Журнал «Психология образования в поликультурном пространстве»
Выпуск №2 (58) (2022)
УДК 004.89, 37.022
DOI 10.24888/2073-8439-2022-58-2-89-104
РАЗРАБОТКА МЕТОДОВ ИНТЕЛЛЕКТУАЛЬНОГО РАНЖИРОВАНИЯ РЕЗУЛЬТАТОВ КОНТРОЛЯ ЗНАНИЙ С УЧЕТОМ АДАПТАЦИИ К ЦИФРОВОМУ ФОРМАТУ ОБУЧЕНИЯ МАТЕМАТИКЕ
Статья посвящена развитию методов интеллектуального ранжирования результатов контроля знаний с учетом адаптации к цифровому формату обучения математике. Охарактеризованы подходы к обучению, связанные с применением гибридной интеллектуальной обучающей среды с учетом условий дистанционного обучения. Рассмотрены особенности цифровой трансформации математического образования с учетом применения методов интеллектуального анализа. Предложены методы интеллектуального ранжирования промежуточных результатов контроля знаний с учетом адаптации к цифровому формату обучения математике. Рассмотрены вопросы адаптации интеллектуальных технологий обучения к дистанционной форме реализации. В статье развивается методология ранжирования с использованием идеи В.П. Беспалько о представлении структуры деятельности человека в виде последовательных уровней усвоения, связанных с эволюцией опыта обучающегося. Способность решать задачи различных уровней сложности определяется такими уровнями усвоения, как ученический, типовой, эвристический, исследовательский. С учетом этого подхода возможно использование различных показателей достижения обучающимся того или иного уровня усвоения учебного материала. Обоснована необходимость дополнительного оценивания деятельности обучающихся в условиях дистанционного обучения и установления зависимости результатов обучения от процессуальных аспектов. Ранжирование осуществляется на основе технологий искусственного интеллекта. Для моделирования образовательного процесса предложены алгоритмы на основе машинного обучения, в частности, разработан обобщенный алгоритм кластеризации на основе метода к - средних. Разработанное программное обеспечение направлено на интеллектуальное оценивание результатов промежуточного контроля знаний и на выявление исследовательского потенциала. Проведена серия вычислительных экспериментов на основе вероятностной модели, дана интерпретация полученных результатов. Предложенные модели и алгоритмы ориентированы на создание такой методики, которая способствует повышению эффективности педагогического процесса, а также обеспечивает контроль и оценку знаний с учетом процессов цифровой трансформации образования. Результаты данного исследования имеют практическое значение для разработки методов оценки знаний по математическим дисциплинам при дистанционных формах обучения. Результаты могут быть использованы в задачах прогнозирования показателей педагогического процесса с учетом его цифровой трансформации.
DEVELOPMENT OF INSTRUMENTAL AND METHODOLOGICAL SUPPORT FOR THE ASSESSMENT OF STUDENTS' KNOWLEDGE IN MATHEMATICS IN THE FRAMEWORK OF HYBRID INTELLIGENT LEARNING ENVIRONMENT
The article is devoted to the development of methods for the intelligent ranking of the results of knowledge control, taking into account adaptation to the digital format of teaching mathematics. Approaches to learning associated with the use of a hybrid intellectual learning environment are characterized, taking into account the conditions of distance learning. The features of the digital transformation of mathematical education are considered, taking into account the use of methods of intellectual analysis. Methods for intelligent ranking of intermediate results of knowledge control are proposed, taking into account adaptation to the digital format of teaching mathematics. The issues of adapting intelligent learning technologies to the distance form of implementation are considered. The article develops a ranking methodology using the idea of V.P. Bespal'ko about the representation of the structure of human activity in the form of successive levels of assimilation associated with the evolution of the student's experience. The ability to solve problems of various levels of complexity is determined by such levels of assimilation as student, model, heuristic, research. Taking into account this approach, it is possible to use various indicators of students' achievement of one or another level of assimilation of educational material. The necessity of an additional assessment of the activities of students in the conditions of distance learning and establishing the dependence of learning outcomes on procedural aspects is substantiated. Ranking is carried out on the basis of artificial intelligence technologies. To model the educational process, algorithms based on machine learning have been proposed, in particular, a generalized clustering algorithm based on the k-means method has been developed. The developed software is aimed at intellectual evaluation of the results of intermediate knowledge control and at identifying research potential. A series of computational experiments based on a probabilistic model has been carried out, and the interpretation of the results obtained has been given. The proposed models and algorithms are focused on the creation of such a methodology that helps to increase the efficiency of the pedagogical process, and also provides control and assessment of knowledge, taking into account the processes of digital transformation of education. The results of this study are of practical importance for the development of methods for assessing knowledge in mathematical disciplines in distance learning. The results can be used in the tasks of predicting the indicators of the pedagogical process, taking into account its digital transformation.
