автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Информационная система автоматизированного мониторинга самостоятельной работы студентов

00347

На правах рукописи

ТОВБИС ЕЛЕНА МИХАЙЛОВНА

ИНФОРМАЦИОННАЯ СИСТЕМА АВТОМАТИЗИРОВАННОГО МОНИТОРИНГА САМОСТОЯТЕЛЬНОЙ РАБОТЫ СТУДЕНТОВ

05.13.01 - Системный анализ, управление и обработка информации (космические и информационные технологии)

Автореферат диссертации на соискание ученой степени кандидата технических наук

2 б ад 2003

Красноярск - 2009

003471223

Работа выполнена в Сибирском государственном технологическом университете, г. Красноярск

Научный руководитель: кандидат технических наук,

доцент Якимов Сергей Петрович

Официальные оппоненты: доктор физико-математических наук,

профессор Сенатов Сергей Иванович

кандидат технических наук,

доцент Усачев Александр Владимирович

Ведущая организация:

Кемеровский государственный университет

Защита состоится 19 июня 2009 года в 1500 на заседании диссертационного совета Д 212.249.02 при Сибирском государственном аэрокосмическом университете имени академика М.Ф. Решетнева по адресу: 660014, г. Красноярск, проспект имени газеты «Красноярский рабочий», 31.

С диссертацией можно ознакомиться в научной библиотеке Сибирского государственного аэро космического университета имени академика М.Ф. Решетнева.

Автореферат разослан « » мая 2009 г.

Ученый секретарь диссертационного совета

Моргунов Е.П.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы

Знание занимает сегодня ключевую позицию в развитии информационного общества. Эффективное обучение возможно только при соответствии образовательных программ реальным возможностям веек субъектов образовательного процесса. Одной из важнейших задач в процессе управления обучением является отслеживание выполнения обучаемыми учебной программы и мониторинг успеваемости в целях анализа и прогноза показателей успеваемости студентов в динамике, оптимального распределения общей учебной нагрузки, разработки, корректировки и логического согласования учебных планов.

Большую роль в эффективности учебного процесса играет введение информационно-коммуникационных технологий (ИКТ). На стимулирование развития ИКТ в образовании направлена деятельность как российских образовательных структур, так и международных организаций (ЮНЕСКО). Среди автоматизированных систем поддержки обучения преимущество имеют те, которые создаются на основе гибких технологий. Это позволяет обеспечить индивидуальный подход и адаптацию к каждому обучаемому, интегрируемость, вариативность при использовании в изменяющихся внешних условиях.

При всех достижениях информационных технологий следует признать недостаточно освещенным вопрос управления самостоятельной работой учащихся. Самостоятельная работа, подразумевающая познавательную деятельность без непосредственного участия преподавателя, - одна и? наиболее важных составляющих обучения. Однако, на фоне больших технических возможностей отсутствуют модели и методы, позволяющие осуществлять эффективное управление самостоятельной работой.

Указанные проблемы не могут быть решены только педагогическими методами. Для их решения необходимо использовать методы системного анализа Один из наиболее интересных подходов к формализации обучения состоит в рассмотрении процесса обучения как процесса управления (Л. А.Растригин). Вышеперечисленные положения обеспечивают актуальность исследования. Цель исследования:

Повышение эффективности управления самостоятельной работой студентов путем разработки новых моделей, методов и средств автоматизированного мониторинга учебной деятельности. Задачи исследования:

1. Изучить современное состояние и проблемы мониторинга самостоятельной работы студентов.

2. Построить информационную модель самостоятельной учебной деятельности студентов.

3. Разработать методику автоматизированного мониторинга самостоятельной работы студентов, интегрированного в образовательный процесс.

4. На основе информационной модели спроектировать и реализовать систему автоматизированного мониторинга самостоятельной работы студентов.

5. Построить имитационную модель деятельности субъектов образовательного процесса при выполнении самостоятельной работы студентов.

6. Разработать методику анализа данных о качестве самостоятельной работы студентов и успешности обучения.

Объект исследования: образовательный процесс в высшем учебном заведении.

Предмет исследования: модели, методы и средства мониторинга самостоятельной работы студентов.

Методы исследования: методология системного анализа, агентного моделирования, методы построения формальных моделей бизнес-систем, методы оперативной обработки и интеллектуального анализа данных. Научная новизна:

1. Разработана новая модель структуры программного обеспечения мониторинга самостоятельной работы студентов, обеспечивающего обоснование управленческих решений по повышению качества самостоятельного обучения, отличающаяся высокой степенью интегрированное™ мониторинга в учебный процесс.

2. С помощью приемов агентного моделирования впервые разработана имитационная модель самостоятельной учебной деятельности студента, позволяющая учесть типизацию ошибок и вероятность принятия преподавателем неверного или отклонения верно выполненного задания. На основе данных мониторинга определены параметры модели.

3. Предложен и обоснован новый способ количественной оценки эффективности обучения н ее исследования методами интеллектуального анализа данных на основе результатов мониторинга самостоятельной работы студентов.

4. Впервые проведено исследование процесса адаптации учащихся к системе обучения методом корреляционной здаптометрии.

Практическая значимость:

1. На основе результатов имитационного моделирования предложена методика обоснования нормативного времени, отводимого в учебных планах дисциплин на самостоятельную работу студентов.

2. На базе предложенной архитектуры разработана, интегрирована в учебный процесс и используется в Сибирском государственном технологическом университете автоматизированная система мониторинга «Электронная лаборатория». ,

3. В составе «Электронной лаборатории» разработан модуль расчета кислотно-основных свойств химических веществ, с помощью которого впервые рассчитаны константы кислотности некоторых органических соединений.

4. С помощью предложенных моделей и методик проведена типизация допускаемых студентами ошибок, исследовано влияние психологических характеристик обучаемых на эффективность самостоятельного обучения, проведена кластеризация студентов по уровню самостоятельности.

5. Исследован процесс адаптация студентов-первокурсников к системе обучения по курсу «Программирование на языке высокого уровня». Достоверность результатов

Обеспечивается корректным применением методов системного анализа, адекватностью построенных моделей экспериментальным данным, применением методов автоматизированного проектирования в разработке системы мониторинга. Реализация результатов работы

Результаты исследования и разработок используются в Сибирском государственном технологическом университете на кафедрах Информационных

технологий, Органической химии и технологии органических веществ (подтверждено двумя актами о внедрении).

Апробация работы

Результаты работы докладывались и обсуждались на конференциях, основными из которых являются: Всероссийская конференция «Тестирование в сфере образования», г.Красноярск, 2008 г, IV,V Всесибирский конгресс женщин-математиков, г.Красноярск, 2006, 2008 гг., X Всероссийская научно-практическая конференция «Проблемы информатизации региона», г.Красноярск, 2007 г., XII Международная научно-практическая конференция «Современные техника и технологии». г.Томск. 2007 г., Городская конференция по проектированию распределенных информационных систем «ПРИС», г.Красноярск, 2007 г., III Международная научно-практическая конференция «Интеллектуальные технологии в образовании, экономике и управлении». г.Воронеж, 2006 г.. а также на межкафедральных семинарах СибГТУ «Концепции и методологии создания информационных систем» в 2006-2008 гг.

Публикации

По материалам исследования опубликовано 17 печатных работ, в том числе 5 статей (из них 2 в журналах, рекомендованных ВАК), 2 свидетельства о регистрации программ для ЭВМ. На различных этапах выполнения работа была поддержана грантами Красноярского краевого фонда науки в 2006 г. № 10TS041, в 2008 г. №I8G070.

Структура диссертации

Диссертация состоит из введения, 4 глав, заключения, библиографического списка из 128 наименований и 3 приложений. Основное содержание работы изложено на 158 страницах машинописного текста, иллюстрированного 19 таблицами и 66 рисунками.

СОДЕРЖАНИЕ РАБОТЫ

Во введении рассмотрены тенденции компьютерного образования в вузе, обоснована актуальность темы, сформулированы объект исследования, цель и задачи работы, основные положения научной новизны, практической значимости.

Первая глава посвящена анализу текущего состояния проблемы. На основе анализа научно-методической литературы (С.И.Архангедьскнй, В ИЗагвязинский, Б.С.Гершунский, А.И.Бапшахов, М.М.Поташник, Г.А.Доррер, Г.М.Рудакова, И.П.Норенков, Л.В.Зайцева, В.И.Михеев, А.Г.Доррер и др.) анализируются методы повышения эффективности управления учебным процессом в целом и самостоятельной работой студентов (СРС) в частности.

Под эффективностью в управлении понимают характеристику качества процесса, определяемую как отношение полученного результата к понесенным затратам. Путем обобщения теории оптимизации образовательного процесса Ю.КБабанского и теории адаптивного управления обучением Л АРастригина выделены критерии оценки эффективности обучения, главными из которых являются:

(£><?, IТ -* min '

где L - текущий уровень обученности (результат), Q - требуемый уровень обученности, Т— время обучения (затраты).

Наибольшее количество проблем вызывает исследование эффективности СРС, в особенности выделяют недостаточную научную обоснованность нормативов времени на СРС, слабый учет реальных условий протекания учебного процесса, необходимость определения динамики фактических временных затрат на СРС. Зачастую, учебные планы различных дисциплин, изучаемых одновременно, слабо согласованы между собой, а наиболее трудоемкие разделы разных курсов приходятся на одно и то же учебное время, что снижает вероятность их полного освоения н отрицательно сказывается на качестве обучения. Разработка учебных планов нуждается в серьезном совершенствовании и научном обосновании принимаемых решений. Поэтому необходима разработка методов и средств, позволяющих сделать учебный план более сбалансированным.

