Способ автоматизированного формирования решений по выбору параметров электронной образовательной среды

Изобретение относится к способу автоматизированного формирования решений по выбору параметров электронной образовательной среды. Технический результат заключается в автоматизации выбора решений по выбору параметров электронной образовательной среды. В способе считывают файлы электронного журнала и формируют сигналы, пропорциональные значениям рейтинговых оценок и использованных кодов модификаций электронных учебно-методических комплексов (ЭУМК), которые составляют электронную образовательную среду, считывают данные с устройства ввода-вывода и формируют числовые коды, пропорциональные прогнозным значениям показателя успеваемости с учетом кода текущего варианта модификации ЭУМК, формируют набор кодов модификаций ЭУМК, упреждающих реализацию нежелательного варианта прогноза успеваемости, считывают данные с устройства ввода-вывода и формируют числовые коды, пропорциональные прогнозным значениям оценок успеваемости с учетом изменения кода текущего варианта модификации ЭУМК на код варианта модификации ЭУМК, сформированный дешифратором, группируют ЭУМК схожей направленности и выбирают наиболее эффективную модификацию ЭУМК, обеспечивающую максимальное значение прогноза результирующего показателя успеваемости. 1 ил.

 

Способ относится к средствам вычислительной техники в области систем дистанционного обучения (СДО), в частности СДО электронного университета. Предлагаемое техническое решение может быть использовано в качестве вспомогательного средства - «электронного советчика» при принятии решений по выбору параметров электронной образовательной среды.

Предлагаемый способ предполагает, что электронный университет обеспечивает выполнение текущего образовательного процесса на основе предоставления электронных учебно-методических комплексов (ЭУМК). ЭУМК каждой дисциплины включает: теоретические и практико-ориентированные материалы, методическое обеспечение, тестовые оценочные задания, механизмы интерактивного обучения. Множество ЭУМК в функциональной взаимосвязи составляют образовательную среду электронного университета. Вариативное изменение состава, количества и параметров образовательной среды СДО направлено на создание предпосылок для преодоления каждым обучающимся трудностей овладения отдельными компетенциями за отведенное время, его всестороннего развития в процессе обучения.

Источником информации при мониторинге процесса обучения является регулярный анализ информации по оценке деятельности студентов на основе бально-рейтинговой системы. Использование бально-рейтинговой системы позволяет рассматривать процесс мониторинга как непрерывный. Бально-рейтинговая система позволяет детализировать компоненты оценки, что повышает степень их объективности. Указанная детализация также позволяет строить гипотезы о первопричинах снижения отдельных показателей успеваемости, вносить коррективы в индивидуальные задания в процессе дистанционного обучения. Тем самым возникает возможность опережающего выявления резервов повышения показателей успеваемости. Основная задача электронной образовательной среды - обеспечение подготовки специалистов, отвечающих всем требованиям ФГОС и развитие творческого потенциала обучающихся. Концентрация направления личных усилий обучающихся на раскрытие творческих способностей создает предпосылки для улучшения показателей успеваемости и повышения их мотивации к обучению. Иными словами, предлагаемое техническое решение

конкретизирует целеполагание самостоятельной работы обучающихся в освоении изучаемых дисциплин и личном саморазвитии.

Техническим результатом предлагаемого технического решения является автоматизация выбора параметров электронной образовательной среды для повышения показателей успеваемости обучающихся.

Технический результат достигается за счет выявления резервов повышения результирующих рейтинговых оценок каждого обучающегося и опережающей корректировки параметров электронной образовательной среды путем детализации отдельных частей теоретического материала и/или практико-ориентированных заданий по закреплению знаний, умений и навыков.

Известно устройство поддержки принятия решений на основе кооперативных игр (патент 2522693), позволяющее определить наилучшую стратегию управления в условиях неопределенности на основе характеристической функции кооперативной игры, находить решение в виде вектора Шепли. В литературе отсутствует описание учебного процесса на основе теории кооперативных игр, в основе которой лежит образование коалиций и совместные действия участников игры, что делает невозможным использование данного технического решения для поддержки принятия решений по выбору параметров электронной образовательной среды.

Известно устройство для моделирования процесса принятия решений (патент 2214624). Изобретение реализует выбор стратегии по сумме субъективной ожидаемой ценности и риска, вычисляемого относительно уровня притязаний лица, принимающего решения. Данное устройство не учитывает динамическое изменение достижений обучающихся и не позволяет сформировать варианты решений по выбору параметров электронной образовательной среды.

