СТАТИСТИЧЕСКАЯ ОБРАБОТКА РЕЗУЛЬТАТОВ ТЕСТИРОВАНИЯ СТУДЕНТОВ


Цитировать

Аннотация

Приводится статистическая обработка результатов тестирования студентов, участвующих в эксперименте, проводимом кафедрой высшей математике в Самарском государственном университете путей сообщения, поскольку полученные в результате тестирования данные (коэффициенты усвоения учебной информации), которые прини-маются за случайные величины, представляют собой множество чисел, в которых трудно выявить какую-либо закономерность их изменения (варьирования). Построенный интервальный вариационный ряд, вычисленные наиболее важные числовые харак-теристики случайной величины - выборочная средняя (среднее арифметическое значе-ние признака выборочной совокупности), выборочная дисперсия (среднее арифметиче-ское квадратов отклонений наблюдаемых значений признака от их средних значений) и выборочное среднее квадратическое отклонение дали возможность построить гисто-грамму относительных частот - ступенчатую фигуру, состоящую из прямоугольников, основаниями которых служат частичные интервалы, а высоты равны плотности от-носительной частоты. Площадь гистограммы равна сумме всех относительных частот, т.е. единице. Соединив соседние середины верхних сторон прямоугольников ги-стограммы отрезками прямых, получили ломаную линию, называемую линией эмпириче-ской плотности. По виду линии эмпирической плотности выдвинута статистическая гипотеза о нормальном законе распределения случайной величины. Для проверки выдви-нутой гипотезы использовался один из критериев согласия - специально подобранная случайная величина, точное или приближенное распределение которой известно. Кри-терий Пирсона , состоящий в сравнении эмпирических и теоретических частот, по-падает в «область принятия гипотезы», следовательно, рассматриваемая случайная величина подчинена нормальному закону распределения. Это дает возможность опреде-лить его неизвестные параметры, оценить неизвестное математическое ожидание (среднее значение коэффициента усвоения учебной информации) с помощью найденной по данным выборки выборочной средней. Оценка вероятности попадания случайной ве-личины в интервал научения, характеризующий недостаточность в усвоении учебного материала, позволяет сделать вывод, что примерно 30 % студентов будут нуждаться в дополнительной самообразовательной деятельности для достижения удовлетвори-тельного формирования инвариантной самообразовательной компетентности. Подбор нормальной кривой распределения позволяет также построить шкалу успешности обу-чения, то есть практически реализовать стандартные оценки.

Об авторах

Юлия Валериевна Гуменникова

Самарский государственный университет путей сообщения

Email: gumennikuv@yandex.ru

Елена Николаевна Рябинова

Самарский государственный технический университет

Email: eryabinova@mail.ru

Рузиля Нябиулловна Черницына

Самарский государственный университет путей сообщения

Email: y-abc@mail.ru

Список литературы

  1. 1. Ительсон Л.Б. Математические и кибернетические методы в педагогике. - М.: Просве-щение, 1964. - 268 с.
  2. 2. Новиков Д.А. Статистические методы в педагогических исследованиях. - М.: М3 - Пресс, 2004. - 67 с.
  3. 3. Рябинова Е.Н. Адаптивная система персонифицированной профессиональной подготов-ки студентов технических вузов. - М.: Машиностроение, 2009. - 258 с.
  4. 4. Рябинова Е.Н., Черницына Р.Н. Организация самообразовательной деятельности студен-тов при изучении кривых второго порядка. - Самара: СамГУПС, Порто-принт, 2014. - 204 с.
  5. 5. Курушина С.Е. Формирование самообразовательных компетенций студентов при изуче-нии матриц: Учеб-метод. пособие / С.Е. Курушина, В.П. Кузнецов, Е.Н. Рябинова, Р.Н. Черницына. - 2-е изд., испр. - Самара: СамГУПС, 2015. - 159 с.
  6. 6. Ащепкова Л.Я. Материалы к семинару по обработке результатов тестирования / Регио-нальный центр проблем качества при ДВГУ. - Владивосток, 2001.
  7. 7. Айвазян С.А., Мхитарян В.С. Прикладная статистика в задачах и упражнениях. - М.: ЮНИТИ, 2001. - 270 С.
  8. 8. Гласс Дж., Стенли Дж. Статистические методы в педагогике и психологии. - М.: Про-гресс, 1976. - 496 с.
  9. 9. Грабарь М.И., Краснянская К.А. Применение математической статистики в педагогиче-ских исследованиях: Непараметрические методы. - М.: Педагогика, 1997. - 136 с.
  10. 10. Сидоренко Е.В. Методы математической обработки в психологии. - СПб.: Речь, 2007. - 350 с.
  11. 11. Справочник по прикладной статистике. В 2 т. Т. 2 / Пер. с англ. под. ред. Э. Ллойда, У. Ледермана, С.А. Айвазяна, Ю.Н. Тюрина. - М.: Финансы и статистика, 1990. - 526 с.
  12. 12. Суходольский Г.В. Математико-психологические модели деятельности. - СПб.: Петропо-лис, 1994. - 64 с.
  13. 13. Суходольский Г.В. Основы математической статистики для психологов. - Л.: ЛГУ, 1972. - 428 с.
  14. 14. Вентцель Е.С. Теория вероятностей и математическая статистика. - М.: Наука, Физма-тгиз, 1969. - 579 с.
  15. 15. Гмурман В.Е. Теория вероятностей и математическая статистика. - М.: Высшая школа, 2003. - 479 с.
  16. 16. Михеев В.И. Моделирование и методы измерений в педагогике. - Эдиториал УРСС, 2010. - 224 с.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

© Гуменникова Ю.В., Рябинова Е.Н., Черницына Р.Н., 2015

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных

 

Используя сайт https://journals.rcsi.science, я (далее – «Пользователь» или «Субъект персональных данных») даю согласие на обработку персональных данных на этом сайте (текст Согласия) и на обработку персональных данных с помощью сервиса «Яндекс.Метрика» (текст Согласия).