Для оценки эффективности работы всех субъектов образовательного процесса необходимо применение системы качественных и количественных показателей. На настоящий момент не сформировано единой системы показателей, каждый исследователь предлагает свою методику измерения. В отношении измерения знаний, умений и навыков выделяют методы на основе математических и классификационных моделей, методы первичного и производного измерений. Измерение фактического времени работы должно производиться с учетом времени на повторное выполнение (доработку) неверно выполненных заданий. Однако, если способы контроля знаний в литературе освещены достаточно широко (В.ПБеспалнм, Л.Г.Гагарина, Б.Бигннас, Л.Т.Турбович, В.А.Углев, И.П.Карпова), то вопросу измерения временных затрат посвящено гораздо меньшее количество исследований (ДШ.Матрос, Н.И.Санникова).

Показано, что в основе разработки системы показателей эффективности должен лежать большой объем данных высокого качества. Обеспечение этого условия достигается за счет использования системы автоматизированного мониторинга процесса обучения, полностью интегрированной в сложившийся процесс обучения.

В текущей главе рассматриваются также базовые теоретические понятия системного анализа, его методы и роль в исследовании образовательного процесса. Производится выбор методов и средств анализа и моделирования образовательного процесса. Определены этапы дальнейшей работы.

Во второй главе предложена архитектура построения систем автоматизированного мониторинга с учетом высокой динамичности и изменчивости предметной области. Рассмотрен процесс проектирования и программной реализации автоматизированной системы мониторинга «Электронная лаборатория». Проведен сравнительный анализ существующих разработок. Выявлено, что на текущий момент существует большое количество крупных программных комплексов, посвященных поддержке учебного процесса. Однако, внедрение подобных информационных систем связано с рядом проблем; в их числе высокая стоимость, существенное изменение сложившегося учебного процесса, необходимость разработки большинства материалов «с нуля», а также, затрудненность интегрирования в автоматизированный учебный процесс авторских разработок преподавателей и студентов, которые используются в качестве учебных материалов и являются незаменимым элементом компьютерного обучения.

■Образование относится к постоянно и динамично развивающимся областям, и поэтому, требования к программному обеспечению, вовлеченному в учебный процесс, претерпевают постоянные изменения. Существующие разработки не в

полной мере учитывают возможность приспособления к такой изменчивости. Еще одним требованием к системе мониторинга является минимум возмущающих воздействий на объект измерения. Все перечисленные требования положены в основу разработки модели системы мониторинга образовательной деятельности. Модель структуры системы автоматизированного мониторинга (рис.1) разработана с учетом изменчивости состава и качества функциональных средств, представляющих собой информационную наполняющую системы.

Рисунок 1 - Ядро модели структуры системы мониторинга

Информационные модели мониторинга самостоятельного обучения с применением системы приведены на рис.2.

Подход к построению системы основан на понятиях исполняемого модуля и файла-протокола. Так как исполняемый модуль запускается на выполнение операционной системой, то в его качестве может рассматриваться любой файл исполняемого формата. Примером исполняемого модуля может служить, например, авторская разработка (учебная программа, тестирующая оболочка, электронный учебник и т.д.) студентов или преподавателей, написанная на любом языке программирования. Результатом работы исполняемого модуля является протокол. Файл протокола для проверки помещается в базу данных информационной системы, что значительно снижает вероятность фальсификации протокола. Структура базы данных системы представлена на рис.3.

Реализацией подхода к построению систем, устойчивых к изменениям в предметной области, стал программный комплекс «Электронная лаборатория». Комплекс функционально разделен на два модуля - модуль студента и модуль преподавателя. Каждый из модулей использует разделение прав доступа на основе паролей. Система реализует функции формирования типовых и индивидуальных учебных планов, организации учебного процесса, обучения, мониторинга, администрирования системы. Предусмотрена возможность работы через электронную почту. Использование системы дает возможность организации

Рисунок 2 -Диаграмма первого уровня информационной модели системы мониторинга

мониторинга процесса обучения, включая самостоятельную работу обучаемых, и автоматизирует сбор первичных данных об учебном процессе для последующего изучения.

^Исходящие файлы -Г-Г"

'^Входящие <а«1лы

и и»

[ ЩФаЙлы программного комплекса |

■ I Исполняемый модуль §-

и и 1

л_е.

Индивидуальна задание

;Пунсттипового учебного плана |

'-гг-•

Ц П»^------•) ¡^Учащийся

Рисунок 3 - Логическая модель данных системы

Как показал опыт эксплуатации системы, она может быть использована в мониторинге учебного процесса различных дисциплин. В частности, одним из результатов применения системы в курсе «Теория химико-технологических процессов органического синтеза» стал расчет студентами ранее неизвестных констант кислотности некоторых органических соединений.

В третьей главе представлена имитационная модель организации и проведения самостоятельной работы учащихся, позволяющая оценить фактические затраты времени на данный вид работы субъектов образовательного процесса. Показано, что последовательность действий студента при выполнении самостоятельной работы и преподавателя при проверке результатов этой работы хорошо формализуется с помощью механизма сетей Петри. При этом алгоритм проверки результатов работы состоит в выполнении следующих параллельных действий: проверки собственно решения, проверки самостоятельности решения, проверки оформления отчета. В свою очередь, проверка решения состоит из пяти последовательных этапов:

1. проверки постановки задачи;

2. проверки модели решения;

3. проверки метода решения;

4. проверки реализации решения;

5. проверки доказательства решения.

Приступать к следующему этапу проверки решения имеет смысл только если предыдущий этап был выполнен в той или иной степени верно. На каждом из этапов возможны следующие варианты результатов проверки:

а) представлено верное типовое решение;

б) представлено верное оригинальное решение;

в) представлено решение с допустимыми недочетами;

г) представлено неверное решение, которое принято преподавателем;

д) представлено неверное решение;

е) представлено верное решение, которое не принято преподавателем.

В случаях а)-г) этап проверки считается пройденным успешно и осуществляется переход к следующему этапу. В случаях д) и е) этап проверки провален, и весь отчет отклоняется. Задание в целом принимается, если решение оказалось верным, самостоятельным и правильно оформленным. Описанный алгоритм лег в основу моделей, описывающих деятельность студентов по выполнению самостоятельной работы н преподавателей по ее проверке (рис.4,5).

Позиции модели на рис.4: Ро - совокупность заданий рассматриваемого учебного периода; Р1 - студенту выдано задание;

Р: - коллектор невыполненных за учебный период заданий;

рз - преподаватель готов к проверке;

р4 — проверка решения;

р$ - проверка самостоятельности;

Рб ~ проверка оформления отчета;

р-,~ вспомогательная позиция;

ра ~ задание принято;

Рисунок 4 — Сеть Петри, моделирующая выполнение и проверку самостоятельных заданий

Переходы модели на рис.4: О - задание выполняется;

Ь ~ задание не выполнено в течение учебного периода;

¡з - задание сдается на проверку; t4 - задание ожидает проверки; ts - отчет утерян преподавателем; ts - начинается проверка задания; h-решение принято;

ts - самостоятельность выполнения не вызывает сомнений; fp - оформление отчета принято; /jo - решение не принято;

tu - самостоятельность выполнения вызывает сомнения;

tu - оформление отчета не принято;

tu - выставление положительной оценки;

(¡4, ¡ц - вспомогательные переходы;

tm- апелляция произведена удачно;

tn-апелляция яе проводилась или неудачна, возврат задания.

Позиции модели на рис.5 . Ры - начата проверка постановки задачи; Рм - начата проверка модели решения; Рм - начата проверка метода решения; Рм - начата проверка реализации; Prs - начата проверка доказательства решения; Рм - постановка задачи не .принята; Рю - модель решения не принята; Рм - метод решения не принят; Рм - реализация не принята; Рто- доказательство решения не принято; Рви - решение в целом принято; pR11 - решение в целом не принято.

Ц.'Г f '»¡KW. 1<1 -.1 i;|iMi.i.riKi Tl|H.l:::j>l.'.'>

Рисунок 5 — Составная позиция, моделирующая проверку решения Переходы модели на рис.5:

'я/. 'я7, <яи- 1ц25- представлено типовое решение данного этапа;

(¡а, (ян- Ьио, ^-представлено оригинальное решение данного этапа;

¡р.з, /и/, 1рл - представлено решение с допустимыми недочетами;

<Н4. 'кю, 'я/а <яя, 'яг,! - представлено неверное решение, ошибочно принятое

преподавателем;

'«л (и 7, ¡Я29 - представлено неверное решение;

'л/г, 'йл, Ь{21- *км - представлено верное решение, ошибочно не принятое преподавателем;

'лн- 1Н32, (¡аз, (¿ш,'/ш _ на данном этапе все решение отклонено.

