподаватель
Рис. 2. Схема организации обратной связи процесса обучения
Использование предлагаемой методики позволит решить проблему организации полноценного обучения при отсутствии непосредственного контакта обучаемого с преподавателем. Таким образом, реализуется индивидуальный подход к каждому студенту, обучающая система на основе имеющегося практического опыта преподавателя генерирует рекомендации с учетом индивидуальных предпочтений обучаемого.
3. Концепция построения симулирующей подсистемы контроля качества знаний
В симулирующей системе предлагается изменить диалог таким образом, чтобы пользователь задавал вопросы, а компьютер отвечал.
На основании полученных ответов пользователь строит гипотезы и задает уточняющие вопросы, пока не останется одна гипотеза, которая и будет являться результатом обучающей системы.
В связи с тем, что разнообразие вопросов, которые пользователь может задать, очень велико, возникает проблема поддержания диалога компьютера, генерации адекватных ответов на возможно большее количество вопросов.
Данная проблема решается в процессе постановки задачи экспертом путем формирования БЗ и набора элементов диалога. При этом, помимо бинарной оценки верности принятой гипотезы, оценка качества знаний
может базироваться как на простом подсчете числа задаваемых вопросов, так и на составлении релевантных вопросов (укладывающихся в заданную гипотезу) и нерелевантных. Для этого используется матрица релевантности, по которой устанавливается степень соотношения вопросов моделируемой ситуации [4].
Недостаток системы ведения диалога: возможность неадекватной интерпретации машиной вопросов пользователя. Основной причиной возникновения данного недостатка является применение «субъект-объектного» подхода к процессу обучения. В этом случае испытуемый представляется в виде объекта управления без учета его личной системы приоритетов.
4. Построение процедурных систем поддержки процесса освоения знаний
В ходе исследования методологических проблем науки была выявлена неоднородность научного знания, в связи с чем было предложено различать явные и неявные знания. В дальнейшем, с активизацией исследований по проблемам искусственного интеллекта, эти вариации знания были названы артикулируемыми и неартикулируемыми.
Артикулируемая часть знания относительно легко поддается превращению в информацию, которая является удобным средством передачи знаний. Неартикулируемая часть знания представляет собой тот неявный, но очень важный личностный компонент знания, который называется опытом, или интуицией. Эта часть знания охватывает те формы личностного опыта, которые не могут быть формализованы и переданы непосредственно от учителя к ученику. Они могут быть постигнуты только самим обучаемым в ходе самостоятельной работы по решению практических задач.
Компьютерные системы для поддержки процесса артикулируемой части знания называют декларативными. Это электронные учебники, базы данных и другие системы, позволяющие накапливать, хранить и передавать информацию учебного назначения, причем не только в виде текстов, но и в форме графических, аудио- и видеоиллюстраций.
Компьютерные системы для поддержки процесса освоения неартикулируемой части знания называют процедурными. Они построены на основе математических моделей, которые позволяют обучаемому в ходе учебного исследования получать знания о
свойствах изучаемых объектов или процессов [6].
Успешная реализация таких систем может быть осуществлена только на основе «субъект-субъектного» подхода к процессу обучения. При таком подходе обучаемый воспринимается как субъект со своими личностными особенностями, т. е. учитываются его возможные забывчивость, нечеткость, творческое мышление, система приоритетов и т. д.
Для формирования модели когнитивных структур экспертов и испытуемых целесообразно применять ассоциативные и семантические сети.
Для построения ассоциативных сетей используется метод оценки попарной близости и его модификация (берутся не два, а три понятия - триады), в которой необходимо выделить понятие, наиболее слабо связанное с двумя другими [10].
Для построения семантических сетей используется методика, сущность которой состоит в предъявлении испытуемому (эксперту) триад - понятий для извлечения из него информации об отношениях между ними.
Причем, одна триада может содержать не одно, а несколько различных отношений, т.е. связи могут быть и двунаправленными.
Использование трех понятий позволяет выявить иерархические отношения и построить элементарные бинарные деревья, объединением которых можно организовать сложные многоуровневые, иерархические семантические структуры (рис.3).
5. Возможности использования нейронных сетей
Следующим шагом в развитии автоматизированных систем обучения и тестирования является применение искусственных нейронных сетей (ИНС). Один из самых привлекательных аспектов использования нейронных сетей заключается в том, что, хотя элементы такой сети имеют очень ограниченные вычислительные возможности, вся сеть в целом, объединяя большое число таких элементов, оказывается способной выполнять сложные задачи. Структура связей обычно определяется в два этапа: сначала разработчик системы указывает, какие элементы должны быть связаны и в каком направлении, а затем в процессе фазы обучения определяются значения соответствующих весовых коэффициентов. Преимущество нейронных сетей заключается в их
способности обучаться выполнению задачи на основе тех данных, которые сеть будет получать в процессе реальной работы [7].
