Применение нечетких рейтинговых оценок как фактора повышения мотивации использования цифровых технологий в образовательном процессе Текст научной статьи по специальности «Компьютерные и информационные науки»

УДК 004.891.2

ПРИМЕНЕНИЕ НЕЧЕТКИХ РЕЙТИНГОВЫХ ОЦЕНОК КАК ФАКТОРА ПОВЫШЕНИЯ МОТИВАЦИИ ИСПОЛЬЗОВАНИЯ ЦИФРОВЫХ ТЕХНОЛОГИЙ В

ОБРАЗОВАТЕЛЬНОМ ПРОЦЕССЕ

Т.Н. Носова

THE USE OF FUZZY RATINGS AS A FACTOR IN INCREASING THE MOTIVATION

FOR USING DIGITAL TECHNOLOGIES IN THE EDUCATIONAL PROCESS

T.N. Nosova

Аннотация. Статья посвящена вопросам применения теории нечёткой алгебры в задаче формирования рейтинговых оценок многофакторной деятельности участников образовательного процесса. Произведен анализ факторов влияния на общую нечеткую оценку для каждой группы участников процесса обучения. Сформулированы правила нечеткого вывода. Описан процесс разработки программного приложения прикладного назначения, формирующего нечеткую оценку многофакторной деятельности в цифровой информационно-образовательной среде ВУЗа. Отмечена роль нечетких оценок как мотивирующего фактора учебной и профессиональной деятельности.

Ключевые слова: цифровая среда; теория нечеткой алгебры; мотивация; интегральный показатель эффективности; лингвистические переменные; правила логического вывода; оценка деятельности.

Abstract. The article is devoted to the application of the theory of fuzzy algebra in the problem of formation of ratings of multifactor activity of participants of the educational process. The influence factors on the overall fuzzy score for each group of participants in the learning process are analyzed. The rules of fuzzy inference are formulated. The process of developing an application software application that forms a fuzzy assessment of multifactorial activity in the digital educational information environment of the university is described. The role of fuzzy assessments as a motivating factor in educational and professional activities is noted.

Key words: digital environment; the theory of fuzzy algebra; motivation; integrated performance indicator; linguistic variables; inference rules; performance evaluation.

Введение

В рамках современных образовательных тенденций требования к повышению мотивации всех участников образовательного процесса (УОП) к более активному использованию цифровых технологий, можно назвать одной из важных задач современного образования, значимым фактором повышения его качества. Как регламентирует Федеральный закон «Об образовании в Российской Федерации», требования к наличию электронной информационно-образовательной среды (ЭИОС) в ВУЗе и к её активному использованию в учебном процессе являются важными показателями, необходимыми для реализации образовательных программ.

Совершенствование электронной информационно-образовательной среды университета создает условия развития профессиональных компетенций, для увеличения доли самостоятельной и коллективной работы обучающихся, реализации программ с использованием дистанционных образовательных технологий.

От профессорско-преподавательского состава (1111С) ВУЗа требуется активное использование ЭИОС, в частности, образовательных порталов, электронных библиотек, систем тестирования, для формирования электронных учебных курсов, организации самостоятельной и коллективной проектной работы студентов, процедур оценки результатов обучения, удаленной консультационной помощи студентам и т.п. [1]. С этими же элементами

http://vestnik-

;-nauki.ru

ISSN 2413-9858

работают - со своей стороны - обучаемые, и здесь ЭИОС выступает, и как средство получения необходимой теоретической информации, и как инструмент оценивания достигнутых результатов обученности.

В результате требований к активному использованию ЭИОС в образовательном процессе, возникает необходимость формирования разнообразных сравнительных рейтингов, оценивающих многофакторную деятельность и трудоемкость труда всех участников образовательного процесса, в частности преподавателей, кураторов, студентов.

При формировании оценок эффективности работы приходится учитывать большое количество разнообразных показателей, и для каждой группы участников этот набор - свой. Предлагаемая автором методика оценки интегрального рейтингового показателя базируется на использовании достаточно разнородной, не всегда определенной информации.

Стандартная шкала оценивания «2-5» часто играет демотивирующую роль при оценке многофакторной учебной и образовательной деятельности, так как, во-первых, имеет четкие границы, во-вторых, не позволяет оценить вклад каждого параметра деятельности в общую оценку. Непопадание в заданные границы качественной оценки хотя бы на доли процента, приводит неудовлетворению результатами собственной работы и снижению мотивации.