В построенной иерархической сети нижние уровни обладают свойством консервативности. Для сети верхнего уровня найдены инварианты;

• вектор-инвариант по позициям: 0 = [3,3,3,1,1,1,1,3,1];

• векторы-инварианты по переходам: №тг = [1,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0], &т2 = [0,0,1,0,1,0,0,0,0,0,0,0,0,0,0,0,0], №т3 = [0,0,1,0,0,1,0,0,0,1,1,1,0,0,0,0,1],

= [0,0,1,0,0,1,1,0,0,0,1,1,0,0,1,0,0], Фг3 = [0,0,1,0,0,1,0,1,0,1,0,1,0,0,1,0,0], 1?г6 = [0,0,1,0,0,1,0,0,1,1,1,0,0,0,1,0,0], №'7 = [0,0,1,0,0,1,1,1,0,0,0,1,0,1,0,0,0], Й>г8 = [0,0,1,0,0,1,1,0,1,0,1,0,0,1,0,0,0], = [0,0,1,0,0,1,0,1,1,1,0,0,0,1,0,0,0]. Реализацию описанной модели целесообразно провести в среде агентного моделирования АлуЬо^с. Возможности агентного моделирования очень широки и, в том числе, позволяют учитывать взаимодействие между объектами системы. Агент является основным объектом модели и представляет собой фрагмент кода где Г,,- множество типов данных 5, Р, - множество предопределенных функций Побуждение агента к действию определено как:

[«1(5:).....

где X, - вектор переменных, «¡(х}) - действие, х - условие вызова кода. Статус действия определен как:

А$ = [Р(«(?)).Р(а©),О (сг(0),Ы(а(г)),До(а(с))}. ^ где Р — действия, разрешенные агенту, - действия, запрещенные агенту, О -действия, обязательные для выполнения агентом, 1¥ - отложенные обязательные действия, £>о - действия, которые выполняются, ? - вектор термов (переменных или объектов). Правило действия задается следующим образом:

.....¿т,,

где А - атом статуса действия, Ь - атом статуса действия или атом вызова кода.

Агенты характеризуются поведением (картой состояний) и параметрами. Представив каждое самостоятельное задание в виде активного агента, определим его поведение, сопоставив карты состояний с разработанными сетями Петри. В качестве параметров модели используем продолжительность выполнения задания и продолжительность его проверки (задаются пользователем с помощью распределения). При повторном решении задачи время на его выполнение зависит от этапа проверки, на котором была отклонена задача и уменьшается от первого этапа к последнему. Оценки вероятностей переходов модели определяются на основе экспериментальных данных, либо задаются экспертно. Взаимодействие между агентами учитывается путем повышения вероятности сдать задачу при появлении двух заданий с одинаковыми номерами с одновременным повышением вероятности отклонения задачи по причине несамостоятельности выполнения.

Результаты моделирования для курса «Программирование на языках высокого

уровня» приведены в табл.1. Вероятности переходов модели рассчитаны на основе экспериментальных данных по курсу, полученных с использованием разработанной системы мошггоринга. Для определения вероятности принятия неверного задания или отклонения верного проводилась ретроспективная проверка отчетов другим преподавателем.

Таблица 1 - Пример расчета фактического времени на самостоятельную работу в сравнении с плановым для курса «Программирование на языках высокого уровня»

Параметр Модель План

:рсднее время на решение 1 задачи 50 мин

время на самостоятельную работу по курсу 1 студента 58 ч* 30 ч

эбщая нагрузка студента по дисциплине 202 ч 128 ч

среднее время на проверку 1 задачи 10 мин

время на проверку курса задач 1 студента 11,5 ч

общая нагрузка преподавателя по дисциплине 575 ч 120 ч

* без учета времени на самоподготовку и самоконтроль

На основе результатов модельного эксперимента были сделаны выводы о превышении нагрузки студентами (общей в 1,6 раза, на решение задач в 2,27 раза) и преподавателем (в 4,8 раз) и необходимости пересмотра плановой нагрузки студента, либо уменьшении количества заданий по курсу с 31 до 16, либо снижении сложности задач. Рекомендации учтены в учебном процессе. В отношении преподавателя необходим учет при планировании его нагрузки работы по организации самостоятельной работы студентов из расчета на каждые 10 ч. работы студента -1,7 ч. работы преподавателя.

Таким образом, можно выделить следующие этапы расчета нагрузки на самостоятельную работу участников образовательного процесса: 1) выбор параметров модели: количество заданий в курсе, количество студентов; 2) выбор коэффициентов временных распределений, описывающих продолжительность решения и проверки задания; 3) работа модели до тех пор, пока не будут исчерпаны все задания; 4) получение временных характеристик самостоятельного курса. Возможна и другая форма эксперимента - определение количества выполненных учащимся заданий за фиксированное время (семестр, год и т.д.).

Рассмотрена динамика фактических затрат времени на самостоятельную работу по решению задач, рассчитанных с помощью многоагекгной модели, по различным дисциплинам (рис.6) и по различным темам внутри дисциплин. Данные расчеты могут быть использованы для выявления наиболее трудоемких разделов курса, выявления характера перегрузки и перераспределения времени с учетом взаимного влияния предметов.

Четвертая глава посвящена разработке методики производного измерения и анализа динамики успеваемости и экспериментальному применению методики в курсе «Программирование на языке высокого уровня».

22.09 S.10 15.10 29.10 11.11 24.11 11.12 25.12

— — Мат. анализ ....... лин. алгебра

Программирование

Дата

Рисунок 6 - Динамика фактических затрат времени на самостоятельную работу по различным дисциплинам, доли нормы

Исследование данных об учебном процессе, полученных системами мониторинга, представляет большой интерес. Однако, встроенные в большинство автоматизированных систем отчеты представляют очень ограниченный и статичный набор возможностей для анализа. Поэтому, перспективным становится применение в учебном процессе методов оперативной аналитической обработки данных (OLAP). Технология оперативной обработки дает возможность формировать произвольные отчеты по динамике обучения, а также, обеспечивает обработку и визуализацию больших массивов данных, «по делает возможным анализ данных за несколько лет или десятилетий. В частности, становится возможным определение тем курса, вызывающих наибольшие затруднения, визуализация динамики сдачи работ студентами, динамики деятельности преподавателя и т.д. На рис.7 приведен один из срезов гиперкуба, построенного на экспериментальных данных мониторинга курса «Программирование на языке высокого уровня».

Тексты

Сортировки

Процедуры н функции

Целые числа 13

. 1(1 "й.

Файлы

Графика

Рисунок 7 - Распределение долей откчоненных задач по темам курса

Методы интеллектуального анализа данных - Ва1аМ1т^ (В.Дюк, М.И.Ниыггина) - наиболее применимы в областях, имеющих сложную системную организацию, закономерности которых не могут быть достаточно точно описаны на языке математических моделей. Образование относится именно к таким областям. Оа(аМ1ш1^ дают возможность получать новые, ранее не изученные закономерности в данных об обучении в целях повышения эффективности учебного процесса,

Система показателей для анализа методами DataMining сформирована с учетом теории Б.Г.Ананьева и включает три группы характеристик: возрастно-половые и индивидуалыю-типичсскис, личностно-ролевые, деятельностные. К характеристикам первой группы отнесены пол и психологические характеристики студентов: тип темперамента, показатель выраженности экстраверсии, показатель искренности при ответах на психологический тест. К характеристикам второй группы причислены: основа обучения (платная, бюджетная), место проживания до поступления в вуз (местный, иногородний), семейное положение (из полной, неполной семьи). *

В качестве характеристик последней группы автором введены объем сданных заданий и объем принятых заданий. Объем сданных заданий в момент времени t определим как суммарное количество заданий, предоставленных обучаемым на проверку к дискретному моменту времени t:

где Uj - количество предоставленных на проверку отчетов о выполнении задания в

1-й контрольный срок. Тогда 1(0 - интенсивность сдачи заданий - будет найдена как:

j. F(t)-F(t-At) At

где At - квант времени между соседними контрольными сроками.

Под объемом принятых заданий Y(t) будем понимать количество принятых к моменту t заданий обучаемого. Прн этом Y{i) £F(tj.

Y(t) = £v,

i=l>

I

где v, - количество верно выполненных задач в /-й контрольный срок. Z(t) -интенсивность результативной сдачи:

At

Для показателей F(t), Y(t), I(t), Z(t) каждого студента были вычислены оценки основных статистических характеристик: среднего, дисперсии, среднеквадратичного отклонения, времени спада нормированной автокорреляционной функции. Анализ динамики этих характеристик позволяет делать выводы относительно характера успеваемости каждого студента, группы в целом или совокупности групп за несколько лет. Помимо перечисленных характеристик, использованы также показатели, выражающие доли ошибок, приходящиеся на каждый из этапов проверки задачи (постановка задачи, модель решения, метод решения, реализация решения, доказательство решения, оформление отчета, самостоятельность выполнения), а также итоговая оценка студента по курсу.

Проведен корреляционный анализ рассмотренных показателей успеваемости. Установлено, что наибольшее влияние на итоговую оценку по курсу оказывает средняя интенсивность результативной сдачи Z(t), оценка среднеквадратичного отклонения объема принятых заданий cf(Y(t)), средний объем принятых заданий F(t), оценка среднеквадратичного отклонения объема сданных заданий a(F(t)). Из

показателей, выражающих долю ошибок на этапах решения, на итоговую оценку влияет доля ошибок самостоятельности выполнения.

Исследовано влияние психологических характеристик личности: типа темперамента, показателя экстраверсии и показателя искренности (измерены методом анкетирования) на успеваемость. Значимого влияния типа темперамента и показателя экстраверсии на показатели учебного процесса не обнаружено Выявлена зависимость в степени влияния показателей Г^), 2(0, а (2(1)) на итоговую оценку по дисциплине от показателя искренности (рис.8), На рисунке г* - табличное значение коэффициента корреляции

а) б)

Рисунок 8 - Динамика влияния характеристик учебного процесса на экзаменационную оценку в зависимости от показателя искренности, а) при удалении записей с неискренними ответами; б) при удалении записей с искренними

ответами.