Известна система поддержки принятия решений для системы дистанционного обучения специалистов в области навигационной аппаратуры пользователя ГЛОНАСС (патент 113386 от 4.10.2011), основанная на мониторинге источников информации, построении прогностических моделей и формировании прогностических оценок состава слушателей системы дистанционного обучения на краткосрочную и среднесрочную перспективу в части: количественных оценок числа слушателей на заданный горизонт прогноза; качественных оценок в виде набора профессиональных компетенций, которые должны получить слушатели систем дистанционного обучения в процессе обучения. Данное техническое решение имеет узкоспециализированную направленность и не позволяет сформировать варианты решений по выбору параметров электронной образовательной среды.

Дискретизация образовательного процесса во времени позволяет сформировать для k-го момента времени следующие обобщенные рейтинговые оценки:

- оценки использования знаний Тдп, умений и навыков Пдп, сформированных при освоении дисциплин, предшествующих данной дисциплине;

- оценки усвоения учебного материала теоретических Тдбс и практических Пдбс разделов дисциплины в процессе самостоятельного изучения материала базового уровня подготовки;

- оценки усвоения учебного материала теоретических Тдпс и практических Пдпс разделов дисциплины в процессе самостоятельного изучения материала повышенного уровня подготовки;

- оценки усвоения учебного материала теоретических Тдби и практических Пдби разделов дисциплины во время интерактивных занятий базового уровня подготовки;

- оценки усвоения учебного материала теоретических Тдпи и практических Пдпи разделов дисциплины во время интерактивных занятий повышенного уровня подготовки.

Указанные 10 оценок используются для выбора параметров электронной образовательной среды. Совокупность наборов оценок за время, прошедшее с начала изучения учебного модуля или дисциплины, позволяет сформировать прогноз результирующего показателя успеваемости по освоению модуля учебной дисциплины или дисциплины в целом. Анализ типовых ситуаций позволяет выделить конечное множество причин, снижающих показатели успеваемости. Задача улучшения показателей успеваемости может быть решена путем превентивных мер по детализации теоретического материала и/или практико-ориентированных заданий по закреплению знаний, умений и навыков: опережающей корректировке параметров электронной образовательной среды. Тем самым принятие решения по выбору параметров электронной образовательной среды адаптирует ее под индивидуальные характеристики обучающихся.

На основе обобщенного опыта научно-педагогических работников образовательной организации для каждой учебной дисциплины создаются морфологические таблицы, определяющие соответствие между набором текущих рейтинговых оценок усвоения разделов дисциплины для k-го момента времени и конечным количеством модификаций ЭУМК дисциплины. Морфологические таблицы могут быть представлены в виде предикатной функции, аргументами которой являются сигналы оценки текущих рейтинговых показателей обучающихся, а результатом - код модификации ЭУМК или набор кодов модификаций ЭУМК. Результаты вычисления предикатных функций на основе применения морфологических таблиц позволяют определить для каждого обучающегося индивидуальный набор учебно-методических средств, отвечающих текущему уровню его подготовки и создающих возможность формирования требуемых ФГОС компетенций. Необходимо отметить, что несовпадающим наборам оценок могут соответствовать одинаковые модификации ЭУМК. В тоже время отдельным наборам оценок могут соответствовать несколько модификаций ЭУМК. Указанные свойства электронной образовательной среды используются при формировании текущего набора модификаций ЭУМК с учетом минимальных изменений для обучающегося.

Все существующие системы оценки успеваемости, включая бально-рейтинговую систему, используют шкалу порядков. В соответствии с указаниями Государственной системы измерений показатели успеваемости в шкале порядков могут характеризоваться модой, медианой, размахом. Рабочие программы дисциплин предусматривают разделение учебного материала на базовый и повышенный уровень подготовки.

Одним из вариантов классификации уровней текущей успеваемости обучающегося является:

- успевающий по профилирующим учебным дисциплинам на базовом уровне подготовки;

- успевающий по всем учебным дисциплинам на базовом уровне подготовки;

- успевающий по профилирующим учебным дисциплинам на повышенном уровне подготовки;

- успевающий по всем учебным дисциплинам на повышенном уровне подготовки;

- успевающий по всем учебным дисциплинам на повышенном уровне подготовки и освоивший ряд факультативных модулей.

