Новости
09.05.2023
с Днём Победы!
07.03.2023
Поздравляем с Международным женским днем!
23.02.2023
Поздравляем с Днем защитника Отечества!
Оплата онлайн
При оплате онлайн будет
удержана комиссия 3,5-5,5%








Способ оплаты:

С банковской карты (3,5%)
Сбербанк онлайн (3,5%)
Со счета в Яндекс.Деньгах (5,5%)
Наличными через терминал (3,5%)

ИСПОЛЬЗОВАНИЕ СИСТЕМЫ ОПТИМИЗАЦИИ УЧЕБНОГО ПРОЦЕССА ДЛЯ ПОСТРОЕНИЯ ИНДИВИДУАЛЬНОЙ ТРАЕКТОРИИ ОБУЧЕНИЯ

Авторы:
Город:
Муром
ВУЗ:
Дата:
07 апреля 2015г.

В настоящее время существует необходимость комплексного внедрения в учебный процесс современных компьютерных технологий. Важным направлением модернизации учебного процесса является разработка модели обучения, которая бы позволила оптимизировать процесс обучения, то есть за минимальный промежуток времени освоить максимальное количество информации, и дать наилучший результат.

Для того чтобы можно было предоставить обучаемому индивидуальную траекторию обучения, необходимо до начала процесса обучения определить основные характеристики обучаемого, которые позволят учесть его текущие знания, умения, навыки, а также его личные особенности и предпочтения. Эти характеристики составят модель обучаемого.

Построение модели в данном случае подразумевает определение текущего состояния обучаемого, а также действий, при которых знания учащегося за заданный промежуток времени достигают максимального соответствия с изучаемым объектом (дисциплиной), находящимся в этой же системе.

Для того чтобы реализовать систему оптимизации учебного процесса, учесть все факторы, влияющие на процесс обучения, которые будут участвовать в формировании индивидуальной траектории учащегося [4, с. 162- 164]:

1.        материальное положение;

2.        состояние здоровья;

3.        наличие свободного времени;

4.        наличие других каких-либо интересов, несвязанных с учебной деятельностью;

5.        поддержка/отсутствие поддержки со стороны окружающих;

6.        желание/нежелание учиться;

7.        самоорганизация (способность к самостоятельным занятиям);

8.        общение с другими студентами и преподавателями;

9.        факультативная деятельность/дополнительные занятия по предмету;

10.     черты характера/особенности памяти, поведение.

При учете факторов, влияющих на процесс обучения, также важно учитывать и их взаимодействие между собой. Для определения влияния факторов друг на друга используется корреляционный анализ и регрессионный анализ.

С помощью корреляционного [3, с. 569] и регрессионного анализов было определено взаимное влияние факторов.


Таблица 1  

Определение влияния факторов с помощью корреляционного анализа


 

Факторы

 

1

 

2

 

3

 

4

 

5

 

6

 

7

 

8

 

9

 

10

1

w1

0,452

0,165

0,123

0,336

-0,11

0,012

0,036

-0,23

0,143

2

0,452

w2

0,236

0,145

0,285

-0,05

-0,06

0,025

-0,14

0,169

3

0,165

0,236

w3

0,281

0,039

0,022

-0,21

0,068

0,169

-0,16

4

0,122

0,145

0,281

w4

0,014

-0,05

0,031

0,114

0,01

-0,13

5

0,336

0,285

0,039

0,014

w5

0,168

0,045

0,237

-0,07

0,101

6

-0,11

-0,05

0,022

-0,05

0,168

w6

0,28

0,010

0,069

-0,05

7

0,012

-0,06

-0,22

0,031

0,045

0,28

w7

0,312

0,093

0,112

8

0,036

0,025

0,068

0,114

0,237

0,010

0,312

w8

0,181

0,119

9

-0,22

-0,14

0,169

0,009

-0,07

0,069

0,093

0,181

w9

0,130

10

0,143

0,169

-0,16

-0,13

0,101

-0,05

0,112

0,119

0,130

w10

 

Анализ строки коэффициентов корреляции позволяют сделать вывод о факторах, которые могут быть включены в модель множественной корреляционной зависимости. Если коэффициент корреляции r < 0,25, то фактор считается мало влияющим на исследуемый параметр и может быть исключен из уравнения регрессии. В соответствии с условием оставляем для построения регрессионной модели факторы х1, х2, х3, х4, х5, х6, х7, х8 (Табл.1).

Для того чтобы понять взаимодействие  выбранных факторов между собой не только количественно, необходимо составить уравнения регрессии и оценить полученные уравнения.

Взаимодействие факторов 1 и 2 (х2 = f (х1)) позволило получить логарифмическое уравнение регрессии первого порядка:

х2 = 2,206 · ln(х1) + 1,321.