Таким образом, чем искреннее студент отвечает на вопросы психологического теста, тем сильнее его итоговая оценка зависит от показателей успеваемости.

Рассмотрены колебания средней по группам интенсивности результативной сдачи 7. (I) в течение семестра по курсу «Программирование на языке высокого уровня» за 2004-2008 учебные годы. С помощью критерия Вилкоксона выявлены сдвиги между интенсивностью в соседних контрольных точках. Установлено, что в каждом из рассматриваемых периодов точки 12-17 характеризуются отсутствием сдвигов. Обнаружено, что в весеннем семестре интенсивность результативной сдачи распределена более равномерно, чем в осеннем, а в 2007 и 2008 годах более шиомерно (рис.9.6), чемв2004 и2005 (рис.9.а), too ~ " " ~ "*

0,80 0,60 0,40 0,20 0,00

1 3 S 7 9 1113151719212325272931

а)

: о,з5

) 0,30 ! 0,25 ! 0,20 ; 0,15

I 0,10

! 0,05 0,00

Z*|t)

1 3 5 7 9 1113151719212325272931 б)

Рисунок 9 —Динамика средней по группе интенсивности результативной сдачи в осеннем семестре а) до внедрения системы мониторинга; б) после внедрения системы

Таким образом, внедрение в 2007 году в учебный процесс системы мониторинга позволило перераспределить среднюю по группе интенсивность результативной сдачи более равномерно в течение семестра и избежать чрезмерного всплеска в конце семестра.

Рассмотрена задача определения начальной точки классификации: необходимо определять момент, начиная с которого возможен прогноз итоговой оценки. Для решения этой задачи рассчитаны показатели успеваемости по первым трем контрольным точкам, затем по первым четырем и т.д. до конца семестра (рис. 10).

Из графика выведены следующие наблюдения: траектория оценки «неудовлетворительно» обособлена с самого начала семестра, траектория «удовлетворительно» обособляется после 5-й контрольной точки, траектории «хорошо» и «отлично» разделяются после 17-й контрольной точки. Таким образом, прогноз итоговой оценки по данному показателю возможен после 17-й контрольной точки.

Проведен кластерный анализ на множестве имеющихся данных. Множество студентов разделено на три кластера, названные «неуспевающие», «успевающие ведомые», «успевающие ведущие». Кластер «неуспевающие» характеризуется низкими значениями всех показателей успеваемости, самыми высокими значениями доли ошибок доказательства решения и несамостоятельности. Кластер «успевающие ведомые» • это учащиеся, которые проявляют высокую активность в общении с преподавателем, часто переделывают задания и допускают много ошибок на этапе моделирования решения. Преобладающие типы темперамента в этой группе - сангвиник и флегматик. Кластер «успевающие ведущие» - студента, предпочитающие самостоятельно находить решение, проявляющие самую высокую эффективность в работе, имеющие самую низкую долю ошибок доказательства и самый широкий разброс ошибок постановки задачи. При этом в зависимости от способностей студента итоговая оценка варьируется от «отлично» до «удовлетворительно», а тип темперамента преимущественно холершс и сангвиник. Выработаны классификационные правила и построены деревья решений для выделенных кластеров и итоговой экзаменационной оценки.

Для исследования процесса адаптации студентов к системе обучения по курсу впервые применен метод корреляционной адаптометрии. Метод разработан Е.В.Смирновой и А.Н.Горбанеи, основан на эффекте группового стресса и предназначен для исследования адаптации в живых организмах. Суть метода заключается в измерении динамики адаптационной нагрузки с помощью весов корреляционного графа О

3 5 7 9 1113 15 17 19 2123 2S 27 29

Рисунок 10 —Определение начальной точки классификации

где Гц - элементы корреляционной матрицы рассматриваемых характеристик, а -пороговое значение коэффициента корреляции. При этом рост показателя О свидетельствует о воздействии стрессовых факторов и подключении механизмов адаптации для их нейтрализации, а спад говорит о том, что процесс адаптации произошел успешно. Применив метод к экспериментальным данным, выяснили, что адаптационная нагрузка студентов-первокурсников возрастает на протяжении первого семестра и снижается во втором (рис.11). Снижение адаптационной нагрузки показывает успешную адаптацию к системе обучения по дисциплине.

начало семестра

середина семестра время

конец семестра

Рисунок И - Динамика веса корреляционного графа студентов-первокурсников в I и 2 семестрах учебного года

Исследована динамика адаптационной нагрузки в различных группах студентов: красноярцев и приезжих (рис.12); мужчин и женщин (рис.13); выросших в полной семье и воспитанных родителями-одиночками (рис.14); успешно завершивших курс и не завершивших его (рис.15). На оси абсцисс отложены соответствующие части семестра.

Сделан вывод о том, что адаптационная нагрузка выше у мужчин, чем у женщин, у местных чем у приезжих, у студентов из полных семей, чем выросших в неполных семьях. Местные студенты быстрее адаптируются к обучению, как и студенты, выросшие в полных семьях. У неуспешных студентов не наблюдается адаптации в процессе обучения

а 20 15

ю

5 о

—■ф™ не

Красноярск

—■—Красноярск

Красноярск И Красноярск

' а) б)

Рисунок 12 -Динамика веса корреляционного графа в зависимости от места проживания студента а) в осеннем семестре; 6) в весеннем семестре

О 25 -20 15 10 5 0

0 30 20 10 0

а) б)

Рисунок 13 — Динамика веса корреляционного графа в зависимости от пола студента а) в осеннем семестре; б) в весеннем семестре

—Ф—полная И неполная

С 30

-•^-полная Ш неполная

а) б)

Рисунок 14—Динамика веса корреляционного графа в зависимости от семьи апудента(полная/неполная) а) в осеннем семестре; б) в весеннем семестре

- —Ф—успешные ' И неуспешные

Рисунок 15-Динамика веса корреляционного графа в зависимости от итоговой оценки (2-неуспеш.ные, 3,4,5-успешные)

Основные результаты и выводы

1. Проведено исследование проблемы мониторинга самостоятельного обучения. Обоснована необходимость автоматизированного мониторинга учебного процесса для определения показателей эффективности самостоятельной работы. Проведено исследование существующих систем мониторинга, выявившее их достоинства и недостатки.

2. Проведено информационное моделирование учебного процесса. Разработана модель структуры системы автоматизированного мониторинга самостоятельной учебной деятельности, интегрированной в учебный процесс, с учетом изменчивости предметной области.

3. На основе информационной модели предметной области и разработанной архитектуры системы мониторинга спроектирован, реализован и внедрен программный комплекс «Электронная лаборатория».

4. Разработаны имитационные вероятностные модели самостоятельной учебной деятельности, основанные на механизмах сетей Петри и агенгного моделирования. На базе имитационной модели предложена методика расчета учебной нагрузки на самостоятельную работу для субъектов образовательного процесса, которая может быть использована для научного обоснования временных нормативов учебных планов.

5. Предложена методика анализа результатов самостоятельного обучения в динамике на основе разработанных показателей результативности обучения, а также методов оперативной обработки и интеллектуального анализа данных. Исследовано влияние характеристик темперамента студентов на показатели обученности. Проведена кластеризация студентов по уровню самостоятельности, выделены правила классификации по итоговой оценке. Впервые исследован процесс адаптации студентов-первокурсников к вузовской системе обучения по дисциплине методом корреляционной адаптометр ии.

6. Разработаны авторские учебные программные модули для «Электронной лаборатории». В их числе модуль расчета кислотно-основных свойств веществ, используя который, в рамках самостоятельной работы удалось впервые рассчитать константы кислотности некоторых соединений.

Таким образом. разработанные модели, методы и средства автоматизированного мониторинга позволяют принимать обоснованные решения в управлении самостоятельной учебной деятельностью студентов, что способствует повышению эффективности управления и имеет важное значение для образовательной отрасли.

Публикации в изданиях, рекомендованных ВАК РФ:

1. Товбис, Е.М. Многомерный анализ данных образовательного процесса [Текст] // Известия ОрелГТУ. Информационные системы и технологии. - 2009. -№3\53(564). - С.8 - 13.

2. Товбис, Е.М. Имитационное моделирование учебного курса па основе агенгного подхода [Текст] // Системы управления и информационные технологии. - 2009. - 1.2(35). - С.292 - 296.

Основное содержание диссертации отражено в следующих работах:

3. Товбис, Е.М. Компьютерная поддержка курса «Теория химико-технологических процессов органического синтеза» / Е.М. Товбис. ГШ Шкаберина// Свидетельство №2008611520 от 25.03.2008 РОСПАТЕНТ.

4. Товбис, Е.М. Программный комплекс «Электронная лаборатория» / Е.М.Товбис, И.Я.Дорошенко, С.П.Якимов II Свидетельство №2007612712 от 22.06.2007 РОСПАТЕНТ.

5. Товбис, Е.М. «Электронная лаборатория» и ее использование при определении констант кислотности пара-нитрозофенолов [Текст] / Е.М. Товбис, Г.Ш. Шкаберина, И.Я. Дорошенко, М.С. Товбис, С.П. Якимов // Известия вузов. Химия и химическая технология. -2008.-Т.51. Вып.З. - С. 111-113.