Список литературы
-
Андреев А.А. Дидактические основы дистанционного обучения. М.: РАО, 1999. 120 с
-
Бабина Н.Г. Современное российское дистанционное обучение: проблемы качества // Телематика'2009: Труды XVI Всерос. науч.-метод. конф. СПб.: СПбГУ ИТМО. 2009. С. 126-128
-
Баин А.М., Лисов О.И. Разработка интеллектуальной обучающей системы в области технической диагностики многокомпьютерных комплексов // Открытое образование. 2012. № 2. С. 4-7
-
Басалин П.Д., Кумагина Е.А., Неймарк Е.А., Тимофеев А.Е., Фомина И.А., Чернышова Н.Н. Реализация гибридной интеллектуальной обучающей среды продукционного типа // Современные информационные технологии и ИТ-образование. 2018. Т. 14. № 1. С. 256-267. https://doi.org/10.25559/SITITO.14.201801.256-267
-
Беленкова Ж.Т. Использование компьютерных технологий в обучении математике // Познание и деятельность: от прошлого к настоящему: материалы I Всероссийской междисциплинарной научной конференции (Омск, 5 декабря 2019 года) / отв. ред. И.П. Геращенко. Омск: ОмГПУ, 2019. С. 101-105
-
Беспалько В.П. Слагающие педагогической технологии. М.: Педагогика, 1989. 192 с
-
Бринк Х., Ричардс Дж., Феверолф М. Машинное обучение. СПб.: Питер, 2017. 336 с
-
Брусиловский П.Л. Построение и использование модели обучаемого в интеллектуальных обучающих системах // Техническая кибернетика. 1992. № 5. С. 97-119
-
Булин-Соколова Е.И., Обухов А.С., Семёнов А.Л. Будущее педагогическое образование. Направление движения и первые практические шаги // Психологическая наука и образование. 2014. Т. 19. № 3. С. 207-226
-
Бут У.К., Коломб Гр.Дж., Уильямс Дж.М. Исследование. Шестнадцать уроков для начинающих авторов. М.: Флинта: Наука, 2004. 360 с
-
Васильев С.Н. К интеллектному управлению // Нелинейная теория управления и ее приложения. М.: Физматлит, 2000. С. 57-127
-
Добровольская Н.Ю. Компьютерные нейросетевые технологии как средство индивидуализированного обучения студентов физико-математических специальностей: дис. … канд. пед. н. Краснодар, 2009. 263 с
-
Дружинина О.В., Карпачёва И.А., Масина О.Н., Петров А.А. Разработка инструментально-методического обеспечения для оценивания знаний учащихся по математике в рамках гибридной интеллектуальной обучающей среды // Психология образования в поликультурном пространстве. 2021. № 2 (54). С. 48-65
-
Исеев Р.Р. Опыт дистанционного проведения контроля успеваемости и аттестации обучающихся в условиях пандемии // The Newman in Foreign Policy. 2020. T. 3. № 54 (98). С. 6-20
-
Киян И.В. Варианты контроля знаний в системе дистанционного обучения // Сибирский педагогический журнал. 2010. № 12. С. 52-58
-
Нечеткие множества в моделях управления и искусственного интеллекта / под ред. Д.А. Поспелова. М.: Наука, 1986. 312 с
-
Никольский С.М., Потапов М.К., Решетников Н.Н., Шевкин А.В. Алгебра. 8 класс. 4-е изд. М.: Просвещение, 2017. 301 с
-
Петров А.А., Дружинина О.В., Масина О.Н. Моделирование систем оценивания знаний в рамках гибридной интеллектуальной обучающей среды // Современные информационные технологии и ИТ-образование. 2021. Т. 17. № 1. С. 1-14
-