Взаимодействие факторов 3 и 4 (х4 = f (х3)) позволило получить полиномиальное уравнение регрессии высшего порядка:


х4= 0,010 · х 3- 0,255 · х 2+ 2,073 · х3 + 0,812.

Поскольку фактор 1 взаимодействует одновременно с фактором 2 и 5 (х5 = f (х1,х2)), необходимо составить уравнение множественной регрессии для двух факторов (для факторов 1 и 2):

x5 = a0 + a1 · x1 + a2 · x2.

Необходимо определить коэффициенты уравнения a0, a1, a2. Для этого необходимо использовать парные коэффициенты корреляции из Табл.1:

r(x1x5) = 0,33688;

r(x2x5) = 0,2856;

r(x1x2) = 0,452276;

а также их среднеквадратические отклонения: σx1 = 2,696294;

σx2 = 2,5134;

σx5 = 2,7798.

Тогда коэффициенты уравнения будут выглядеть следующим образом: a1 = -0, 02066;

a2 = -0,1677;

a0 = 6,58556;

Уравнение множественной регрессии:

x5 = 6,58556 - 0,02066 · x1 - 0,01677 · x2.


Взаимодействие факторов 6 и 7 (х7 = f (х6)) позволило получить полиномиальное уравнение регрессии высшего порядка:




x7 = 0,020 · x 4- 0,475 · x 3+ 3,781 · x 2- 11,09 · x6 + 15,39.


Взаимодействие факторов 7 и 8 (х8 = f (х7)) позволило получить полиномиальное уравнение регрессии высшего порядка:


x8 = 0,030 · x 3- 0,553 · x 2+ 3,231 · x7 + 0,563.

Затем было составлено общее уравнение математической модели, характеризующее работу системы оптимизации учебного процесса:

к = w21 · f (х1) + w34 · f (х3) + w125 · f (х1,х2) + w67 · f (х6) + w78 · f (х7), где к – параметр влияния факторов на процесс обучения.

Для работы системы опттимизации учебного процесса создана база данных, хранящая входные и выходные данные системы.

С данными, содержащимися в таблицах БД, можно выполнять различные действия: редактировать их, удалять, добавлять.

Для реализации данной информационной системы были созданы четыре формы, каждая из которых выполняет определенную функцию: главная форма, на которой отображены данные из базы данных. С помощью данной формы можно осуществлять поиск записей в БД и их удаление. Вторая форма используется для добавления данных в базу данных. Третья форма предназначена для добавления предпочтений студентов по факторам, влияющим на процесс обучения.

Значения самих факторов определяются для каждого обучаемого индивидуально перед началом формирования траектории обучения. Часть значений определяется различными тестами, а остальные опросом обучаемых. Каждому варианту ответа присваивается собственное значение. Все собственные значения равноценные и означают конкретную рекомендацию в ходе формирования индивидуальной траектории обучения.

Для того чтобы выявить психологические черты каждого учащегося и определить, на сколько тот или иной учащийся способен к самоорганизации, студенты тестируются по методу Г. Айзенка [2, 15] и Р.Б. Кеттелла [1, с.55 - 81, 96-97].

По имеющимся данным программа автоматически определяет индивидуальную траекторию обучения для каждого учащегося: определяется уровень обучения учащегося с определенными рекомендациями по той или иной дисциплине, а также количество часов, необходимых для самостоятельных занятий или занятий с преподавателем. При необходимости данную информацию можно вывести в документ Microsoft Office Excel и сохранить еѐ.

Разработка новых признаков, алгоритмов и методов системы оптимизации учебного процесса является новым подходом к автоматизации процесса обучения в различных учебных заведениях. Функциональные возможности современных систем оптимизации учебного процесса предусматривается расширить за счет увеличения наборов признаков и введения новых алгоритмов для разработки данной системы. Это даст возможность повышения качества освоения учебного материала и повышения уровня знаний учащегося.

 

Список литературы

1.     Капустина А.Н. Многофакторная личностная методика Р. Кеттелла. СПб., 2001.

2.     Лихтенштейн В.И., Конашков В.В. Определение типа темперамента по тесту Г. Айзенка. Учебное электронное текстовое издание. Информационный портал УрФУ, режим доступа http://www.ustu.ru, 2013.

3.     Царева Е.Н. Определение взаимодействия факторов, влияющих на процесс обучения, с помощью корреляционного анализа. // Будущее технической науки: сборник материалов XIII Международной молодежной научно-техн.конф.; НГТУ им. Р.Е. Алексеева. – Нижний Новгород, 2014.

4.     Царева Е.Н. Факторы, влияющие на процесс обучения. Теоретические и прикладные аспекты современной науки: сборник научных трудов по материалам VI Международной научно-практической конференции 31 декабря 2014 г: в 6 ч / Под общ. Ред. М.Г. Петровой. – Белгород: ИП Петрова М.Г., 2015. – Часть VI.