Анализ качества обучения студентов высших технических учебных заведений с использованием информационных технологий

Актуальность темы

диссертации. В ряде российских государственных документов последних лет подчеркивается необходимость модернизации образования, проведения образовательной реформы, что, в свою очередь, неотрывно связано с использованием в образовании компьютерных информационных технологий.

Однако само выражение «компьютерные информационные технологии», пришедшее к нам с Запада, нуждается в пояснении и комментариях. Иными словами, перед обсуждением любой проблемы необходимо договориться об основных терминах.

Информационные системы — это упорядоченные потоки информации в любых физических или нефизических объектах. Среди информационных систем можно выделить классы: образовательные информационные системы (информационные системы в образовании) — статистические информационные системы.

Компьютерные информационные системы — это системы, использующие компьютеры для хранения, обработки, передачи и анализа данных. Эти информационные системы наполняются информацией различного вида — данными и знаниями, которые упорядочиваются в базы данных и базы знаний.

Технологии (от греческого techne — мастерство и logos — учение) — совокупность приемов, методов, способов. Например, информационные технологии {Information Technology, сокращенно IT, а по-русски: ИТ) — совокупность методов, устройств и производственных процессов, используемых обществом для сбора, хранения, обработки и распространения информации.

Другой пример: известно, что современные компьютеры могут работать с пятью видами информации: с числовой информацией (числа) — текстовой информацией (буквы, слова, предложения, тексты) — графической информацией (картинки, рисунки, чертежи) — звуковой информацией (музыка, речь, звуки) — видеоинформацией (видеофильмы, мультфильмы, кинофильмы).

Все пять видов информации называют одним словом «мультимедиа». Отсюда вытекают пять видов мультимедийных компьютерных технологий: поиска и сортировки информации, хранения, обработки текстовой информации, обработки графической информации, обработки числовой информации.

Математика, будучи языком науки, как и любой язык, многофункциональна. Без математического анализа данных в настоящее время не обходится ни одно серьёзное исследование. Существенно при этом, не что используется, а как используется. Действительно, когда определены основные понятия, сформулированы цели, задачи и гипотезы исследования, во весь рост встает проблема выбора типа модели, конкретных методов и процедур измерения. От этого выбора в значительной степени зависит успех всего исследования, обоснованность теоретических и практических выборов. Сам процесс выбора методики осложняется двумя обстоятельствами. Во-первых, существует огромное число методик измерения при очевидном дефиците информации об их специфике. Во-вторых, отсутствует сколько-нибудь чёткие правила, процедуры, критерии выбора.

Стремясь к достижению своих целей, человечество всё больше расширяет научный инструментарий. Этот процесс наиболее глубоко затронул физику, затем в какой-то степени его влияние ощутили и другие естественные науки: химия, биология и т. д. Ещё в 19 в. математические исследования оказались необходимыми экономике. И, наконец, сейчас стало ясно, что «принципиально не математических» дисциплин вообще не существует. Другое дело — степень математизации и этап эволюции научной дисциплины, на котором математизация становится необходимой. Сегодня многие гуманитарные науки — лингвистика, история, социология, политические науки — начинают испытывать потребность в математическом мышлении, во всё большей степени начинают включать в арсенал своих методов исследования подходы, так или иначе связанные с природой математического мышления.

В социологических исследованиях с каждым годом в мире все шире применяются математические методы, но положение дел в данном отношении никак нельзя назвать благополучным. С одной страны, имеются много методов, казалось бы, подходящих для решения социологических задач, для реализации этих методов существует программные комплексы. С другой, — явно недостаточное использование математических методов в социологических и педагогических исследованиях. Это частично связано с тем, что среди социологов существуют две противоположные точки зрения на место математики в социологии: одни убеждены, что невозможно втиснуть реальную жизнь со всем своим многообразием в прокрустово ложе формализма и при изучении общественных процессов математика просто не нужнана другом полюсе — безграничная вера в возможности математики: стоит только нажать нужные кнопки ЭВМ, и многие запутанные социальные проблемы будут решены.

Более того, мало создать математическую модель социального процесса, на ее основе решается не только прогностическая задача, но и оптимизационная: какими должны быть значения социальных факторов, чтобы результат был наилучшим?

Сегодня во всем мире наблюдается повышенный интерес к подготовке инженерных кадров — открываются новые инженерные вузы, расширяются инженерные факультеты, во все больших масштабах покупаются инженеры за рубежом. Процессы развития экономики, промышленности и технического образования в мире характеризуются все возрастающей потребностью в инженерах нового поколения — разработчиках высоких технологий, владеющих самым современным инструментом — математикой, методами моделирования, информатики, управления.

Основным показателем работы вуза является качество подготовки специалистов, которое обеспечивается организацией учебного процесса. Принцип университетского образования требует формирования новых стандартов и учебных планов. Для того, чтобы учебный процесс был управляемым, качество обучения необходимо регулярно контролировать и анализировать. Частично разрешением проблемы качественной подготовки специалистов может явиться анализ оценки качества обучения, то есть формирования знаний будущего инженера как специалиста, на определенных этапах. Основным показателем качества обучения является оценка знаний и навыков студентов в результате их контроля. Под контролем знаний будем понимать только проверку воспроизводимой информации, хотя в действительности очень часто на оценку влияет и сообразительность, и некоторые другие качества контролируемого объекта.