Погребников А.К., Шестаков В.Н., Якунин Ю.Ю. Традиционная система оценивания для дистанционной формы обучения // Информатизация образования и методика электронного обучения: цифровые технологии в образовании. Материалы V Международной научной конференции. Часть 2. Под общей редакцией М.В. Носкова. Красноярск, 2021. С. 260-264
-
Покалицина О.В. Интеллектуальная обучающая система как средство повышения качества обучения в современной школе: дис. … канд. пед. н. Карачаевск, 2006. 187 с
-
Полат Е.С., Бухаркина М.Ю., Моисеева М.В. Теория и практика дистанционного обучения: Учеб. пособие для студ. высш. пед. учеб. М.: Издательский центр «Академия», 2004. 416 с
-
Радостева А.Г. Опыт проведения контроля знаний на разных этапах обучения в период пандемии с использованием дистанционных образовательных технологий // Гуманитарные исследования. Педагогика и психология. 2020. № 1. С. 59-66
-
Слепцов А.Ф., Слепцова М.В. Интеллектуальная образовательная среда: теоретические подходы и возможности реализации // Современные исследования социальных проблем. 2016. № 5. С. 70-88
-
Торопова А.И., Сочнева А.С., Рыбина Е.А., Ротанова В.А., Власова А.А. Дистанционное обучение в условиях пандемии // Современные научные исследования и инновации. 2020. № 5. URL: http://web.snauka.ru/issues/2020/05/92584 (дата обращения: 16.09.2021)
-
Туктарова Л.Р. Системное моделирование интеллектуального управления организацией учебно-воспитательного процесса: на примере учебного заведения среднего профессионального образования: дис. ... канд. тех. н. Уфа, 2001. 208 с
-
Burns M. Distance Education for Teacher Training: Modes, Models, and Methods. Education Development Center, 2011
-
Cole J., Foster H. Using Moodle. Teaching with Popular Open Source Course Management System. Sebastopol: O’ Really Media, 2008
-
Druzhinina O.V., Karpacheva I.A., Masina O.N., Petrov А.А. Development of an integrated complex of knowledge base and tools of expert systems for assessing knowledge of students in mathematics within the framework of a hybrid intelligent learning environment // International Journal of Education and Information Technologies. 2021. V. 15. P. 122-129
-
Dubois D., Prade H. Representation and combination of uncertainty with belief functions and possibil#ity measures // Computational Intelligence. 1988. Vol. 4. P. 244-264
-
Fessakis G., Gouli E., Mavroudi E. Problem-solving by 5-6 years old kindergarten children in a computer programming environment: A case study // Computers & Education. 2012. Vol. 63. Pp. 87-97. https://doi.org/10.1016/j.compedu.2012.11.016
-
Hwang G.J., Wu P.H., Chen C.C. An online game approach for improving students’ learning performance in web-based problem-solving activities // Computers & Education. 2012. Vol. 59 (4). P. 1246-1256. https://doi.org/10.1016/j.compedu.2012.05.009
-
Masina O.N., Petrov A.A., Druzhinina O.V., Shcherbatykh S.V. Methods of intelligent ranking results for the intermediate assessment of knowledge on mathematical disciplines // Journal of Physics: Conference Series. 2021. 2001 012031. https://doi.org/10.1088/1742-6596/2001/1/012032