Кластерный подход к критериальному оцениванию качества образовательного результата обучаемого

Обложка

Цитировать

Полный текст

Аннотация

Проблема и цель. Вопросы критериального оценивания образовательных результатов обучаемого сохраняют свою актуальность для современной теории и практики образования. Как правило, мероприятия по мониторингу образовательных результатов и ресурсов в учебных заведениях проводятся экспертными, ручными, неавтоматизированными способами. В соответствии с направлениями цифровой трансформации образования необходимо создание технологичной, отвечающей требованиям современного общества системы оценивания, подлежащей автоматизации и интеллектуализации. Цель работы - обоснование новой модели критериального оценивания качества образовательного результата, опирающейся на математические методы теории кластеризации и распознавания образов и позволяющей автоматизировать процедуры оценки качества образовательных объектов, ресурсов, учебных и личностных достижений обучаемых. Методология. Качество образовательного результата или ресурса определяется критериальными показателями, которые можно представить в виде признаков оцениваемого объекта с помощью информационного вектора. Путем кластеризации множества допустимых объектов на три класса - с низким, средним и высоким качеством - можно осуществлять оценку объекта по его принадлежности к одному из этих классов. Кластеризация проводится на основе горного алгоритма, в качестве меры сходства объектов принимается метрика городских кварталов. Результаты. Разработана программа, которая состоит из модуля исходных данных, модуля кластеризации и модуля распознавания и обучения. Модельные результаты работы программы коррелируют с традиционными рейтинговыми оценками, в которых качество объекта определяется по бальной шкале. Полученные тестовые результаты подтверждают валидность алгоритма распознавания и корректность работы программного продукта. Заключение. Предложенная модель на основе кластеризации и метода распознавания делает возможной автоматизированную оценку качества образовательных результатов обучаемых и образовательных ресурсов.

Об авторах

Николай Инсебович Пак

Красноярский государственный педагогический университет имени В.П. Астафьева

Email: nik@kspu.ru
ORCID iD: 0000-0003-2105-8861

доктор педагогических наук, профессор, заведующий кафедрой информатики и информационных технологий в образовании

Россия, 660049, Красноярск, ул. Ады Лебедевой, д. 89

Маргарита Михайловна Клунникова

Сибирский федеральный университет

Автор, ответственный за переписку.
Email: mklunnikova@sfu-kras.ru
ORCID iD: 0000-0003-3657-1019

кандидат педагогических наук, доцент базовой кафедры вычислительных и информационных технологий

Россия, 660041, Красноярск, пр-кт Свободный, д. 79

Список литературы

  1. Abekova ZhA, Oralbaev AB, Berdalieva M, Izbasarova ZhK. Criteria-based assessment technology, methods of its application in the educational process. International Journal of Experimental Education. 2016;(2–2):215–218. (In Russ.) Available from: https://expeducation.ru/ru/article/view? id=9559 (accessed: 14.01.2022).
  2. Bazhenova IV, Klunnikova MM, Pak NI, Pushkareva TP, Khenner EK. Cluster of disciplines as a platform for the development of students' computational thinking. Krasnoyarsk: Siberian Federal University; 2021. (In Russ.)
  3. Klunnikova MM. Development of computational thinking of students in the process of teaching the discipline “Numerical Methods” [dissertation]. Krasnoyarsk; 2020. (In Russ.) Available from: https://research.sfu-kras.ru/sites/research.sfu-kras.ru/files/dissertaciya_Klunnikova.pdf (accessed: 17.05.2022).
  4. Rubinshtein SL. Fundamentals of general psychology. St. Petersburg: Peter Publ.; 2002. (In Russ.)
  5. Markelova OV. Methodology for the development of cognitive activity of college students in the process of teaching computer science [dissertation]. Krasnoyarsk; 2019. (In Russ.) Available from: https://research.sfu-kras.ru/sites/research.sfu-kras.ru/files/Dissertaciya_Markelova.pdf (accessed: 17.05.2022).
  6. Avanesov VS. Application of test forms in Rasch Measurement. Pedagogical Measurements. 2005;(4):3–20. (In Russ).
  7. Bespalko VP. Education and training with the participation of computers (pedagogy of the third millennium). Moscow: MPSI Publ.; 2002. (In Russ.)
  8. Tomashev MV, Dolzhenko SV. Intelligent testing systems in distance and modular learning. Polzunovskiy Almanakh. 2010;(2):179–180. (In Russ).
  9. Markovskaya IA, Narchuganov KN, Pak NI. Automated system of remote holding competitive and assessment procedures. Journal of Physics: Conference Series. 2020; 1691(1):012156.
  10. Sun L, Hu L, Zhou D, Yang W. Evaluation and developmental suggestions on undergraduates' computational thinking: a theoretical framework guided by Marzano's new taxonomy. Interactive Learning Environments. 2022. https://doi.org/10.1080/10494820.2022.2042311

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».