Подобные классификации показателей успеваемости поддаются формализации на уровне анализа данных вариационного ряда. Пункты классификации отличаются последовательным увеличением медианы - М (центрального значения в отсортированной по возрастанию последовательности оценок) и увеличением нижней границы разброса оценок - r. Указанное обстоятельство позволяет использовать линейную комбинацию медианы и нижней границы разброса оценок для формирования интегрального показателя успеваемости:

R=M*w+r*u,

где w, u - весовые коэффициенты, учитывающие предпочтения лица, принимающего решение (ЛПР).

Элементы вариационного ряда формируются из описанных выше оценок Тдп, Пдп, Тдбс, Пдбс, Тдпс, Пдпс, Тдби, Пдби, Тдпи, Пдпи. Значения указанных элементов позволяют построить прогноз интегрального показателя успеваемости по модулю учебной дисциплины или дисциплины в целом в зависимости от интервала времени, прошедшего от начального момента наблюдения.

Усвоение теоретических знаний отдельной дисциплины расширяет возможности усвоения теоретических знаний в смежных областях науки. Обретение навыков и умений в ходе выполнения текущих практико-ориентированных заданий ЭУМК создает у обучающихся уверенность в освоении более сложных практических материалов в дальнейшем. Указанные обстоятельства дают основания для междисциплинарного воздействия на обучающихся: наиболее удачная модификация ЭУМК одной из дисциплин, доказавшая свою эффективность, может помочь обучающемуся в освоении подобных проблем другой дисциплины.

Кодировка модификаций ЭУМК разбита на секции и позволяет сгруппировать ЭУМК схожей направленности. В условиях естественных ограничений на увеличение дополнительной нагрузки обучающихся, при необходимости модифицировать несколько ЭУМК одновременно, данное техническое решение предлагает в первую очередь использовать наиболее эффективные модификации ЭУМК.

Устройство, реализующее предлагаемый способ описано ниже (Фиг. 1). Устройство ввода-вывода 1 под управлением встроенного микроконтроллера читает файлы электронного журнала с USB флеш-накопителя и формирует сигналы пропорциональные значениям рейтинговых оценок и использованных кодов модификаций ЭУМК. Экстраполятор 2 читает данные с устройства 1 и формирует числовые коды, пропорциональные прогнозным значениям показателя успеваемости с учетом кода текущего варианта модификации ЭУМК, и записывает их в запоминающее устройство 4. Дешифратор 3 формирует набор кодов модификаций ЭУМК, упреждающих реализацию нежелательного варианта прогноза, и также записывает их в запоминающее устройство 4. Экстраполятор 2 повторно читает данные с устройства 1 и формирует числовые коды, пропорциональные прогнозным значениям оценок успеваемости с учетом изменения кода текущего варианта модификации ЭУМК на код варианта модификации ЭУМК, сформированный дешифратором 3 и записывает их в запоминающее устройство 4.

Прогнозы изменения рейтинговых оценок для сформированных кодов модификаций ЭУМК также записываются в запоминающее устройство 4.

Контроллер 6 считывает данные запоминающего устройства и, при наличии такой возможности, группирует ЭУМК схожей направленности и выбирает наиболее эффективную модификацию ЭУМК. Для отобранных наборов модификаций контроллер формирует сигналы, пропорциональные линейной комбинации медианы и нижней границы разброса прогноза рейтинговых оценок. Информация о предлагаемых модификациях ЭУМК, прогнозах изменения показателей успеваемости при их использовании и вариантах модификации ЭУМК выводится на устройство отображения. Устройство отображения 5 - сенсорный LCD экран под управлением видеоконтроллера отображает на экране лучшие решения по выбору параметров электронной образовательной среды. ЛИР отмечает на экране свой выбор набора модификаций ЭУМК для дальнейшего использования. Под лучшими решениями здесь понимается: минимальные изменения текущего набора модификаций ЭУМК, обеспечивающие максимальное значение прогноза результирующего показателя успеваемости.

Контроллер 6 считывает коды выбранного набора модификаций ЭУМК из запоминающего устройства 4 и записывает их в виде файла на USB флеш-накопитель 1 для использования в образовательном процессе.

Источники информации, принятые во внимание:

1. Патент РФ №2522693 кл. G06F 17/00 (2006.01), 2012 г.

2. Патент РФ №2214624 кл. G06F17/00, G06N7/06, 2002 г.

3. Патент РФ №113386 U1 кл. G06F17/00 (2006.01), 2011 г.