6. Товбис, Е.М. Расчет учебной нагрузки с использованием имитационного моделирования на примере дисциплины «Программирование» [Электронный ресурс]/ Е.М. Товбис, С.П. Якимов // Наука и образование. Электронный журнал. -2008.- №9. Режим доступа: http://www.technomag.edu.ru/doc/103841.htnil.

7. Товбис, Е.М. Модель учебного курса на основе раскрашенных сетей Петри / Е.М. Товбис, С.П. Якимов, A.C. Михайлов [Текст] // Всеросс. коиф. «Тестирование в сфере образования: проблемы и перспективы развития»: материалы. -Красноярск СибГТУ, 2008. - С. 290-296.

8. Дорошенко, И.Я. «Электронная лаборатория». Подход к построению системы поддержки учебного процесса на основе исполняемых модулей [Текст] / И.Я. Дорошенко. Е.М. Товбис// I Городская конф. «Проектирование распределенных информационных систем»: материалы. - Красноярск, 2008. -С.45-50.

9. Шхаберина, Г.Ш. Модуль программной поддержки курса «Теория химико-технологических процессов органического синтеза» [Текст] / Г.Ш. Шкаберина. Е.М. Товбис // I Городская конф. «Проектирование рас преде ленных информационных систем»: материалы. - Красноярск, 2008. - С. 112-117.

10. Товбис, Е.М. Сбор данных об учебном процессе средствами «Электронной лаборатории» [Текст] // V Всесибирский конгресс женщин-математиков: материалы. -Красноярск: РИО СФУ, 2008. - С.385-388.

11. Товбис, Е.М. Компьютерная поддержка курса «Теория химико-технологических процессов органического синтеза» [Текст] / Е.М. Товбис, Г.Ш. Шкаберина // V Всесибирский конгресс женщин-математиков: материалы. -Красноярск: РИО СФУ, 2008. -С.389-392.

12. Дорошенко, И.Я. «Электронная лаборатория». Подход к построению системы на основе исполняемых модулей [Текст] / И.Я. Дорошенко, Е.М. Товбис // Материалы Всесибирского конгресса женщин-математиков: материалы. -Красноярск. - 2008. - С. 139-143.

13. Товбис, Е.М. «Электронная лаборатория» - система поддержки учебного процесса [Текст] / Е.М. Товбис, И.Я. Дорошенко // X Всероссийская научно-практическая конференция «Проблемы информатизации региона»: материалы: в 2 т. - Красноярск: Сиб. федер. ун-т. Политехи, ия-т, 2007. - Т.2.-С.157-163.

14. Товбис, Е.М. Информационная поддержка в задаче изучения кислотно-основных свойств органических соединений [Текст] // Приложение к журналу «Открытое образование». - Красноярск, 2006. - С. 191-194.

15. Товбис, Е.М. Применение информационных технологий в задаче изучения протонирования органических веществ [Текст] / Е.М. Товбис, С.П. Якимов // XII Междунар. научно-практическая коиф. «Современные техника и технологии»: труды. - Томск: Томский полигехнич. ун-т, 2006. - С.178 -180.

16. Дорошенко, И.Я. Электронная лаборатория [Текст] / И.Я. Дорошенко, Е.М. Товбис И III Международная научно-практическая конференция «Интеллектуальные технологии в образовании, экономике и управлении»: материалы. - Воронеж: Воронежск. ин-т. экономики и соц. управления, 2006. -С. 194.

17. Товбис, Е.М. Динамическое изменение функциональности информационной системы [Текст] / Товбис Е.М., Якимов С.П. // IV Всесибирский конгресс женщин-математиков: материалы. - Красноярск: СибГТУ, 2006. - С.162 - 163.

ТОВБИС Елена Михайловна

Информационная система автоматизированного мониторинга самостоятельной работы студентов

Автореферат

Подписано в печать 6.05.09. Формат 60x84 1/16. Бумага писчая. Гарнитура Times New Roman. Усл. печ. л. 1,16. Уч.-изд. л. 1,05. Тираж 100 экэ Заказ № SSO

Отпечатано в типографии ООО «Экспресс-Офсет « 660062 , г.Красноярск, ул. Крупской 42 оф. 07

Введение.

Глава 1 Современные методы мониторинга образовательного процесса в высшей школе.

1.1 Способы управления эффективностью образования.

1.1.1 Методы и модели первичной оценки успеваемости.

1.1.2 Методы и модели производной оценки успеваемости.

1.1.3 Измерение временных затрат на обучение.

1.2 Роль самостоятельной работы в образовании.

1.3 Мониторинг качества обучения.

1.3.1 Сущность мониторинга качества обучения.

1.3.2 Мониторинг в автоматизированных системах.

1.4 Системный подход к анализу учебного процесса.

1.4.1 Основные понятия системного анализа.

1.4.2 Методы системного анализа.

1.4.3 Средства системного анализа.

Выводы по первой главе.

Глава 2 Разработка системы автоматизированного мониторинга.

2.1 Информационная модель мониторинга учебного процесса.

2.2 Концепция системы автоматизированного мониторинга.

2.3 Модель данных информационной системы.

2.4 Основные проектные решения.

2.4.1 Формирование учебных планов.

2.4.2 Редактирование типового планового задания.

2.4.3 Организация учебного процесса.

2.4.4 Формирование индивидуального учебного плана.

2.4.5 Работа с историей выполнения планового задания.

2.4.6 Обучение.

2.4.7 Администрирование программного комплекса.

2.4.8 Ведение справочников информационной системы.

2.5 Реализация разработанной модели системы мониторинга на примере программного комплекса «Электронная лаборатория».

2.6 Использование «Электронной лаборатории» в курсе «Теория химико-технологических процессов органического синтеза».

Выводы по второй главе.

Глава 3 Имитационное моделирование учебного курса.

3.1 Модель студента и алгоритм проведения самостоятельной работы.

3.2 Модель самостоятельного курса на основе сетей Петри.

3.2.1 Методология сетей Петри.

3.2.2 Моделирование самостоятельного курса с помощью обыкновенных сетей Петри.

3.3 Агентное моделирование учебного курса в среде AnyLogic.

3.4 Методика исследования трудозатрат на самостоятельную работу.

3.5 Расчет нагрузки с учетом междисциплинарных связей.

Выводы по третьей главе.

Глава 4 Анализ результатов автоматизированного мониторинга.

4.1 Определение основных характеристик студента.

4.2 Применение OLAP-обработки в анализе данных учебного процесса.

4.2.1 Методология OLAP.

4.2.2 Пример OLAP-анализа данных курса «Программирование наЯВУ»

4.3 Обработка данных учебного процесса с помощью методов DataMining

4.3.1 Анализ взаимосвязей показателей учебного процесса.

4.3.2 Анализ динамики обучения.

4.3.3 Нахождение оптимальной точки начала анализа.

4.3.4 Поиск паттернов обучения и прогнозирование итоговой успеваемости

4.4 Измерение адаптационной нагрузки студентов методом корреляционной адаптометрии.

Выводы по четвертой главе.

Принятие научно обоснованных решений в сфере образования, насыщенной стохастическими процессами и многокритериальными оценочными суждениями требует существенного усиления интеллектуальных возможностей субъектов учебного процесса. Компьютерная поддержка становится необходимой для составления оптимального расписания занятий, накопления, систематизации и отображения сведений о результатах учебной деятельности, совершенствования контроля качества учебного процесса, дозировки загрузки преподавателей и учащихся и других аспектов работы учебного заведения. Сфера компьютерного образования постоянно развивается, перемещая акценты и устанавливая новые тенденции.

Во-первых, необходимо отметить, что в современном мире меняется место и роль преподавателя в системе обучения. От накопления и распространения знаний он переходит к управлению процессом обучения и контролю над ним, при этом зачастую понятие «преподаватель» заменяется понятием «тьютор».

Во-вторых, происходит все большее проникновение принципов и техник дистанционного и интерактивного обучения как во вне- так и в аудиторную работу. При этом дистанционное обучение не исключает посещение учебного заведения и может гармонично сочетаться с традиционными формами обучения. Согласно приказу Министерства Образования РФ [79] основными технологиями, применяемыми в дистанционном образовании, являются кейсовая технология, интернет-технология (сетевая), телекоммуникационная технология. При этом наряду с традиционными информационными ресурсами для обеспечения процесса дистанционного обучения используются следующие средства дистанционного обучения: специализированные учебники с мультимедийными сопровождениями, электронные учебно-методические комплексы, включающие электронные учебники, учебные пособия, тренинговые компьютерные программы, компьютерные лабораторные практикумы, контрольно-тестирующие комплекты, учебные видеофильмы, аудиозаписи, иные материалы, предназначенные для передачи по телекоммуникационным каналам связи.

В-третьих, каким бы ни было дистанционное обучение, его главный признак - это возможность общения преподавателя с обучаемым при помощи средств удаленного доступа. Способы передачи данных обучающемуся претерпевают изменения вслед за развитием технических средств передачи. Локальные и глобальные вычислительные сети уже стали неотъемлимыми участниками процесса обучения. Широко развивается и класс систем, осуществляющих поддержку дистанционного обучения с помощью мобильных устройств, таких как сотовые телефоны и карманные компьютеры, с использованием каналов связи мобильных операторов и сетей беспроводной связи. Как отмечает Gabor Kismihok [124], возможности для доступа к учебной системе в этом случае оказываются шире, чем в случае традиционного дистанционного обучения.