Рис. 3. Пример объединения бинарных поддеревьев в семантическую сеть
Благодаря своим способностям к самоорганизации и обучению ИНС рассматриваются как перспективные средства для интеллектуальных систем. Определяющими чертами нейронных сетей являются параллельность, распределенность, самоорганизация, в то время как обычные компьютеры характеризуются последовательностью, локальностью, работой по алгоритму.
Основным препятствием на пути построения обучающих систем на основе искусственных нейронных сетей является необходимость работы с неточностью, неопределенностью и частичной истинностью, не позволяющими достичь легкости обработки поступающей информации. Наибольшего успеха в развитии интеллектуальных систем можно достичь только путем комбинации методологий теории нечетких множеств, нейронных сетей, генетических алгоритмов и вероятностных вычислений.
Каждая из составляющих методологий имеет много возможностей для ее использования в интеллектуальных системах контроля качества знаний и понимания. Нечеткая логика лежит в основе методов работы с неточностью, гранулированием информации, приближенными рассуждениями, вычислениями со словами. Нейровычисления отражают способность к обучению, адаптации и идентификации. Генетические алгоритмы позволяют систематизировать случайный поиск и достигать оптимального значения характеристик. Вероятностные вычисления обеспечивают базу для управления неопределенностью.
Литература:
1. Астанин С.В., Курейчик В.М., Попов Д.И., Кузьмицкий А. А. Интеллектуальная образовательная среда дистанционного обучения// Новости искусственного интеллекта. - М., 2003. - №1. -С. 7-14.
2. Астанин С.В. Мониторинг процесса обучения в системе открытого образования// Интеллектуальные САПР. -2001. - №4.
3. Дюк В.А. Компьютерная психодиагностика. - СПб.: Изд-во «Братство», 1994.
4. Евгенев Г.Б. Принципы построения мультиагентных систем автоматизации проектирования и управления//Интеллектуальное управление: новые интеллектуальные технологии, 1999.
5. Зегжда Д.П., Ивашко А.М. Основы безопасности информационных систем. - М.: «Горячая линия - телеком». -2000. 452 с.: ил.
6. Зенкин А.А. Когнитивная компьютерная графика. - М: Наука, 1991.
7. Каллан Р. Основные концепции нейронных сетей. - М.: Издательский дом «Вильямс», 2001.
8. Открытое образование - стратегия ХХ1 века для России/ Под общ. ред. В.М. Филиппова и В.П. Тихомирова. - М.: МЭСИ, 2000.
9. Тихомиров В.П. Основные принципы построения дистанционного образования в России// Дистанционное образование. -1998. - №1.
10. Тушканов Н.Б. Интеллектуальная самообучающаяся система контроля и диагностики знаний и понимания/Информационные технологии и управление. -Новочеркасск: ЮРГТУ (НПИ), 2001.
ПОКАЗАТЕЛИ ЭФФЕКТИВНОСТИ ТЕСТОВ УЧЕБНОЙ ДЕЯТЕЛЬНОСТИ КАК ТЕХНОЛОГИЧЕСКАЯ ОСНОВА
ИХ КОНСТРУИРОВАНИЯ
Н.А. Сеногноева, к. пед. н., доц., с.н.с. Тел.: (343-56) 2-33-57, E-mail: sennataliya2005@yandex.ru Нижнетагильская государственная социально-педагогическая академия
http://ntspi.ru
The article deals with the designing of training tests, which are used for assessing not learners' achievements but their learning. Indicators of such tests are seen as a technological basis for their design. They are test difficulty, level of difficulty; generalisation, degree
of generalisation; validity and objectivity
Необходимость развития педагогических технологий для повышения качества образовательного процесса в настоящее время осознается не только теоретиками, но и практическими работниками. Реформирование школы, неотъемлемой частью которого является внедрение информационных технологий, предусматривает активное использование, в частности, тестовых технологий. Прежде всего, они рассматриваются как средство контроля результатов обучения.
Одним из существенных недостатков такого тестирования является невозможность определить, как именно был получен ответ
тестируемым, «в силу чего анализ способов решения задач, мыслительных операций, которые использует ученик при решении задач, в большинстве случаев оказывается затруднен или невозможен» [2, 38]. В этом контексте влияние результатов тестирования на обучение сопровождается рядом негативных эффектов: переучивание учащихся, увеличение времени на изучение одного и того же материала, снижение мотивации учения и др.
Исходя из этого, мы осуществили исследование, основная идея которого заключается в построении такого тестирования, которое позволяет контролировать не результат, а сам процесс учебной деятельности. При этом на организацию такого тестирования мы смотрим как на технологию эффективного обучения.
Ранее [4, 5] нами были выявлены такие измеряемые характеристики тестов учебной деятельности, как минимальный уровень
