Главная > Автореферат диссертации


На правах рукописи

Пахунов антон валерьевич

Разработка принципов структуризации

учебно-методических материалов для подготовки специалистов промышленных предприятий в системе электронных образовательных ресурсов

Специальность 05.13.06 – Автоматизация и управление технологическими процессами и производствами (промышленность)

Автореферат

диссертации на соискание ученой степени

кандидата технических наук

Москва - 2010

Работа выполнена в Московском автомобильно-дорожном государственном техническом университете (МАДИ)

Научный руководитель

Лауреат премии Правительства РФ,

доктор технических наук, профессор

Строганов Виктор Юрьевич

Официальные оппоненты

Доктор технических наук, профессор

Суворов Дмитрий Наумович

Кандидат технических наук, доцент

Сергеев Александр Сергеевич,

начальник отдела

Федерального государственного научного учреждения «Республиканский мультимедиа центр» (РМЦ), г. Москва

Ведущая организация:

Государственное образовательное учреждение высшего профессионального образования Московский государственный технический университет им. Н.Э. Баумана (МГТУ им. Н.Э. Баумана), г. Москва.

Защита состоится 24 декабря 2010г. в  на заседании диссертационного совета Д.212.126.05 при Московском автомобильно-дорожном государственном техническом университете (МАДИ) по адресу: 125319, ГСП А-47, Москва, Ленинградский пр., д.64.

С диссертацией можно ознакомиться в библиотеке МАДИ.

Текст автореферата размещен на сайте Московского автомобильно-дорожного государственного технического университета (МАДИ):

Автореферат разослан 23 ноября 2010 г.

Отзыв на автореферат в одном экземпляре, заверенный печатью, просим направлять в адрес совета института.

Ученый секретарь

диссертационного совета,

кандидат технических наук, доцент Михайлова Н.В.

Общая характеристика работы

Актуальность темы

Современная эпоха характеризуется «информационным взрывом», огромной скоростью обновления знаний, непрерывным появлением новых профессий, необходимостью постоянного повышения профессиональной квалификации. Все больше возрастает потребность в применении электронных образовательных ресурсов (ЭОР) при переподготовке специалистов, принципам разработки которых посвящено значительное количество научных работ. При этом использование новых информационных технологий в процессе обучения требует пересмотра взгляда на сам процесс подготовки за счет использования мощной аппаратной и программной базы.

Совершенствование производственных процессов промышленных предприятий требует применения дифференцированного подхода к переподготовке служащих и рабочих кадров, рассчитанного на различные возрастные категории и различный уровень начальной подготовки. Однако проблематика индивидуализации образовательной траектории с учетом формализованных моделей взаимосвязи образовательных ресурсов на основе модульно-компетентностного подхода остается открытой.

Необходимость разработки и внедрения методов индивидуализации обучения с применением компетентностного подхода является актуальной проблемой, поскольку промышленным предприятиям требуются специалисты, умеющие выполнять конкретные задачи, то есть имеющие определенные компетенции.

Представленная работа направлена именно на решение указанных задач индивидуализации процесса подготовки персонала с применением модульно-компетентностного подхода и соответствующую структуризацию учебно-методических материалов в системе электронных образовательных ресурсов, что и определяет ее актуальность.

Предметом исследования являются методы индивидуализации обучения на основе модульно-компетентностного подхода к структуризации электронных образовательных ресурсов в системе переподготовки персонала промышленных предприятий.

Цель и основные задачи исследования

Целью работы является повышение качества учебного процесса адаптивного курса переподготовки и повышения квалификации специалистов в системе электронных образовательных ресурсов на базе индивидуализированной оптимизации структуры курса с использованием теории графов.

Для достижения данной цели в работе решаются следующие задачи:

  • проведение анализа процесса обучения с применением электронных образовательных ресурсов;

  • построение графа связности модулей учебного курса;

  • разработка критериев оценки графа связности модулей курса;

  • решение задачи многокритериальной оптимизации структуры учебного курса методом последовательных уступок;

  • разработка структуры базы данных для построения индивидуальной траектории обучения с применением модульно-компетентностного похода;

  • анализ и оптимизация структуры курса по профессии «Дорожные и строительные машины»;

  • адаптация разработанных тестов для входного тестирования специалистов, повышающих квалификацию;

  • экспериментальные исследования эффективности разработанных методов индивидуализации обучения специалистов, повышающих квалификацию.