В-четвертых, уже довольно длительное время в обучении широко распространен модульный подход. Цель модульного обучения состоит в создании наиболее благоприятных условий развития личности путем обеспечения гибкости содержания обучения, приспособления к индивидуальным потребностям личности и уровню ее базовой подготовки посредством организации учебно-познавательной деятельности по индивидуальной учебной программе [29]. Центром такого подхода к обучению является модуль как структурная единица образовательной программы.

В-пятых, мышление современных обучаемых направлено на кусочно-образное восприятие мира. Они более восприимчивы к мультимедиа информации, чем предыдущие поколения, обладают хорошим визуально-пространственным и виртуально-реальным восприятием, адаптированы к постоянному использованию самых современных коммуникационных технологий. Вследствие этого повышение наглядности учебного материала обеспечивается за счет использования разнообразных стримминг-технологий: видео- и аудиозаписей, технологии записи изображений с экрана компьютера и просмотра на компьютере записанного выполнения компьютерных заданий или упражнений, анимации, иллюстраций, средств виртуальной реальности, 3D графики, дополненной реальности [107].

В-шестых, одна из тенденций образования — переход от информативных к активным методам и формам обучения. В учебный процесс включаются элементы проблематизации, научного поиска, разнообразных форм самостоятельной работы [94].

В-седьмых, непрерывно разрабатываются и внедряются в учебный процесс все новые автоматизированные решения, от простых интерактивных программ до систем поддержки коллаборативного обучения. Основными направлениями развития обучающих систем И.П.Норенков [65] считает:

• интеллектуализацию;

• адаптацию к запросам и уровню подготовки пользователя;

• снижение затрат на создание новых учебных пособий.

Решение комплексных педагогических задач ведет к получению больших массивов экспериментальных данных, требующих быстрой обработки с использованием стандартизированных методик анализа. Таким образом, объективизация данных педагогических исследований ставит задачу разработки специальных методов и процедур по организации и планированию педагогического эксперимента.

Применение методов формализации в педагогике требует повышения точности и полноты описания педагогических явлений и процессов, что приводит к задачам в области измерений психолого-педагогических характеристик учебного процесса. Появляется необходимость решения проблемы перехода от субъективных качественных описаний педагогических явлений к описанию строго количественному. Однако, в настоящий момент не имеется единицы знаний, умений, навыков, учебной деятельности.

Вышеизложенное определяет актуальность исследования. Целью исследования является повышение эффективности управления самостоятельной работой студентов путем разработки новых моделей, методов и средств автоматизировэнного мониторинга учебной деятельности. Задачи, поставленные для дос тижения цели:

1. Изучить современное состояние и проблемы мониторинга самостоятельной работы студентов.

2. Построить информационную модель самостоятельной учебной деятельности студентов.

3. Разработать методику автоматизированного мониторинга самостоятельной работы студентов, интегрированного в образовательный процесс.

4. На основе информационной модели спроектировать и реализовать систему автоматизированного мониторинга самостоятельной работы студентов.

5. Построить имитационную модель деятельности субъектов образовательного процесса при выполнении самостоятельной работы студентов.

6. Разработать методику анализа данных о качестве самостоятельной работы студентов и успешности обучения.

Научная новизна:

1. Разработана новая модель структуры программного обеспечения мониторинга самостоятельной работы студентов, обеспечивающего обоснование управленческих решений по повышению качества самостоятельного обучения, отличающаяся высокой степенью интегрированности мониторинга в учебный процесс.

2. С помощью приемов агентного моделирования впервые разработана имитационная модель самостоятельной учебной деятельности студента, позволяющая учесть типизацию ошибок и вероятность принятия преподавателем неверного или отклонения верно выполненного задания. На основе данных мониторинга определены параметры модели.

Предложен и обоснован новый способ количественной оценки эффективности обучения и ее исследования методами интеллектуального анализа данных на основе результатов мониторинга самостоятельной работы студентов.

Впервые проведено исследование процесса адаптации учащихся к системе обучения методом корреляционной адаптометрии. Практическая значимость:

На основе результатов имитационного моделирования предложена методика обоснования нормативного времени, отводимого в учебных планах дисциплин на самостоятельную работу студентов. На базе предложенной архитектуры разработана, интегрирована в учебный процесс и используется в Сибирском государственном технологическом университете автоматизированная система мониторинга «Электронная лаборатория».

В составе «Электронной лаборатории» разработан модуль расчета кислотно-основных свойств химических веществ, с помощью которого впервые рассчитаны константы кислотности некоторых органических соединений.

С помощью предложенных моделей и методик проведена типизация допускаемых студентами ошибок, исследовано влияние психологических характеристик обучаемых на эффективность самостоятельного обучения, проведена кластеризация студентов по уровню самостоятельности. Исследован процесс адаптации студентов-первокурсников к системе обучения по курсу «Программирование на языке высокого уровня».

Основные результаты работы заключаются в следующем:

1. Проведено исследование проблемы управления эффективностью обучения. Поставлена проблема научного обоснования временных нормативов учебных планов. Обоснована необходимость автоматизированного мониторинга образовательной деятельности для определения качественных и количественных показателей эффективности учебного процесса. Проведено исследование существующих систем мониторинга, выявившее их достоинства и недостатки.

2. Проведено информационное моделирование учебного процесса. Разработана модель структуры системы автоматизированного мониторинга эффективности самостоятельной учебной деятельности, интегрированной в учебный процесс, с учетом изменчивости предметной области.

3. На основе информационной модели предметной области и разработанной архитектуры системы мониторинга спроектирован, реализован и внедрен программный комплекс «Электронная лаборатория».

4. Разработаны имитационные вероятностные модели самостоятельной учебной деятельности субъектов образовательного процесса, основанные на механизмах сетей Петри и агентного моделирования. На базе имитационной модели предложена методика расчета учебной нагрузки на самостоятельную работу для всех субъектов образовательного процесса, которая может служить решением проблемы научного обоснования временных нормативов учебных планов.

5. Предложена методика анализа результатов самостоятельного обучения и успешности обучаемых в динамике на основе разработанных показателей результативности обучения, методов оперативной обработки и интеллектуального анализа данных. Исследовано влияние характеристик темперамента студентов на показатели обученности. Изучен процесс адаптации студентов-первокурсников к вузовской системе обучения по дисциплине методом корреляционной адаптометрии.

6. Все предложенные модели и методики проверены на экспериментальных данных курса «Программирование на языке высокого уровня». Применение разработок позволило перераспределить нагрузку на самостоятельную работу субъектов образовательного процесса более равномерно в течение семестра.

7. Разработаны авторские учебные программные модули для «Электронной лаборатории». В их числе модуль расчета кислотно-основных свойств веществ, используя который, удалось впервые рассчитать константы кислотности некоторых соединений.

Таким образом, разработаны модели, методы и средства автоматизированного мониторинга, позволяющие принимать обоснованные решения в управлении самостоятельной учебной деятельностью студентов, что способствует повышению эффективности управления и имеет важное значение для образовательной отрасли.

Заключение

1. Алиджанов, Э.К. Проблема методологии оценивания учебных достижений в свете современной образовательной парадигмы Электронный ресурс. / Э.К.Алиджанов // Xpress Test: С.-Пб., 2004. Режим доступа http://xpt.narod.m/files/Mmy^nyh.htm

2. Ананьев, Б.Г. О проблемах современного человекознания / Б.Г.Ананьев. СПб.: Питер, 2001.-272 с.

3. Архангельский, С.И. Обученность главная переменная шкалы отметок градации контингента и функции оценивания учителя Текст. / С.И.Архангельский, В.П.Мизинцев, А.В.Кочергин - М.:3нание, 1985.-102с.

4. Архангельский, С.И. Учебный процесс в высшей школе, его закономерные основы и методы Текст. / С.И.Архангельский М.: Высшая школа, 1980. — 368 с.

5. Бабанский, Ю.К. Педагогика Текст. / Ю.К.Бабанский [и др.] М., 1988. - 388 с.

6. Батаршев, А.В. Психология индивидуальных различий: От темперамента к характеру и типологии личности Текст. / А.В.Батаршев -М.: Владос, 2001. — 255 с.

7. Башмаков, А.И. Разработка компьютерных учебников и обучающих систем Текст. / А.И. Башмаков, И.А. Башмаков — М.: Информационно-издательский дом "Филинъ", 2003. 616 с.

8. Борщев, А.В. Практическое агентное моделирование и его место в арсенале аналитика Электронный ресурс. / А.В.Борщев // Портал GPSS. Режим доступа http://www.gpss.ru/immod05/p/borshev/print.html

9. Буч, Г. Объектно-ориентированный анализ и проектирование с примерами приложений (UML 2) Текст. /Г.Буч [и др.] -М.: «Вильяме», 2008. 720 с.

10. Буч, Г. Язык UML. Руководство пользователя Текст. / Г.Буч, Д. Рамбо, А. Джекобсон М.: «ДМК Пресс», 2003. - 432 с.

11. Вендров, A.M. CASE-технологии. Современные методы и средства проектирования информационных систем Текст. / А.М.Вендров М.: Финансы и статистика, 1998. - 176 с.