В статье рассмотрен нечетко-множественный подход к формированию рейтингов УОП, который позволяет справедливо учесть вклад каждого из анализируемых факторов деятельности в формирование итоговой нечетной оценки [2].

Цель работы

Целью представляемой работы является разработка модели формирования качественной нечеткой оценки многофакторной деятельности участников образовательного процесса, с возможностью ее последующей программной реализации в виде системы поддержки принятия решения. Объектом исследования является формирование интегрального нечеткого качественного показателя результативности деятельности УОП.

Методика формирования этого показателя включает в себя выполнение следующих

задач:

1. Разработка математической модели предметной области «Многофакторная деятельность участников образовательного процесса» с применением аппарата нечеткой алгебры [3].

2. Анализ ключевых показателей, влияющих на формирование итоговой оценки деятельности для каждой группы участников образовательного процесса.

3. Разработка, на алгоритмическом уровне, правил формирования интегрального показателя эффективности деятельности с использованием аппарата нечеткой логики.

4. Разработка приложения на языке программирования высокого уровня для программной реализации заявленной цели.

Входными данными нечеткой модели является совокупность данных разнообразных количественных показателей деятельности различных групп участников в электронной цифровой среде ВУЗа.

Для группы «Преподаватель» основными анализируемыми факторами являлись: количество разных дисциплин, общее количество студентов, процент студентов-заочников, процент сложных или объемных элементов разработанных электронных курсов, процент интерактивных элементов (упражнений, форумов и других элементов, требующих времени на проверку и составления отзыва на образовательных порталах) и т.п.

Для группы «Куратор» - количество проведенных кураторских часов в семестре, количество совместных мероприятий со студентами за семестр, количество посещений общежития за семестр, процент потерь контингента, средняя оценка деятельности куратора по опросам обучаемых [4].

Для группы «Студент» - процент качественно и в срок выполненных домашних, аудиторных и контрольных работ, результатов компьютерных тестирований, количество

участий в олимпиадах, конкурсах, коллективный и профессионально-ориентированных проектов и т.п.

При математическом описании решения задачи, перечисленные выше факторы влияния на итоговый показатель эффективности, использованы в качестве перечня лингвистических переменных, термами которых является множество возможных значений: {«высокий», «средний», «низкий»} - уровень оценки показателя. В процессе нечеткого логического вывода каждому терм-значению ставится в соответствие значение оценочного коэффициента с учетом степени принадлежности этого числового показателя к тому или иному терму.

Затем, формируется нечеткая итоговая оценка деятельности участника образовательного процесса на базе средневзвешенного значения всех оценочных коэффициентов.

Напомним [6], что лингвистическая переменная - это числовая переменная, имеющая имя (давление, температура, количество и т.д.), с которой связаны лингвистические описания. Лингвистическая переменная характеризуется набором свойств (X, T(X), U ), где -X - название лингвистической переменной; T(X) обозначает терм-множество переменной X, т.е. множество названий лингвистических значений переменной X, причем каждое из таких значений является нечеткой переменной со значениями из универсального множества U. Терм-множеством (term set) называется множество всех возможных значений, которые способна принимать лингвистическая переменная.

Процесс моделирования рассматриваемой нечеткой логической системы содержит следующие этапы [5]:

1. Определение множества N факторов (показателей) влияния на оценку результативности работы участника образовательного процесса, с анализом значимости каждого из показателей.

2. Фаззификация входных факторов (перевод реальных значений в значение логико-лингвистических переменных). Для оценки всех показателей формируется единая шкала из трех качественных термов: «низкое», «среднее» и - «высокое» значение показателя.

3. Определение функций принадлежности. С целью снижения неопределённости при разграничении уровней параметра следует определить функции принадлежности всех нечётких термов, чтобы получить возможность осуществлять адекватную классификацию уровней всех показателей.

4. Нечеткий логический вывод.

5. Дефаззификация - обратное преобразование нечеткого множества лингвистических выходных переменных в числовые значения, выполняемое после формирования нечеткого логического вывода (получение реальных значений выходных переменных).

Для всех лингвистических переменных рассматриваемых примеров определены атомарные термы: значение показателя «низкое», «среднее», «высокое», с границами, задающими поведение функций принадлежности.

Наборы свойств лингвистических переменных для групп «Преподаватели» и «Кураторы» приведены в табл. 1, 2.