Методы исследования

При разработке формальных моделей компонентов системы переподготовки в диссертации применялись методы теории графов, многокритериальной оптимизации, случайных процессов, а также методы системного анализа. Моделирование и аналитические исследования проводились с помощью современных методов анализа данных с использованием математических и статистических пакетов.

Научная новизна

Научную новизну работы составляют модели и методы, обеспечивающие автоматизированную генерацию индивидуальной траектории обучения в системе переподготовки персонала промышленных предприятий с использованием модульно-компетентностного подхода.

На защиту выносятся:

  • применение модульно-компетентностного подхода при разработке методов структуризации учебных курсов с использованием графов связности их модулей;

  • выбор критериев оценки графа связности модулей учебного курса и их оптимальных значений;

  • метод адаптации учебных курсов к индивидуальным особенностям обучаемых специалистов;

  • UML-методики взаимодействия с элементами учебного курса;

  • база данных модулей учебного курса.

Достоверность научных положений, рекомендаций и выводов

Обоснованность научных положений, рекомендаций и выводов определяется корректным использованием современных математических методов и моделей, предварительным статистическим анализом процессов обучения и тестового контроля ряда предприятий, согласованностью результатов аналитических и имитационных моделей процессов обучения и тестового контроля. Достоверность положений и выводов диссертации подтверждена положительными результатами внедрения результатов работы в ряде учебных центров, промышленных предприятий.

Практическая ценность и реализация результатов работы

Научные результаты, полученные в диссертации, доведены до практического использования в системе переподготовки, повышения квалификации и аттестации кадров для промышленных предприятий.

При организации учебного процесса в системе высшего профессионального образования ФГОУ ВПО «Российский государственный аграрный заочный университет» и негосударственное образовательное учреждение «Современная гуманитарная академия» применение модульно-компетентностного подхода позволило индивидуализировать обучение специалистов, развить их творческие способности, оптимизировать доступ к учебно-методическим материалам дистанционной образовательной технологии.

Внедрение оптимизированного электронного обучающего курса по профессии «Машинист дорожных и строительных машин, водитель автотранспортных средств» на АО Московского общества «Завод им. И.А.Лихачева» (АМО ЗИЛ) позволило повысить степень знаний, навыков, умений и компетенции работников соответствующих специальностей.

Апробация работы

Содержание отдельных разделов и диссертации в целом было доложено и получило одобрение на:

  • 68-й научно-методической и научно-исследовательской конференции МАДИ (ГТУ), секция проектирования информационных, обучающих и управляющих систем в промышленности и на транспорте, в 2010 году;

  • научно-практической конференции «Инновационные аспекты модернизации педагогического профессионального образования», посвященной акад. В.А. Сластенину, в институте бизнеса, психологии и управления в 2010 году;

  • техническом совещании Управления конструкторских и экспериментальных работ АМО ЗИЛ в 2009 и в 2010 г.г.

  • III межвузовской научно-практической конференции филиала СПбГУП «Институт искусств и информационных технологий» в 2008 году;

  • международной научно-практической конференции «Решение задач по реализации национальных проектов в развитии кооперации и общества в целом» в Химкинском филиале Российского университета кооперации в 2008 и 2007 годах;

  • заседаниях кафедры «АСУ» Московского автомобильно-дорожного государственного технического университета (МАДИ).

Совокупность сформулированных и обоснованных научных положений, идей и практических результатов исследований представляет собой решение актуальной задачи по разработке принципов структуризации учебно-методических материалов в системе электронных образовательных ресурсов для переподготовки персонала промышленных предприятий.

Содержание работы

Структура работы соответствует списку перечисленных задач, содержит описание разработанных методов, моделей и методик.

Во введении обосновывается актуальность работы. Отмечается необходимость решения задачи структуризации учебно-методических материалов в системе электронных образовательных ресурсов. Сформулирована цель и основные задачи работы. Приведено краткое описание содержания глав диссертации.

В первой главе диссертации проведен системный анализ применения электронных образовательных ресурсов (ЭОР) в учебном процессе и их программная реализация.

На основе анализа составлены классификации ЭОР по основным признакам, определены требования и стандарты, которым они должны соответствовать.

В диссертации показано, что ЭОР должны обладать следующими характеристиками для облегчения восприятия:

  • обнаруживаемость (возможность легко найти на экране всю необходимую информацию по текущему заданию);

  • различимость (возможность выявлять основные элементы содержания, а также элементы управления);

  • ясность (отсутствие двусмысленности в формулировке задания);

  • четкость (соответствие основным цветовым дизайн-эргономическим требованиям);

  • последовательность (логическая структуризация изложения материала);

  • лаконичность (избегание слишком пространных формулировок);

  • удобочитаемость (использование удобного для восприятия размера шрифта и масштабирования мультимедиа материалов).