12. Вершинина, Л.П. Информационные технологии в самостоятельной работе студентов Текст. / Л.П.Вершинина // Материалы Всероссийской научно-практической конференции «Информационные технологии в образовании и науке». -М.:МФА. 2007. - 41. - С.131-136

13. Гаврилова, Н.А. Теория химико-технологических процессов органического синтеза. Учебное пособие для студентов специальности 250100 всех форм обучения Текст. / Н.А.Гаврилова, А.Л.Гомонова, М.С.Товбис Красноярск: СибГТУ, 2007. - 72 с.

14. Гагарина, Л.Г. Теоретические основы методики интеллектуального тестирования Текст. / Л.Г.Гагарина, Н.С.Фоминова, И.С.Калинников // Информационные технологии. -2008. № 8. - С.64-70

15. Гершунский, Б.С. Образовательно-педагогическая прогностика Текст. / Б.С.Гершунский-М.: Педагогика, 2004. 368 с.

16. Гласс, Дж. Статистические методы в педагогике и психологии Текст. / Дж.Гласс, Дж.Стенли М., 1976. - 495 с.

17. Голубков, Е. П. Системный анализ как методологическая основа принятия решений Текст. / Е.П. Голубков // Менеджмент в России и за рубежом. 2003. -№ 3. - С. 95-115

18. Горбань, А.Н. Групповой стресс: динамика корреляций при адаптации и организация систем экологических факторов Текст. / А.Н.Горбань, Е.В.Смирнова, Е.П.Чеусова-Красноярск: ВЦ СО РАН, 1997. 50 с.

19. Горбань, А.Н. Нейронные сети на персональном компьютере Текст. / А.Н.Горбань, Д.А.Россиев Новосибирск: Наука, 1996.-276 с.

20. Горбань, А.Н. Обучение нейронных сетей Текст. / А.Н.Горбань М.: СППараграф, 1990. - 159 с.

21. Стр: 137 ГОСТ 7.32 — 2001. Отчет о научно-исследовательской работе. Минск, 2001. — 22 с.

22. Государственный образовательный стандарт высшего профессионального образования направления 654600 Информатика и вычислительная техника.1. М., 2000

23. Государственный образовательный стандарт высшего профессионального образования специальности 220400 — Программное обеспечение вычислительной техники и автоматизированных систем. М., 1994

24. Граф, В. Основы организации учебной деятельности и самостоятельной работы студентов Текст. / В.Граф, И.И.Ильясов, В.Я.Ляудис. М.: МГУ, 1981.-79 с.

25. Гринберг, JL LMS и LCMS: В чем разница? Электронный ресурс. / JI. Гринберг // ASTD ONLINE LIBRARY. Режим доступа http://www.learningcircuits.org/

26. Гриценко, Е.М. Управление процессами жизненного цикла образовательных информационных ресурсов: дис. канд. техн. наук Текст. / Е.М.Гриценко — Красноярск, 2005. 177 с.

27. Грэхем, И. Объектно-ориентированные методы. Принципы и практика Текст. / И.Грэхем М.: «Вильяме», 2004. - 880 с.

28. Данилова, Л.И. Дидактическое структурирование процесса обучения студентов в педагогическом вузе: Дисс. канд. пед. наук Текст. / Л.И.Данилова Пермь, 2003. - 204 с.

29. Домрачев, В.Г. Нечеткие модели рейтинговых систем оценки знаний Текст. / В.Г.Домрачев, О.М.Полещук, И.В.Ретинская, К.К.Рыбников // Труды VIII Всероссийской научно-метод. конф. «Телематика-2001». С.-Пб.: Изд-во СПГУ ИТМО, 2001. - С. 245-246

30. Доррер, Г.А. Методы моделирования дискретных систем Текст. / Г.А.Доррер Красноярск: СибГТУ, 2004. - 202 с.

31. Доррер, Г.А. Система моделирования ANYLOGIC. Лабораторный практикум Текст. / Г. А. Доррер, А. А. Попов, К. В. Сысенко Красноярск: СибГТУ, 2007.-57с.

32. Доррер, Г.А. Технология моделирования и разработки учебных электронных изданий Текст. / Г.А.Доррер, Г.М.Рудакова Новосибирск: Изд-во СО РАН, 2006.-272 с.

33. Дюк, В. DataMining: учебный курс Текст. / В.Дюк, А.Самойленко СПб.: Питер, 2001.-368 с.

34. Жуков, Л.А. Свидетельство о регистрации программы для ЭВМ РОСПАТЕНТ №2005610968 от 21.04.200539.3агвязинский, В.И. Методология и методы психолого-педагогического исследования Текст. / В.И.Загвязинский, Р.Атаханов — М.: Академия, 2005 — 208 с.

35. Загвязинский, В.И. Основы дидактики высшей школы Текст. / В.И.Загвязинский, Л.И.Гриценко. Тюмень: ТГУ, 1978. - 91 с.41.3агвязинский, В.И. Теория обучения: современная интерпретация Текст. / В.И.Загвязинский-М.Академия, 2004. 187 с.

36. Калянов, Т.Н. CASE-технологии. Консалтинг в автоматизации бизнес-процессов Текст. / Г.Н.Калянов — М.: Горячая линия Телеком, 2002. - 320 с.

37. Карданова, Е.Ю. Специальные методы анализа результатов тестирования, основанные на свойстве объективности моделей Раша Текст. / Е.Ю.Карданова, В.Б.Карпинский // Информационные технологии. 2008. - № 4. - С. 72-80

38. Карпова, И.П. Исследование и разработка подсистемы контроля знаний в распределенных автоматизированных обучающих системах: автореф. дисс. канд. техн. наук Текст. / И.П.Карпова М., 2002. - 18 с.

39. Карпова, А.К. Функциональные взаимоотношения между свойствами темперамента как условие эффективной деятельности монотонного содержания: автореф. канд. дис. Текст. / А.К.Карпова М., 1975. - 20 с.

40. Качалова, Л.П. Мониторинг процесса интеграции психолого-педагогических знаний студентов Текст. / Л.П.Качалова // Педагогика. — 2000. №9. - С.60-65

41. Кашина, Е.А. Кластерный анализ данных в педагогической практике Электронный ресурс. / Е.А.Кашина // Материалы Международнойконференции «Информационные технологии в образовании-2000». Режим доступа: http://ito.edu.ni/2000/II/5/5135.html

42. Кобзарь, А.И. Прикладная математическая статистика Текст. / А.И.Кобзарь — М.: ФИЗМАТЛИТ, 2006. 816 с.

43. Комаров, С.Н. Информационные и математические модели организации контроля учебного процесса Текст. / С.Н.Комаров // Стохастическая оптимизация в информатике, межвузовский сборник. СПб.: СПбГУ. - 2005. -Вып.1. - С.103-132

44. Краевский, В.В. Основы обучения: Дидактика и методика Текст. / В.В.Краевский, А.В.Хуторской-М.: Академия, 2007. 352 с.

45. Маклаков, С.В. BPwin и ERwin. CASE-средства разработки информационных систем Текст. / С.В .Маклаков М.: ДИАЛОГ-МИФИ, 2000. - 256 с.

46. Матрос, Д.Ш. Использование ЭВМ в ходе учебного процесса и его управления Текст. / Д.Ш.Матрос, В.В.Орловская Алма-Ата: Мехтеп, 1989.-174 с.

47. Матрос, Д.Ш. Основы теории информатизации процесса обучения Текст. / Д.Ш.Матрос //Педагогика. -2007. №6. - с. 11-18

48. Мацяшек, Л.А. Анализ и проектирование информационных систем с помощью UML 2.0 Текст. / Л.А. Мацяшек М.: «Вильяме», 2008. - 816 с.

49. Миндоров, Н.И. Модель практического занятия как системы массового обслуживания Электронный ресурс. / Н.И.Миндоров // Материалы Международной конференции «Информационные технологии в образовании-2000». Режим доступа http://ito.edu.ni/2000/I/2/258.html

50. Митусова, О.И. Некоторые вопросы организации самостоятельной работы студентов Электронный ресурс. / О.И. Митусова. // Электронный журнал «Научно-педагогические школы Юга России». Режим доступа http://rspu.edu.ru/university/publish/schools/2/index.html

51. Михеев, В.И. Моделирование и методы теории измерений в педагогике Текст. / В.И.Михеев М.: Высшая школа, 1987. - 200 с.

52. Модель мониторинга учебного процесса на уровне предмета Электронный ресурс. // Сайт Игиримского профессионального колледжа. Режим доступа: http ://kolledj -43 .narod.ru/index 16 .html

53. Никитина, М.И. Системы и технологии поддержки принятия решений Текст. / М.И.Никитина Красноярск: ИПЦ КГТУ, 2005. - 131 с.

54. Новый энциклопедический словарь. М.: Большая Российская Энциклопедия, 2000.-1455 с.

55. Одинцов, И.О. Профессиональное программирование. Системный подход Текст. / И.О.Одинцов СПб.: БХВ-Петербург, 2004. - 624 с.

56. Орлов, С.А. Технологии разработки программного обеспечения Текст. / С.А. Орлов СПб.: Питер, 2002.-464 с.

57. Островский, В.А. За нижней границей шкалы рН Электронный ресурс. / В.А.Островский // Соросовский образовательный журнал. СПб, 1998. — №12.- С.58-64

58. Пантелеев, Е.Р. Оперативный анализ действий студента в среде web-обучения Текст. / Е.Р.Пантелеев, В.А.Сувовров // Информационные технологии. — 2008.- №4. — С. 67-72

59. Педагогика Текст. / Ю.К.Бабанский [и др]. М.: «Просвещение», 2003. - 594 с.75 .Перегудов, Ф.И. Введение в системный анализ Текст. / Ф.И.Перегудов, Ф.П.Тарасенко -М.: Высшая школа, 1989. — 361 с.