4. Бродунов А.Н., Руденко Ю.С. Создание фондов оценочных средств по учебной дисциплине как условие компетентностно-ориентированной модели обучения // Мир образования - образование в мире. 2014. №2. С. 140-148.

5. Руденко Ю.С. О роли кейс-метода в формировании компетенций у выпускников вузов // В сборнике: Инновационное развитие России: условия, противоречия, приоритеты. Материалы IX Международной научной конференции. В 3-х частях. Ответственные редакторы Ю.С. Руденко, А.В. Семенов. 2013. С. 178-183.

6. Бочков В.Е., Валентинов В.А., Руденко Ю.С., Солоницын В.А. Управление качеством деятельности распределенного вуза: формирование современной системы менеджмента качества и предпосылки достижения университетского статуса, В сборнике: Образование-экономика-право: процессы трансформации и критерии эффективности. Материалы VII Международной научной конференции. 2011. С. 234-239.

7. Бочков В.Е., Кобиашвили Н.А., Попова С.В., Руденко Ю.С. Эпистемологичекая квалиметрия и педагогическая квалитология как новый методологический базис для управления знаниями и обеспечения гарантий качества образовательного процесса в современной информационно-образовательной среде вуза, В сборнике: Образование-экономика-право: процессы трансформации и критерии эффективности, Материалы VII Международной научной конференции. 2011. С. 449-452.

8. Федеральный закон РФ №102-Ф3 Об обеспечении единства измерений. - М.: Российская газета, 02.07.08.

9. РМГ 83-2007 ГСИ. Государственная система измерений. Шкалы измерений. Термины и определения. - М.: Стандартинформ, 2008.

Способ автоматизированного формирования решений по выбору параметров электронной образовательной среды, в котором

- считывают с помощью устройства ввода-вывода файлы электронного журнала с USB флеш-накопителя и формируют сигналы, пропорциональные значениям рейтинговых оценок и использованных кодов модификаций электронных учебно-методических комплексов (ЭУМК), которые составляют электронную образовательную среду,

- считывают с помощью экстраполятора данные с устройства ввода-вывода и формируют числовые коды, пропорциональные прогнозным значениям показателя успеваемости с учетом кода текущего варианта модификации ЭУМК, и записывают их в запоминающее устройство,

- формируют с помощью дешифратора набор кодов модификаций ЭУМК, упреждающих реализацию нежелательного варианта прогноза успеваемости, и записывают их в запоминающее устройство,

- повторно считывают с помощью экстраполятора данные с устройства ввода-вывода и формируют числовые коды, пропорциональные прогнозным значениям оценок успеваемости с учетом изменения кода текущего варианта модификации ЭУМК на код варианта модификации ЭУМК, сформированный дешифратором, и записывают их в запоминающее устройство, в которое также записывают прогнозы изменения рейтинговых оценок для сформированных кодов модификации ЭУМК,

- считывают с помощью контроллера данные запоминающего устройства, группируют ЭУМК схожей направленности и выбирают наиболее эффективную модификацию ЭУМК, обеспечивающую максимальное значение прогноза результирующего показателя успеваемости,

- выводят с помощью устройства отображения информацию о предлагаемых модификациях ЭУМК и прогнозах изменения показателей успеваемости при их использовании.



 

Похожие патенты:

Изобретение относится к области автоматики и вычислительной техники и может использоваться при автоматизации объектов управления ракетно-космической области, технического и стартового комплексов космодрома.

Изобретение относится к системам мониторинга транспортировки металлов. Технический результат заключается в уменьшении временных задержек в определении точных параметров жидкого чугуна и параметров миксера.

Изобретение относится к способам, системе и серверам для обработки транзакций. Технический результат заключается в обеспечении безопасности транзакций.

Изобретение относится к системе и способу для передачи данных магнитной полосы в ближнем поле с использованием электронного устройства. Технический результат заключается в сокращении времени совершения оплаты услуг и товаров.

Группа изобретений относится к системам оптимизации работ по обеспечению грузами специального назначения для определения приоритетов обеспечения в соответствии со сроками и объемами поставок.

Изобретение относится к основанной на вовлеченности маршрутизации услуг перевозки. Технический результат - улучшение системы географической маршрутизации путем увеличения приема к исполнению запросов субъектом географической маршрутизации.

Изобретение относится к технике охранной сигнализации и может быть использовано для защиты от любых аварийных ситуаций, например возникновения пожара, вторжения в жилье и офисы, склады и любые другие здания и сооружения.