Приведенные в табл. 1, 2. значения выбраны в результате диалога с преподавательским сообществом и руководством организации, а также могут корректироваться в зависимости от изменяющихся условий. Описываемый программный продукт настраивается на изменение количества и характера лингвистических переменных, так как для него эти показателя являются входными данными для обработки.

Таблица 1 - Свойства предметной области «Деятельность куратора»

X - названия лингвистических переменных и - Универсальное множество значений T(X) -Терм-множество

низкое среднее высокое

1 Количество кураторских часов в сем. [0;40] 10; 18 15;19;30;33 27;32;40

2 Количество совместных мероприятий со студентами в сем. [0;20] 6; 10 8; 11; 15;20 12; 17;20

3 Количество посещений общежития в сем. [0;40] 10; 18 15;19;30;33 27;32;40

4 Процент потерь контингента, % [0;50%] 0.05;0.13 0.06; 0.07; 0.14; 0.17 0.16;0.3; 0.5

5 Средняя оценка студентов, % [0;1] 0.2; 0.35 0.2;0.5;0.75; 0.9 0.6;0.85;1

Таблица 2 - Примеры свойств предметной области «Многофакторная деятельность

преподавателя в ЭИОС»

и - T(X) -

X - названия Универса- Терм-множество

лингвистических льное

переменных множество значений низкое среднее высокое

1 Количество обращений на портал в месяц [0; 75] 10; 20 15; 20; 35;45 35; 45; 75

2 Количество разных дисциплин [0;10] 2; 3 2; 3; 5; 7 6; 7; 10

3 Общее количество студентов [0;700] 50;60 50;130;250; 300 200;300;700

4 Процент студентов-заочников [0;1] 0.1; 0.2 0.15; 0.3; 0.55; 0.7 0.6; 0.7; 1

Процент сложных элементов

курсов (тестов, сложно- 0,25; 0.4; 0.6; 0.75

структурированных лекций, глоссариев, баз данных и [0;1] 0.2; 0.3 0.7; 0.75; 1

5 т.п.)

Процент интерактивных элементов (упражнений,

форумов и других элементов, требующих [0;1] 0.2; 0.3 0,25; 0.4; 0.6; 0.75 0.7; 0.75; 1

6 времени на проверку и составления отзыва)

7 Процент проверенных работ [0;1] 0.2; 0.35 0.2; 0.5; 0.75; 0.9 0.6; 0.85; 1

8 Удовлетворенность студентов качеством курса [0;1] 0.2; 0.35 0.2; 0.5; 0.75; 0.9 0.6; 0.85; 1

В процессе фаззификации - преобразования числовых значений в степени принадлежности к нечеткому множеству - точные значения входных влияющих параметров переведены в значения (термы) логико-лингвистических переменных, с использованием функций принадлежности.

Функция цА(х) для любого входного значения х связана со степенью его принадлежности к множеству А. Значение степени принадлежности находится в диапазоне [0; 1].

На рис. 1, 2. приведены примеры функций принадлежности для входных параметров «Процент потерь контингента» для группы «Куратор» и «Процент сложных элементов учебных курсов» для группы «Преподаватель».

1

0,9

5 0,8

? 0,7

" 0,6 =1

1 0,5

з

о.

= 0,4 л

£ о,з

с 01

Й 0,2

0,1 0

Процент потерь контингента

\ 1 ~ 1 /

1 /

/

у

|\ 1

1 ^ 1

1 1

1 V 1

1 V

1

■Ма(иизкос) МЬ(средее) ■Мс(высокос)

0 0,05 0,1 0,15 0,2 0,25 0,3 0,35 0,4 0,45 0,5

доля потерь ко нтинге нта

Рисунок 1 - Функции принадлежности входного параметра «Процент потерь контингента» к

термам «низкое», «среднее», «высокое» значение.

Процент сложных элементов курсов

1,00

0,90

X 1- 0,80

о X 0,70

*

<ы & 0,60

ГО X 0,50

^

с 0,40

л

О) 0,30

щ

1- и 0,20

0,10

0,00

| ■ -

\ I 1 \

\ \

/ \

\

\ / \

\/

V 1

А

■ Ма(иизкое) МЬ(срецнее)

■ Мс(высокое)

0 ОД 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9

Рисунок 2 - Функции принадлежности входного параметра «Процент сложных элементов учебных курсов» термам «низкое», «среднее», «высокое» значение

Для описания поведения терма «низкое количество» показателя выбрана 2-образная функция принадлежности, формируемая по закону (1),

1, х < а;

Ь~Х Ж ^ I

—--П < X < 0\

b — а

0, х > Ь;

(1)

для «среднее» - трапециевидная (2)

Ф) =

0,

х а

Т~7,г

1, Н-х

d-г 0.

