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

 

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).