Высокий профессионализм и широкая эрудиция позволит инженеру быть всегда востребованным и социально защищенным, то есть проблема подготовки высококвалифицированного специалиста — не только педагогическая, но и социологическая. Поэтому оценка качества знаний в подготовке инженера путем более широкого использования системного подхода и методов обработки информации является актуальной задачей.

Гипотезой исследования принято то, что информационные технологии и математические модели в анализе качества обучения и их применение в системе высшего, в частности, инженерного, образования позволит исследовать влияние знаний, полученных студентом на определенных этапах обучения, на качество профессиональной подготовки будущих инженеров, а эти оценки явятся основой совершенствования учебного процесса. Так как «обучение — это в значительной степени накапливание информации и развитие способности устанавливать связи и отношения» (Д.Кинг), то такой подход к обучению позволяет в определенной мере использовать для его описания и анализа с применением количественных методов исследования передачи информации и математические модели этих процессов, созданные теорией информации (в том числе статистические и, в частности, регрессионные).

Исходя из этого, в диссертации поставлена следующая цель: на основе анализа успеваемости студентов определенной инженерной специальности разработать методику построения регрессионных моделей оценки качества обучения и использовать результаты для определения параметров, которые могут улучшить качество подготовки специалистов с высшим образованием. Для достижения этой цели сформулируем следующие задачи:

1. Провести критический анализ используемых в социологических исследованиях информационных технологий и математических методов.

2. Обосновать целесообразность применения информационных ресурсов и методов статистического моделирования для анализа качества обучения студентов в системе инженерного образования в вузе.

3. Определить совокупность параметров, позволяющих провести количественную оценку качества обучения студентов вуза.

4. Обосновать выбор типа математической модели оценки качества обучения студентов вуза.

5. Разработать компьютерную поддержку сбора информации для построения статистической модели оценки и анализа качества обучения студентов в системе высшего образования в вузе на примере Алтайского государственного технического университета им. И. И. Ползунова (АлтГТУ).

6. По статистическим данным построить математическую модель и провести анализ качества обучения студентов на одном из инженерных факультетов АлтГТУ.

7. Провести оценку влияния факторов на качество обучения студентов инженерной специальности АлтГТУ по результатам математического моделирования.

Объектом исследования является учебный процесс в высшей школе. Предмет исследования: анализ качества обучения студентов в системе высшего технического образования на основе построения информационных технологий и регрессионных моделей.

Теоретико-методологической базой исследования являются: — работы, раскрывающие методологические основы применения системного подхода в изучении различных процессов (Р. Акоф, Г. Вунил, М. З. Згуровский, И. Е. Казаков, А. Н. Новиков, М. Сашени, П. Фабл и др.);

— социологические идеи о роли профессионального образования в современном мире, его влияние на становление человека, развитие общества (Н.Г. Алексеев, А. Г. Асмолов, Б. С. Гершунский, М. С. Каган, М. К. Мамардашвили и др.);

— системный, личностно-деятельностный подход к изучению динамических систем (Н.Н. Баутин, В. Г. Гайцгорн, Е. А. Леонтович, Н. Н. Моисеев, Ю. И. Неймарк, А. А. Первозванский, B.C. Пугачев, К. Рихтер, Т. Саати, Б. Я. Советов, С. А. Яковлев и др.).

Комплексному исследованию проблемы автоматизированного обучения, ориентированного на «успешность», т. е. качество, посвящены работы Н.П. Бру-сенцова, в которых кроме технических проблем решается множество вопросов, связанных с дидактикой успешного обучения Я. Коменского. Инновационным технологиям обучения, ориентированным на качество выпускаемых специалистов, посвящены работы В. Т. Авдеева, Ю. П. Ехлакова, В. А. Вигуля, П.Г. Вида-ра, Б. С. Гершунского, М. П. Карпенко, О. М. Карпенко, А. И. Камышникова, А. В. Лисовца, С. Ю. Лисовец, О. В. Миненкова, А. Г. Московцева, Н. А Московцева, О. В. Поповой, Н. С. Сельской, Ю. И. Титаренко, Е. Н. Ткаченко, П. И. Третьякова, В. П. Фокиной, А. Д. Ходырева, С. А. Чмыховой, П. Г. Щедровицкого и др.

Методы исследования. Для решения поставленных задач использовалась совокупность взаимодополняющих методов: критический анализ работ в области исследования социологических процессов и информационного оснащения учебного процесса в вузекорреляционно-регрессионный анализтеория динамических систем с переменными параметрамипрограммное обеспечение вычислительных процессов (в том числе использование глобальной сети Интернет) — методы прикладной математики.

Научная новизна исследования заключается в:

— создании методики анализа учебного процесса с точки зрения качества обучения в техническом вузе;

— в выборе критериев и факторов анализа качества обучения студентов вузаразработке компьютерной поддержки сбора информации для построения математической модели в анализе и оценке качества обучения в системе высшего технического образования.