60. Половко, A.M. Компьютерные технологии оценки знаний методами тестирования Текст. / А. М. Половко // Информационные технологии. — 2004.- №8.

61. Поташник, М.М. Качество образования Текст. / М.М.Поташник М.: Педагогическое общество России, 2002. — 448 с.

62. Разжевайкин, В.Н. Применение метода корреляционной адаптометрии в медико-биологических задачах Текст. / В.Н.Разжевайкин, М.И.Шпитонков, А.Н.Герасимов // Исследование операций. М.: ВЦ РАН им.

63. A.А.Дородницына. 2003. - С.51-55

64. Разжевайкин, В.Н. Оценка уровня адаптации травянистых видов в условиях стресса на основе метода корреляционной адаптометрии Текст. /

65. B.Н.Разжевайкин, М.И.Шпитонков // Исследование операций. — М.: ВЦ РАН им. А.А.Дородницына. -2001. С. 108-116

66. Разработка форм и методов активизации творческой деятельности студентов в процессе обучения / Под ред. В.Н. Васильева. Петрозаводск, 1982. — 182 с.

67. Растригин, JI.A. Адаптация сложных систем Текст. / Л.А.Растригин — Рига: Зинатне, 1981.-375 с.

68. Ростовцев, B.C. Опыт компьютерного тестирования знаний студентов Текст. / В.С.Ростовцев // Материалы Всероссийской научно-практической конференции «Информационные технологии в образовании и науке». -М.:МФА, 2007. 41. - с.193-196

69. Рубин, Г. Учебный процесс: резервы совершенствования. Мониторинг качества образования учащихся в школе естественно-математического профиля Текст. / Г.Рубин // Учитель. 2001. - №6. - с.26-32

70. Рудинский, И.Д. Основы формально-структурного моделирования систем обучения и автоматизация педагогического тестирования знании Текст. / И.Д.Рудинский М: Горячая линия - Телеком, 2004 - 204 с.

71. Русалов, В.М. Опросник структуры темперамента: методическое пособие Текст. / В.М.Русалов М.: Институт психологии РАН, 1992. - 38 с.

72. Савченко, Г.А. Самостоятельная работа как система педагогического процесса в вузе Текст. /Г.А.Савченко // Сибирский учитель. 2005. - №2(38). - С.18-21

73. Санникова, Н.И. Алгоритм определения трудоемкости учебного материала Текст. / Н.И.Санникова // Физическая культура. Научно-методический журнал. 2006. - №2. - С. 58-60

74. Седов, К.Р. Мониторинг состояния антропоэкологического напряжения у коренного населения Крайнего Севера Текст. / К.Р.Седов [и др.] // Проблемы экологического мониторинга и моделирования экосистем. Л.: Гидрометеоиздат, 1992. - Т. 14. - С.78-87

75. Серков, Л.А. Синергетическое моделирование образовательных процессов Текст. /Л.А.Серков //Информационные технологии—2008. № 1. - С.74-79

76. Сластенин, В.А. Педагогика: Учебное пособие Текст. / В. А. Сластенин, И. Ф. Исаев, Е. Н. Шиянов М.: Академия, 2002. - 576 с.

77. Смирнова, И. Модели обучения Текст. / И.Смирнова // Высшее образование в России. 2006. - №3,- С.96-99

78. Столяренко, Л.Д. Основы психологии Текст. / Л.Д.Столяренко Ростов н/Д.: Феникс, 2006. - 703 с.

79. Сыготина, М.В. Моделирование процесса обучения в высшем учебном заведении: автореф. дисс. канд. техн. наук Текст./ М.В.Сыготина Братск, 2005. -19 с.

80. Темербекова, А.А. Методика преподавания математики Текст. / А.А.Темербекова М.: Владос, 2003. - 176 с.

81. Теория систем и системный анализ в управлении организациями: Справочник Текст. / Под ред. В.Н.Волковой. М.: Финансы и статистика, 2006. - 847 с.

82. Тихомиров, В. Качество обучения в виртуальной среде Текст. / В.Тихомиров, Ю.Рубин, В.Самойлов, К.Шевченко // Высшее образование в России. 1999. -№6. - с.21-26

83. Товбис, Е.М. «Электронная лаборатория» и ее использование при определении констант кислотности 77<я/?д-нитрозофенолов Текст. // Е.М.Товбис [и др.] Известия вузов. Химия и химическая технология. - 2008. - Т.51. - Вып.З. — С. 111-113

84. Третьяков, С.И. Основы информатики и программирования на алгоритмическом языке Паскаль Текст. / С.И.Третьяков, В.В.Заляжных -Архангельск: Изд-во АГТУ, 2001.-51с.

85. Трофимова, O.K. Автоматизация процесса составления учебных планов вузов: дисс. канд. техн. наук Текст. / О.К.Трофимова. М., 1999 . - 140 с.

86. Турбович, JI.T. Информационно-семантическая модель обучения Текст. / Л.Т.Турбович Л., 1970. - 177 с.

87. Углев, В.А. Системный подход к процессу обучающего компьютерного тестирования Текст. / В.А.Углев, В.А.Устинов, Б.С.Добронец // Информационные технологии. 2008. - № 4. - С. 81-87

88. Усков, А.В. Опыт использования стримминг технологий в образовании Текст. / А.В.Усков, А.Д.Иванников, В.Л.Усков // Труды XIV Всероссийской научно-метод. конф. «Телематика-2007». С.-Пб.: Изд-во СПГУ ИТМО, 2007

89. Фаулер, М. UML. Основы Текст. / М.Фаулер, К.Скотт СПб.: Символ-Плюс, 2002. -192 с.

90. Федеральный закон от 22 августа 1996 г. №125-ФЗ «О высшем и послевузовском профессиональном образовании»

91. Федоров, А. Введение в OLAP-технологии Microsoft Текст. / А.Федоров, Н.Елманова М.: Диалог-МИФИ, 2002. - 272 с.

92. Хуторской, A.B. Практикум по дидактике и современным методикам обучения Текст. /А.В.Хуторской С-Пб.: Питер, 2004. - 541с.

93. Хуторской, А.В. Современная дидактика Текст. / А.В .Хуторской С-Пб.: Питер, 2001.-544 с.

94. Цапко, С.Г. Задачи и средства проектирования компьютерных тренажеров Текст. / С.Г.Цапко, Д.А.Плотников // Современные техника и технологии. Томск: ТПУ, 2006. Т.2.-С.113-115

95. Царегородцев, В.Г. Извлечение знаний из таблиц данных при помощи обучаемых и упрощаемых искусственных нейронных сетей: автореф. дис. канд. техн. наук Текст. /В.Г.Царегородцев Красноярск, 2000. — 19 с.

96. Черемных, С.В. Структурный анализ систем: IDEF-технологии Текст. / С.В.Черемных, И.О.Семенов, В.С.Ручкин — М.: Финансы и статистика, 2003. — 208 с.

97. Юнг, К.-Г. Психологические типы Текст. / К.-Г.Юнг М.: Прогресс-Универс, 1995.-336 с.

98. Якимов, С.П. «Программирование на языке высокого уровня». Программа учебной дисциплины / С.П. Якимов, Г.М. Рудакова, Е.В. Касьянова -Красноярск, 2006. 18 с.

99. Якимова, Л.Д. Информационная система управления аттестационным процессом в образовательном учреждении в условиях экологизации: дисс. канд. техн. наук Текст. / Л.Д.Якимова-Красноярск, 2002. 177 с.

100. Advanced Distributed Learning (ADL), Sharable Content Object Reference Model (SCORM®) 2004 2nd Edition Overview Electronic resource. Mode access http://www.adlnet.gov/Technologies/scorm/SCORMSDocuments

101. Eiter T. Heterogeneous active agents. I: Semntics Text. / T.Eiler, V.S. Subrahmanian, G.Pick // Artificial intelligence. 1999. -V. 108,- pp. 179-255

102. Jensen, K. Colored Petri Nets: Basic Concepts, Analysis Methods and Practical Use. Text. / K.Jensen Berlin: Springier. - Vol.1 - 1996, Vol.2 - 1997, Vol.3 -1997.

103. Kismihok, Gabor. Mobile Learning in Higher Education: The Corvinus Case / Gabor Kismihok Electronic resource. // ONLINE EDUCA BERLIN, 2007. Mode access http://www.online-educa.com

104. Mostow, J. Some useful tactics to modify, map, and mine data from intelligent tutors Text. / J.Mostow, J.Beck Natural Language Engineering (Special Issue on Educational Applications), 2006. - 12(2). - pp. 195-208

105. Sommerville, I. Software Engineering Text. / I. Sommerville N.Y.: Pearson Education Limited, 2001. - 624 p.

106. Yudelson, M. Mining Student Learning Data to Develop High Level Pedagogic Strategy in a Medical ITS Electronic resource. / M.Yudelson // Papers from the 2006 AAA! Workshop. Mode access http://www.aaai.org/Library/Workshops/ws06-05.php

107. Zorrilla, M.E. Web usage mining project for improving web-based learning sites Text. / M.E.Zorrilla Web mining workshop, Cataluna, 2006, pp. 1-22.