X < «.;

а < х

Ь < х

с, < х

х > d.

< Ь;

< с;

< d-

(2)

для «высокое количество» - Б-образная (сплайн) функция принадлежности (3):

I, х < а

(X - а\г а + Ь

1 - 2 --) , а <х <

— а>

а + Ь

fzJx-,,a, b) =

(b - а) '

О,

2

Ь < х

2

< х < Ь

(3)

Следует обратить внимание, что некоторые числовые значения входных влияющих параметров могут одновременно принадлежать разным термам с разной степенью достоверности. Например, значение «Количество кураторских часов» равное 16 принадлежит терму «низкое» со степенью достоверности = 0,14 и терму «среднее» со степенью достоверности = 0,25. В таких ситуациях использована операция объединения нечетких множеств.

Объединением двух нечетких множеств А и В называется некоторое нечеткое

множество С, заданное на этом же универсуме X со следующей функцией принадлежности:

цАх) - )иах{иА(х), пв(х)>} _

', называемое также тах-объединением.

На этапе нечеткого логического вывода сформулированы универсальные правила перевода термов логических переменных в значения оценивающего числового критерия (4): 0.5, если - значение - низкое

0.8, если - значение - среднее (4)

1, если - значение - высокое

Критерищ = Мх)'

где ||.(х) - степень принадлежности числового показателя к терму с учетом шах-объединения.

Затем вычисляется итоговый показатель эффективности как средневзвешенное значение всех критериев с учетом весовых коэффициентов (5).

£ Критерий^ х весовой коэффициент^ Итоговый показатель эффективности = —-

£ весовой коэффициентi i-1

(5)

где п - количество входных параметров, влияющих на общую оценку.

Весовые коэффициенты на первом этапе могут быть приняты равными 1. В дальнейшем, их изменение может усиливать/ослаблять влияние того или иного критерия на общую оценку эффективности деятельности. Так, параметр «Количество выходов на образовательный портал» для студента или преподавателя является наиболее формальным показателем, не отражающим фактическую трудоемкость выполняемых работ; «Процент

проверенных работ» ожидаемо будет самым высоким для преподавателя с одной читаемой дисциплиной и небольшим количеством студентов, а вот от параметров «Процент сложных элементов курсов», «Общее количество студентов» и «Процент студентов-заочников» напрямую зависит время на разработку курса, на проверку работ и составление отзывов.

В модельном примере «Многофакторная деятельность преподавателя в ЭИОС» были выбраны значения весовых коэффициентов, приведенные в таблице 3.

Таблица 3- Весовые коэффициенты, используемые при вычислении интегрального __показателя эффективности__

Весовые

№ Входные факторы коэффици-

фактора енты

1 Количество обращений на портал за месяц 0,6

2 Количество разных дисциплин. 1

3 Общее количество студентов 1

4 Процент студентов-заочников 0.8

Процент сложных элементов курсов (тестов, сложно-

5 структурированных лекций, глоссариев, баз данных и т.п.) 1

Процент интерактивных элементов (упражнений, форумов и других элементов, требующих времени на 1

6 проверку и составления отзыва)

7 Процент проверенных работ 0,8

8 Удовлетворенность студентов качеством курса (средняя оценка) 0,7

Изменение/настройка весовых коэффициентов может усиливать/ослаблять влияние того или иного критерия на общую оценку. Манипулируя весовыми коэффициентами, можно добиться более тонкой настройки системы оценивания деятельности участников образовательного процесса.

В завершении, значения числового итогового показателя эффективности, принадлежащего интервалу [0; 1] переводятся в значения итоговой нечеткой оценки со значениями: работу УОП признать «плохой - вынести порицание», «удовлетворительной», «хорошей», «отличной - назначить поощрение» и т.п. со стандартной шкалой оценивания.

На основе разработанной модели создано программное приложение для платформы .NET на языке C#. Созданный программный продукт предназначен для моделирования нечетких систем на алгоритмическом уровне в поведенческой прикладной области - в системах поддержки принятии решения при многофакторной оценке деятельности УОП учебных заведений.