Практическая значимость исследования следующая: сформирована методика анализа качества подготовки специалистов с высшим образованием на основе построения регрессионных моделей оценки качества обучения в системе высшего образования с использованием программы «MATLAB" — разработана структура технологического комплекса компьютерной поддержки сбора необходимой информации в вузеприведен пример построения регрессионной модели для анализа значимости количественных факторов в оценке качества подготовки инженерных кадров.

Достоверность и обоснованность основных положений и выводов диссертации доказываются критическим анализом известных результатов по теме диссертации, использованием достоверных данных и классических законов и положений математической статистики, логическим подтверждением теоретических результатов.

Апробация результатов исследования заключается в участии автора в Международной научно-практической конференции «Наука и практика организации производства и управления» (28−30 мая 2003 г., Барнаул), в работе научного семинара при кафедре «Информационные системы в экономике» (ИСЭ) АлтГТУ, в восьмой региональной конференции по математике «МАК — 2005», Барнаул, 2005.

Внедрение в практику осуществлялось: при участии в создании информационной системы мониторинга образовательного процесса Алтайского государственного технического университета им. И. И. Ползунова в создании локальной информационной сети вуза, в проведении сбора статистических данных для создания математической модели оценки качества обучения студентов в системе инженерного образования АлтГТУ.

Положения, выносимые на защиту:

1. Методика анализа учебного процесса на основе построения корреляционно-регрессионных моделей оценки качества обучения в системе высшего образования (на примере исследования успеваемости студентов одной специальности инженерно-физического факультета АлтГТУ).

2. Методика определения значимости знаний, полученных студентом на определенных этапах обучения, в качестве его профессиональной подготовки.

3. Компьютерная поддержка информационного обеспечения математического моделирования в системе высшего образования.

Публикации. По материалам диссертации опубликовано 5 научных работ.

Структура диссертации состоит из введения, трех глав с выводами по каждой главе, заключения, списка литературы из 134 наименований и приложения.

Выводы к главе 3.

1. Локальная информационная сеть вуза позволяет оперативно получать информацию от подразделений вуза по любым вопросам, в том числе о факторах, характеризующих учебный процесс, в частности, показатели успеваемости студентов, как индивидуальные, так и по группе, курсу, факультету.

2. Методика регрессионного моделирования анализа качества обучения позволяет выявить «слабые места» в организации учебного процесса, включая содержание образования, оценить значимость полученных в каждом семестре и базовых (школьных) знаний на качество подготовки специалиста.

11 3. Несоответствие оценки знаний на приемных экзаменах оценке качества обученности указывает на то, что содержание приемных экзаменов должно учитывать не только формальные знания абитуриентов, но и другие факторы (например, психологические).

4. Изменение уровня значимости модели не влияет на коэффициент детерминации и коэффициенты уравнений регрессии, а только на длину их доверительных интервалов.

5. Регрессионная модель может служить основой качественного анализа процесса обучения и построения некоторых критериев для оценки качества обучения. f.

Заключение

Основные научные результаты и рекомендации.

1. Критический анализ литературных источников по теме диссертации позволил обосновать эффективность регрессионного моделирования в оценке качества обучения студентов в вузе.

2. Регрессионная модель является основой выявления «слабых мест» в профессиональной подготовке специалистов в системе высшего образования, в том числе инженерного, что является основой рекомендаций для совершенствования учебного процесса в вузе.

3. Используя теорию параметрической устойчивости динамических систем, по исследованию регрессионной модели оценки качества обучения можно выявить неустойчивые факторы, указывающие на определенные «пробелы» в организации учебного процесса.

4. Разработанная структура локальной информационной сети вуза позволяет оперативно проводить сбор информации по всем вопросам планирования, организации и контроля учебного процесса, а связь с глобальной системой Интернет обеспечивает применение современных технологий обработки статистических данных.

5. Анализ регрессионной модели оценки качества обучения в конкретном примере указывает на недостаточность проведения приемных экзаменов только по формальной оценке школьных знаний абитуриентов.

6. Построение более полной и, следовательно, достоверной регрессионной модели оценки качества обучения следует ожидать при формировании совокупности факторов, учитывающих текущие оценки знаний студентов (контрольные и лабораторные работы, индивидуальные задания, «контрольные точки», тесты и т. п.).

7. Социологический результат в оценке качества обучения может быть получен при построении регрессионной модели по качественным данным, если использовать при анкетировании респондентов количественную кодировку трех возможных ответов на каждый вопрос по трехбалльной шкале: -1,0, 1.

8. Дальнейшие исследования по теме диссертации предполагаются в разработке контрольно-оценивающих тестов по каждой дисциплине, блоку дисциплин модулю для определенной специальности и автоматизации построения по как можно большей совокупности оценивающих факторов (включая социальные и психологические) регрессионных моделей, анализе их совместно с преподавателями и формировании рекомендаций для совершенствования учебного процесса, повышения качества образования.