Изобретение относится к сбору, анализу и применению данных, связанных с обслуживанием финансовой и/или хозяйственной деятельности предприятия различными поставщиками услуг.

Изобретение относится к системе сбора платежных данных и обеспечения их актуальности при проведении безналичных платежей. Технический результат заключается в автоматизации сбора и обработки платежных данных.

Изобретения относятся в общем к динамическому назначению группы изделий производственным машинам, используя производственные группы, и производству групп изделий в указанной пропорции, используя производственные группы.

Изобретение относится к области вычислительной техники и может быть использовано в системах анализа и обработки изображений, цифровом телевидении. Технический результат – обеспечение реконструкции значений пикселей динамических двумерных сигналов, которые были потеряны путем наложения субтитров и логотипов.

Изобретение относится к обработке электронных таблиц. Техническим результатом является обеспечение интеграции сетки и холста в приложении для обработки электронных таблиц.

Изобретение относится к области вычислительной техники. Технический результат заключается в повышении скорости обработки данных.

Изобретение относится к системе обработки и хранения данных технологических процессов. Технический результат заключается в обеспечении автоматизации обработки данных технологических процессов.

Изобретение относится к области обработки текста. Технический результат – повышение точности при выборе текстовой области.

Изобретение относится к созданию глубинных ссылок нативных приложений, а именно к автоматическому генерированию глубинных ссылок нативных приложений. Технический результат - обеспечение автоматического индексирования глубинных ссылок нативных приложений.

Изобретение относится к медицине, в частности к нейрохирургии, травматологии и ортопедии, лучевой диагностике. Способ включает в себя проведение магнитно-резонансной томографии позвоночника с получением сагиттального, полуаксиального и аксиального МР-срезов поясничного отдела, причем в зону сканирования включают кожные покровы спины.

Система относится к области эксплуатации судовых энергетических установок и может быть использована для оценки уровня функционирования и оптимизации работы энергетического оборудования судов.

Изобретение относится к горнодобывающей промышленности и может быть использовано для автономной системы управления горнодобывающей техники. Техническим результатом является повышение надежности и эффективности работы автономной системы при ее конструктивном упрощении.

Изобретение относится к формированию изображения и отображения данных. Техническим результатом является повышение точности преобразования изображения.

Изобретение относится к области связи, а именно к автоматической модерации сообщений. Технический результат – повышение эффективности автоматической модерации сообщений. Способ автоматической модерации сообщений включает получение сервером сообщения, определение соответствия по меньшей мере одного слова сообщения первому набору слов первого белого списка, передачу сообщения сервису с указанием возможности его публикации при определении соответствия всех слов в сообщении словам из первого набора слов первого белого списка, определение соответствия по меньшей мере одного слова сообщения второму набору слов второго белого списка, содержащего первый набор слов первого белого списка, при определении несоответствия по меньшей мере одного слова сообщения первому набору слов первого белого списка определение значения несоответствия, при определении соответствия всех слов сообщения словам первого и второго набора слов и несоответствия по меньшей мере одного слова сообщения первому набору слов, на основе соотношения количества слов в сообщении, соответствующих словам во втором наборе слов, к количеству слов в сообщении, соответствующих словам в первом наборе слов, передачу сообщения сервису с указанием возможности его публикации при значении несоответствия менее определенного порога. 2 н. и 14 з.п. ф-лы, 10 ил.

Изобретение относится к способу автоматизированного формирования решений по выбору параметров электронной образовательной среды. Технический результат заключается в автоматизации выбора решений по выбору параметров электронной образовательной среды. В способе считывают файлы электронного журнала и формируют сигналы, пропорциональные значениям рейтинговых оценок и использованных кодов модификаций электронных учебно-методических комплексов, которые составляют электронную образовательную среду, считывают данные с устройства ввода-вывода и формируют числовые коды, пропорциональные прогнозным значениям показателя успеваемости с учетом кода текущего варианта модификации ЭУМК, формируют набор кодов модификаций ЭУМК, упреждающих реализацию нежелательного варианта прогноза успеваемости, считывают данные с устройства ввода-вывода и формируют числовые коды, пропорциональные прогнозным значениям оценок успеваемости с учетом изменения кода текущего варианта модификации ЭУМК на код варианта модификации ЭУМК, сформированный дешифратором, группируют ЭУМК схожей направленности и выбирают наиболее эффективную модификацию ЭУМК, обеспечивающую максимальное значение прогноза результирующего показателя успеваемости. 1 ил.

Наверх