CC BY
8
ВЫДЕЛЕНИЕ ТИПОЛОГИЧЕСКИХ ГРУПП КУРСАНТОВ В АДАПТИВНОЙ ОБУЧАЮЩЕЙ СИСТЕМЕ
О.Е. Дорохова, преподаватель, Воронежский институт ГПС МЧС России, г. Воронеж
На сегодняшний день актуальной задачей являются разработка и вопросы применения в нашей стране адаптивных обучающих программных комплексов, представляющих собой составляющую электронной информационно-образовательной среды вуза, основанную на технологиях Semantic Web, адаптированную под цели обучающегося, с учетом его предпочтений, способностей и уровня сформированности профессиональных компетенций.
Одной из важных проблем при организации процесса обучения с использованием адаптивной обучающей системы является индивидуализация в соответствии со спецификой и особенностями личности обучающегося, типом его высшей нервной деятельности, характером и темпераментом.
При формировании средств адаптации в автоматизированной адаптивной обучающей системе встает задача выявления способностей, характера и мотивации курсантов для проекции результатов комплексного тестирования на модель профессиональной компетенции будущих специалистов государственной противопожарной службы.
Так как учесть все личностные интеллектуальные характеристики обучающегося невозможно, то необходимо сформировать приближенное представление о комплексной оценке индивидуальных характеристик на основе количественного измерения отдельных ее аспектов [1]. Психодиагностические методы дополняют информацию, полученную при педагогическом тестировании.
Используя технологию выделения типологических групп курсантов, предложенную в работе В.В. Богорева, был сформирован психолого-педагогический инструментарий, позволивший осуществить типологизацию будущих специалистов ГПС, основываясь на результатах: мониторинга номинальной обученности курсантов; педагогического диагностирования; психодиагностического мониторинга по оценке индивидуально-психологических профессионально важных качеств и мотивационной направленности.
Первым этапом типологизации курсантов является рассмотрение номинальной обученности, т.е. результатов, предшествующих настоящему моменту, экзаменационных сессий. Необходимо отметить, что номинальная обученность, уровень которой отражен в ведомостях дифференцированных зачетов и экзаменов по изучаемым дисциплинам, является лишь частным показателем, который может служить для косвенной и приближенной оценки успешности учебной деятельности курсантов.
На втором этапе для более точного определения значений показателей академической успешности курсантов и сформированности профессиональных компетенций, приближающих к их более точной оценке, осуществляется педагогическое диагностирование реального промежуточного уровня обученности по смежным, предшествующим изучаемому курсу дисциплинам,
участвующим в формировании профессиональных компетенций.
Следующим этапом, позволяющим объективизировать предыдущие данные, является психодиагностический мониторинг по оценке индивидуально -психологических профессионально важных качеств и мотивационной направленности.
Результаты педагогических и психологических измерений дают возможность выделить однородные группы курсантов, т.е. реализовать типологический подход на основании параметра их адаптивности, представляющего собой интегрирующую функцию, благодаря которой происходит объединение педагогических и психологических процессов и свойств в единую систему [1].
Рассмотрим подход к определению величины параметра адаптивности, при котором все частные показатели путем сравнения с качественными шкалами переводятся в качественные оценки по пятибалльной шкале.
По первому показателю (результаты номинальной обученности), курсанты на основании ведомостей экзаменационных сессий получают оценку отлично, хорошо или удовлетворительно.
Для определения второго показателя (результатов педагогического тестирования) используются тесты для выявления остаточных знаний. Можно использовать тесты, разработанные в рамках инновационного проекта «Федеральный интернет-экзамен в сфере профессионального образования (ФЭПО)», позволяющие реализовать диагностическую технологию внешнего оценивания уровня сформированности профессиональных компетенций в автоматизированном режиме. Единицей измерения в шкале оценки является количество %, соответствующее правильно выполненным заданиям по отношению к их общей численности, интерпретируемых, как и по первому показателю, оценкой отлично, хорошо и удовлетворительно.
Для измерения третьего показателя осуществляется мониторинг развития индивидуально-психологических профессионально важных качеств и динамики мотивационной направленности в профессиональной сфере курсантов с использованием психодиагностических методик в соответствии с обязательным стандартом.
В итоге все данные сводятся в единую таблицу для получения полной картины по адаптивности каждого курсанта. После анализа документации и результатов выводится обобщенный показатель - параметр адаптивности, равный отношению суммы баллов по всем показателям для каждого испытуемого к числу показателей. Затем делаются соответствующие выводы по типологизации курсантов в группы адаптивности: курсанты с высоким уровнем адаптивности (средний балл > 4,6); курсанты со средним уровнем адаптивности (3,6 < средний балл < 4,6); курсанты с низким уровнем адаптивности (3 < средний балл < 3,5).
Следует отметить, что в качестве экспертов могут выступать сами курсанты, профессорско-преподавательский состав, офицеры курсового звена (начальник, заместитель начальника и взводные офицеры курса), а также кураторы учебных групп.
Для адаптивной обучающей системы требуется автоматическое
определение уровня адаптивности курсантов с целью задания точки отсчета и последующего создания индивидуальной образовательной траектории при формировании профессиональных компетенций.
В качестве формализации комплексных оценок сложных систем можно использовать наиболее адекватные процедуры поиска логических закономерностей (if-then правил) в таблицах <объект-признак>. На их основе выявляются скрытые закономерности и представляются в виде if-then правил с использованием компьютерных технологий Data Mining.
Деревья решений являются достаточно распространенным в настоящее время подходом к выявлению и визуализации логических закономерностей.
Исходными данными являются результаты в виде таблиц, описанные выше, и сведенные в электронные таблицы формата Microsoft Office Excel, которые в дальнейшем загружаются в приложение SPSS Clementine.
Проведенная проверка показывает, что построенное дерево решений является достаточно точным и достоверным классификационным правилом, имеющим реальную диагностическую ценность. Кроме того, правила наглядны и удобны в использовании.
Список использованной литературы
1. Богорев В.В. Теоретические основы профессионально-личностной ориентации обучения курсантов в высшем военно-учебном заведении / дисс. ... д-ра. пед. наук: 13.00.08 [Текст] / Богорев Валерий Владимирович. Санкт-Петербург, 2001. - 365 с.