В работе проведен анализ структуры навигации по ЭОР и форм взаимодействия пользователя с ними, которые можно разбить на следующие основные группы:

  • Условно-пассивные формы (характеризируются отсутствием взаимодействия пользователя с контентом, при этом контент имеет неизменный вид в процессе использования);

  • Активные формы (характеризируются простым взаимодействием пользователя с контентом на уровне элементарных операций с его элементами);

  • Деятельностные формы (характеризуются конструктивным взаимодействием пользователя с элементами контента и отличаются от активных большим числом степеней свободы, выбором последовательности действий, необходимостью анализа на каждом шаге и принятия решений в заданном пространстве параметров и определенном множестве вариантов);

  • Исследовательские формы (исследования ориентируются не на изучение предложенных событий, а на производство собственных произвольных событий).

Проведенный анализ показал, что ЭОР нового поколения предоставляют возможность использования в учебном процессе следующие новые педагогические инструменты:

  • интерактивность (активное взаимодействие пользователя с ЭОР в процессе обучения);

  • мультимедийность (широкое использование современных мультимедиа технологий);

  • моделирование (применение инновационных технологий для создания различных виртуальных копий реальных объектов либо исследования сложных процессов);

  • коммуникативность (возможность on-line общения, оперативность представления информации, контроль состояния процесса);

  • производительность (автоматизация нетворческих, рутинных операций, таких как быстрый поиск по ключевым определениям в базе данных, доступ к уникальным изданиям электронных библиотек и других операций справочно-информационного характера).

Проведен анализ элементов теории графов, которые необходимы для разработки адаптивных учебных курсов:

  • Виды графов: ориентированный граф, нагруженный граф.

  • Формы графов: ярусно-параллельная форма (ЯПФ) графа, дерево.

  • Матрица смежности графа.

  • Матрица инцидентности графа.

  • Ширина графа.

  • Высота графа.

  • Эксцентриситет вершины графа.

  • Радиус графа.

  • Диаметр графа.

  • Петля в теории графов.

  • Вершинно-реберная связность графа.

  • Реберная плотность графа.

В настоящее время существует широкий выбор программного обеспечения для электронного обучения (e-Learning). С одной стороны – простые программы, выполненные в HTML, с другой – сложные системы управления обучением и учебным контентом (Learning Content Management Systems), использующиеся в корпоративных компьютерных сетях.

Для успешного внедрения системы открытого обучения необходимо сделать правильный выбор программного обеспечения, соответствующего конкретным требованиям. Эти требования определяются потребностями обучаемого и потребностями заказчика. Среди основных типов таких программ можно выделить:

  • авторские программные продукты(Authoring Packages);

  • системы управления обучением (Learning Management Systems – LMS);

  • системы управления контентом (Content Management Systems – CMS);

  • системы управления обучением и учебным контентом (Learning Content Management Systems – LCMS).

В диссертации проведен анализ основных этапов проектирования ЭОР, их жизненного цикла, эффективности применения ЭОР нового поколения, а также способов использования в учебном процессе.

Сравнение существующего программного обеспечения для разработки ЭОР показало, что один из лучших подходов к формированию ЭОР представляет концепция Открытой образовательной модульной мультимедиа системы (ОМС), которая предлагает возможности разбиения учебного курса по предмету на небольшие модули (уроки), которые могут быть легко доступны через сеть интернет благодаря небольшому объему каждого модуля (в пределах 10 Мб).

Учебные модули в концепции ОМС могут быть информационными (И), практическими (П), а также контрольными (К). Кроме того, модули каждого типа могут иметь вариативы по одной и той же теме, различающиеся углубленностью изучения материала по данной теме, а также контингентом обучаемых, занимающихся по данному курсу.

На рисунке 1 приведена структура наполнения тематических элементов модулями различного типа.

Рис. 1. Структура наполнения тематических элементов

Отдельные модули в данной концепции хранятся либо в центральном хранилище, доступном через сеть интернет, либо в локальном хранилище избранных модулей.

Проведенный анализ позволил выделить основные преимущества и перспективы ЭОР, а также показал необходимость перехода от функциональной и междисциплинарной структуризации на компетентностную основу.