Результатом работы программы является интегральная качественная оценка эффективности деятельности каждого участника образовательного процесса. Манипулированием весовыми коэффициентами при оценке факторов можно мотивировать участников к более качественному выполнению тех или иных необходимых видов работ.

Заключение

Представляемая нечеткая модель и составленное на ее основе программное приложение могут быть использованы в управлении образовательным процессом при формировании учебных и профессиональных рейтингов деятельности участников образовательного процесса: преподавателей, кураторов и студентов. Полученные результаты учитывались при формировании портфолио обучаемых и рейтингов ППС.

Созданный программный продукт может быть использован для моделирования нечетких систем на алгоритмическом уровне, учитывает вклад каждого фактора деятельности в общую рейтинговую оценку, мотивирует участников к более эффективному использованию цифровых технологий в учебном процессе.

ЛИТЕРАТУРА

1. Методологические аспекты изучения дисциплины «Информационные технологии. Базы данных» // Педагогическая информатика. 2017. № 2. С. 99-109.

2. Носова Т. Н. Программа поддержки принятия решения для нечеткой оценки деятельности преподавателей в информационно-образовательной среде университета // Информатизация образования и науки. 2019. № 4 (44). С. 134-148.

3. Карелин В.П. Модели и методы представления знаний и выработки решений в интеллектуальных информационных системах c нечёткой логикой // Вестник Таганрогского института управления и экономики. 2017. № 1(19) . С 75-83.

4. Носова Т.Н. Программа поддержки принятия решения при нечеткой многокритериальной оценке деятельности кураторов ВУЗа. // Свидетельство о регистрации программы для ЭВМ № 2019619539. 2019.

5. Конышева Л.К., Назаров Д.М. Основы теории нечетких множеств. - СПб.: Питер, 2011. 192 с.

6. Pegat А. Fuzzy Modeling and Control. New York: Springer, 2001. 733 p.

REFERENCES

1. Nosova T.N. Metodologicheskie aspekty izucheniya discipliny "informacionnye tekhnologii. bazy dannyh" [Methodological aspects of the study of discipline "Information technologies. Databases"] Pedagogicheskaya informatika, 2017. No. 2, pp. 99-109.

2. Nosova T.N. Programma podderzhki prinyatiya resheniya dlya nechetkoj ocenki deyatel'nosti prepodavatelej v informacionno-obrazovatel'noj srede universiteta [Decision support program for fuzzy assessment of teachers ' activities in the information and educational environment of the university] Informatizaciya obrazovaniya i nauki, 2019. No 4 (44), pp. 134-148.

3. Karelin V.P. Modeli i metody predstavleniya znanij i vyrabotki reshenij v intellektual'nyh informacionnyh sistemah c nechyotkoj logikoj [Models and methods of representation of knowledge and development of solutions in intellectual information systems with fuzzy logic] Vestnik Taganrogskogo instituta upravleniya i ekonomiki, 2018, pp. 220-221.

4. Nosova T.N. Programma podderzhki prinyatiya resheniya pri nechetkoj mnogokriterial'noj ocenke deyatel'nosti kuratorov VUZa. Svidetel'stvo ob ofitsial'noi registratsii programm dlya EVM [Decision support program for fuzzy multi-criteria assessment of the activities of university curators. The Certificate on Official Registration of the Computer Program]. No. 2019619539. 2019.

5. Konysheva L.K., Nazarov D.M. Osnovy teorii nechetkih mnozhestv [Fundamentals of the theory of fuzzy sets]. SPb: Piter Publ., 2011. 192 p.

6. Pegat А. Fuzzy Modeling and Control. New York: Springer, 2001. 733 p.

ИНФОРМАЦИЯ ОБ АВТОРЕ

Носова Татьяна Николаевна

Магнитогорский государственный технический университет им. Г.И. Носова, г. Магнитогорск, Россия, старший преподаватель каф. Информатики и информационной безопасности.

E-mail: ntn.mgtu@bk.ru

Nosova Tatyana Nikolaevna Magnitogorsk State Technical University name G.I. Nosov, Magnitogorsk, Russia, The senior teacher, institute of the Power engineering and the automated systems, Department of Informatics and information security E-mail: ntn.mgtu@bk.ru

Корреспондентский почтовый адрес и телефон для контактов с автором статьи: 455037, Челябинская обл., г. Магнитогорск пр. Карла Маркса, 136 корпус 1, кв. 53

8-904-97-37-27-9