КОМПЛЕКСНЫЙ ПОДХОД К ОЦЕНКЕ ЭФФЕКТИВНОСТИ ОНЛАЙН-КУРСОВ ДЛЯ ПРИНЯТИЯ РЕШЕНИЙ ПО ОПТИМИЗАЦИИ ОБРАЗОВАТЕЛЬНОГО ПРОЦЕССА

Обложка

Цитировать

Полный текст

Аннотация

Актуальность и цели. В условиях цифровой трансформации требуется тщательная оценка эффективности онлайн-курсов для обеспечения качественного образовательного процесса, выявления оптимальных методов обучения и своевременной коррекции учебных программ. Актуальность исследования вызвана необходимостью поиска новых решений для оценки эффективности онлайн-курсов, так как существующие методы или фокусируются исключительно на количественных показателях, что не позволяет адекватно оценить восприятие и усвоение учебного материала, или ограничиваются качественными показателями, подверженными субъективности и возможным искажениям. Неточности в оценке приводят к неверным управленческим решениям по усовершенствованию учебных материалов, неудовлетворенности учащихся, нецелесообразному использованию финансовых и временных ресурсов, что отрицательно сказывается на общем уровне образовательного процесса. Цель исследования – разработка и апробация комплексного подхода, который позволит осуществить всесторонний анализ образовательного процесса и выявить проблемные зоны, требующие коррекции. Материалы и методы. Методической основой исследования являются систематизация результатов анализа научной литературы, практических разработок и личный опыт автора, что позволило сформировать комплексную методологию оценки эффективности онлайн-курсов. Результаты. Разработана концепция, основанная на балансе качественных и количественных показателей, применении инструментов, гарантирующих достоверность и надежность данных, использовании математической модели Байеса для прогнозирования изменения эффективности курса при смене показателей. Практическая реализация продемонстрирована на примере онлайн-курса «Веб-дизайн». Выводы. Действия по оптимизации структуры курса, рекомендованные по результатам комплексной оценки эффективности, привели к улучшению качества образовательного процесса, повышению уровня усвоения материала и росту общей удовлетворенности учащихся.

Об авторах

Ирина Петровна Бурукина

Пензенский государственный университет

Автор, ответственный за переписку.
Email: burukinairina@gmail.com

кандидат технических наук, доцент, заведующий кафедрой систем автоматизированного проектирования

(Россия, г. Пенза, ул. Красная, 40)

Список литературы

  1. Najafi H. [et al.]. University of Toronto instructors’ experiences with developing MOOCs // International Review of Research in Open and Distributed Learning. 2015. Т. 16, № 3. P. 233–255.
  2. Семаева О. В. Дистанционное обучение в контексте современных реалий // Мир науки. Педагогика и психология. 2020. Т. 8, № 4. С. 21.
  3. Tsironis A., Katsanos C., Xenos M. Comparative usability evaluation of three popular MOOC platforms // 2016 IEEE Global Engineering Education Conference (EDUCON). 2016. P. 608–612.
  4. Петькова Ю. Р. История развития дистанционного образования. Положительные и отрицательные стороны МООС // Успехи современного естествознания. 2015. № 3. С. 199–204.
  5. Бождай А. С., Свиридова В. В. Методика численной оценки уровня цифровой трансформации приоритетных направлений социально-экономических процессов регионов // Модели, системы, сети в экономике, технике, природе и обществе. 2023. № 2. С. 172–184.
  6. Kirkpatrick D. L. Techniques for Evaluation Training Programs // Journal of the American Society of Training Directors. 1959. № 13. P. 21–26.
  7. Тлехурай-Берзегова Л. Т., Бюллер Е. А., Чиназирова С. К. Этапы разработки системы обучения персонала и методы оценки ее эффективности: аналитический обзор // Институты и механизмы инновационного развития: мировой опыт и российская практика. 2021. С. 220–226.
  8. Арыстанбек А., Жагпарова С. Эффективное планирование урока как основа качественного образования: теоретические основы и рекомендации // Білім-Образование. 2023. Т. 105, № 2. С. 60–71.
  9. Ильина Л. А. Практика оценки эффективности вложений в обучение на промышленных предприятиях Российской Федерации // Вестник Самарского муниципального института управления. 2009. № 10. С. 43–53.
  10. Суровицкая Г. В. Модели реализации инновационной политики университетов // Модели, системы, сети в экономике, технике, природе и обществе. 2023. № 2 (46). С. 77–86.
  11. Исаева М. К. Процесс принятия решений на основе метода Байеса // Стратегическое планирование и развитие предприятий. 2017. С. 255–258.
  12. Кожомбердиева Г. И., Бураков Д. П. Об использовании формулы Байеса в задачах оценивания качества // Международная конференция по мягким вычислениям и измерениям. 2017. Т. 1. С. 31–34.
  13. Agresti A., Hitchcock D. B., Bayesian Inference for Categorical Data Analysis, Statistical Methods and Applications // Journal of the Italian Statistical Society. 2005. № 14. P. 297–330.
  14. Ветров Д. П., Кропотов Д. А. Байесовские методы машинного обучения : учеб. пособие. М., 2007. С. 88.
  15. Босов А. В., Мартюшова Я. Г., Наумов А. В., Сапунова А. П. Байесовский подход к построению индивидуальной траектории пользователя в системе дистанционного обучения // Информатика и ее применения. 2020. Т. 14, № 3. С. 86–93.
  16. Gelman A., Carlin J., Stern H., [et al.]. Bayesian Data Analysis. 3nd ed. CRC Press, 2013.
  17. Артамонова Ю. А. О теореме Байеса // Математика, информатика, физика: проблемы и перспективы. 2023. С. 87–90.
  18. Sudipta P., Burman R. R., Singh R. Training effectiveness evaluation: Advancing a Kirkpatrick model based composite framework // Evaluation and Program Planning. 2024. Vol. 107. P. 102494.
  19. Phillips P. P., Phillips J. J. How to Measure the Return on your HR Investment // Strategic HR Review. 2002. Vol. 1, iss. 4. P. 1–9.
  20. Chen R. [et al.]. Task-specific parameter decoupling for class incremental learning // Information Sciences. 2023. Т. 651. P. 119731.
  21. Ryndina S. V., Kulikova S. V., Mikhailova K. D. Custom Internet of things: the problem of data protection // Models, Systems, Networks in Economics, Engineering, Nature and Society. 2020. № 2 (34). doi: 10.21685/2227-8486-2020-2-11
  22. Максимова Е. А., Максимова Т. П. Smart-контракт как инструмент современных цифровых технологий: возможности и ограничения // Экономическое развитие в XXI веке: тенденции, вызовы, преспективы. 2019. С. 225.
  23. Стюарт Р., Питер Н. Искусственный интеллект: современный подход : пер. с англ. 2-е изд. М. : Вильямс, 2007. 1408.
  24. Колпакова К. А., Волкова А. Д. Вклад в развитие искусственного интеллекта Джона Маккарти // Изобретатели и их изобретения : сб. тезисов работ участников XIV Всерос. студенческой исслед. конф., посвящ.165-летней годовщине со дня рождения русского физика Александра Степановича Попова / сост. О. В. Сафронова, О. С. Богачева. Тихорецк : ТТЖТ – филиал РГУПС, 2024. С. 240.
  25. Николенко С. И., Кадурин А., Архангельская Е. Глубокое обучение: погружение в мир нейронных сетей. СПб. : Питер, 2023. 476 с.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать


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).