УДК 004.62:004.492

Не смотря на необходимость связи теории и практики, студенты в ходе учебы, часто выбирают собственные приоритеты: либо знания либо умения, и соответственно этому формируют свою траекторию обучения [1]. Данный факт подтверждает то, что студенты адаптируются к существующим условиям обучения в ВУЗах. Сложившаяся ситуация свидетельствует о проблеме независимости теоретических знаний относительно практических умений в учебном процессе [2]. Методы, применяемые для решения данной проблемы в классическом обучении, не позволяют достичь значительного повышения успеваемости в условиях автоматизации [3].

В статье предложен подход позволяющий адаптировать процесс обучения, к студентам управляя фактором времени учебного занятия на основе меры неопределенности прогноза по Ягеру.

Построение траектории обучения студента учитывает следующие факторы:

– уровень знаний студента ;

– уровень умений студента;

– время, потраченное на выполнение задачи , .

Кроме этого, в области построения траектории располагаются два концентрических эллипса, которые разбивают ее на соответствующие участки:

– участок допустимых результатов Qpr;

– участок цели со стороны ЛПР и учебного процесса Qp, где ;

– участок недопустимых результатов Qnpr, где .

При этом концентрические эллипсы как направляющие траектории формируется на плоскости контрольных временных срезов с центром в точке пересечения осей знаний и умений (рис.1.). Сама же точка пересечения – порог требования системы (максимальный бал за тест Gp).

Таким образом, плоскость делится на четыре сектора:

 1. (­­,Gp,,) – (теоретик + практик в пределах цели);

 2. (,Gp, ) – (выраженный практик);

 3. (,Gp, ) – (теоретик + практик сверх цели);

 4. (,Gp,) – (выраженный теоретик);

В целях диагностики уровня требований ЛПР относительно результатов студента кроме перечисленных характеристик учитывается и потенциал студента. В данном случае рассматривается ситуация, когда студенты преимущественно выполнили задания досрочно (рис.1). При этом предполагается, что за оставшееся время студент мог выполнить дополнительные задания, улучшив свой результат  и .

Координаты точки Si  (;)определяется на основе расстояний :

 ,                                  (1)

                         (2)

Ввиду того, что тестом не предусматривается достижение результата , предлагается смоделировать процесс получения бонуса – дополнительных заданий за преждевременный положительный результат. Координата среднего значения по группе Si (40; 45), с учетом бонуса времени относительно  и :  сместиться к точке Si’ (46;64),  где

                                        (3)

Рис. 1 Принятие решения в условиях бонуса времени

Такое положение предполагает от системы принятия решений интеллектуальной системы управления учебным процессом (ИСУ УП), соответствующей реакции, а именно: используя бонус времени добавить 15 % заданий теоретических и 42 % практических, при этом добавленные теоретические задания должны быть сложнее на 10%, а практические на 15%.

Ситуация обстоит сложнее в обратном случае, когда завышенные требования к выполнению тестового не оставляют бонуса времени. Рассмотрим положение усредненного результата группы Si. 

Тогда для принятия рационального решения на следующий этап контроля необходимо учесть значения возможного прогноза в двух вариациях: без принятия решения и с принятиям решения. В свою очередь принятие решений возможно в четырех совместных фазах:

1.        Упрощение теоретических заданий ;

2.        Усложнение теоретических заданий ;

3.        Упрощение практических заданий ;

4.        Усложнение практических заданий .

Ввиду того, что рациональное принятие решений на будущем этапе контроля основывается на данных прогноза, то фазы, которые позволят с наименьшей мерой неопределенности определить значение прогноза и будут наиболее рациональными.

Рис. 2 Отображение оценки Si и принятие решения без бонуса времени

Проведем моделирование меры неопределенности прогноза по методу Ягера [5]:

,                              (4)

где  – знание/умение, измененное в результате принятия решения,  для чего введем коэффициент нагрузки , где верхняя граница 1,9 принята условно.

Предположим, в ходе обучения средние результаты студентов группы составили:

 При этом максимальные требования ИСУ УП к выполнению заданий предполагали следующие показатели:

Тогда согласно методу наименьших квадратов, оперируя значениями, полученными на первых двух этапах, построим прогноз без принятия решений и соответственно с принятием решений во всех фазах:

1. Без принятия решений:

При этом мера неопределенности прогноза составила 0,86.

2. Упрощение теоретических заданий:

 При этом мера неопределенности прогноза составила 0,77.

3. Усложнение теоретических заданий:

 При этом мера неопределенности прогноза составила 0,95.

5.        Упрощение практических заданий:

 При этом мера неопределенности прогноза составила 0,78.

6.        Усложнение практических заданий:

 При этом мера неопределенности прогноза составила 0,95.

Проанализировав полученные результаты можно заключить, что наиболее рациональным является решение 2,4 - упрощение теоретических и практических заданий.

Таким образом, предложенный метод пространственного формирования траектории учебной деятельности студента, позволяет не только получить числовое значение знаний-умений, но и принимать адаптивные решения, определить логику мышления студента в предметной области.

1.                   Машбиц Е.И. Психолого-педагогические проблемы компьютеризации обучения. – М.: Педагогика, 1988.

2.                   Носов П.С. Використання компонентів мислення експертними системами, як фактору адаптивного впливу в автоматизованих навчальних системах / Носов П.С., Яковенко О.Є., Тонконогий В.М. / Тр. Одес. политехн. ун-та. -Одеса: ОНПУ, 2005. — Спецвип. — С. 101 — 106.

3.                   Носов П.С. Особливості розробки комп’ютерних тестових методик у адаптивному навчанні // Збірник наукових праць. Педагогічні науки. Випуск 39. ­– Херсон: Видавництво ХДУ, 2005. — С. 359 – 363.

4.                   Аверкин А.Н., Головина Е.Ю.,Сергиевский А.Е. Проектирование нечетких регуляторов на основе триангулярных норм // Известия академии наук. Теория и системы управления.-1997 г., № 5, С. 112-118