Во второй главе разработаны формализованные модели структуризации учебных курсов с применением графа связности модулей на основе связности понятий и компетенций, т.е. с применением модульно-компетентностного подхода. Предложены критерии оценки графов связности модулей и исследуются методы оптимизации этих критериев. Разработаны принципы построения индивидуальной траектории обучения.

Как показал анализ применения ЭОР в учебном процессе, целесообразно разбивать учебный курс на отдельные небольшие законченные модули, которые будут изучаться в определенном порядке. Соответственно возникает необходимость провести структуризацию набора модулей учебного курса.

Структуризация учебных курсов основывается на связности основных компонентов различных модулей: понятий и компетенций.

Понятие можно определить как смысловую единицу, которая не может быть разбита на более мелкие смысловые единицы в рамках данного курса.

Компетенция же определяет возможность применения на практике какого-либо набора изученных понятий.

Ненагруженный орграф связности понятий модуля в ЯПФ.

В диссертации для реализации модульно-компетентностного подхода структуризации учебно-методических материалов в системе ЭОР предлагается для каждого модуля задавать граф связности понятий и компетенций этого модуля (как входных, т.е. тех, которые требуются для изучения данного модуля, так и выходных, изучаемых в модуле). Граф строится на основе матрицы смежности этих понятий и компетенций. Выходные понятия практических и контрольных модулей могут быть как обычными понятиями, так и компетенциями. На рисунке 2 представлен пример графа связности понятий и компетенций в модуле.

Рис. 2. Граф связности понятий и компетенций модуля

Ненагруженный орграф связности всех понятий курса.

После объединения модулей в учебный курс для него строится объединенный граф связности понятий и компетенций, определяющих владение набором понятий (мультиграф из графов отдельных модулей).

Нагруженный орграф связности модулей курса.

После чего строится нагруженный граф связности модулей учебного курса (нагруженность ребра определяет количество понятий, которые связывают 2 смежных модуля).

Формализованное описание полученных графов.

Формализованное описание полученного набора графов выглядит следующим образом:

G = /B>P, K, M(P,K)>,

где P – понятия, K – компетенции, M(P,K) – модули, включающие в себя изучение некоторых понятий либо овладение некоторыми компетенциями.

, ,

При этом среди понятий учебного курса можно выделить 2 вида крайних понятий:

  • базовые, которые необходимо знать до изучения данного курса;

  • результирующие, изучение которых не требуется для изучения каких-либо других понятий.

В диссертации разработаны критерии оценки предложенных графов связности, позволяющие оценить качество структуризации учебного курса для построения на его основе индивидуальных траекторий обучения:

  1. Среднее взвешенное количество понятий (c) в модулях. k1=S1..n(a*Scвх+Scвых)/n, где коэффициентaÎ[0..1], nколичество модулей (вершин) в графе.

  2. Средняя высота графа связности понятий модуля в ярусно-параллельной форме (ЯПФ).

k2=S1..nhi/n, гдеhi высота графа связности i-го модуля, представленного в ЯПФ.

  1. Среднее количество понятий, необходимых для изучения данного понятия.

k3=Si=1..mcij, гдеcij– понятие, необходимое для изучения j-го понятия, с– количество понятий во всех модулях.

  1. Число вершинной связности графа (min количество модулей, без которых граф станет несвязным).

k4=min(maxFlow). Значение критерия вычисляется по алгоритму Эдмондса-Карпа о нахождении max потока (по теореме Менгера, для любых двух вершин наибольшее число вершинно-непересекающихся простых цепей, соединяющих их, равно наименьшему числу вершин, разделяющих эти вершины, т.е. min из всех max потоков ненагруженного графа равен числу вершинной связности графа).

  1. Диаметр графа (max длина траектории обучения).

k5=max(max(lij)), гдеlij – кратчайшее расстояние от модуля i до j.

  1. Реберная плотность графа (относительно полносвязного графа). k6=2*r/(n(n-1)), гдеrколичество ребер (связей).

  2. Средняя кратность дуг (количество связанных понятий).

k7=c/r, где с– количество понятий во всех модулях.

  1. Количество кратных понятий. Определяет количество траекторий обучения.

k8=max(Si,jij)).

На основании предложенных критериев необходимо провести многокритериальную оптимизацию структуры учебных курсов.

Для проведения многокритериальной оптимизации необходимо определить оптимальные значения для всех предложенных критериев оценки графов связности:

  1. В критерии k1целесообразно оценивать только выходные понятия (cвых), т.е. a = 0. k1 optÎ[3, 7], т.к. согласно психофизиологическим особенностям памяти человека, он в среднем способен одновременно запоминать не более 7 понятий в рамках одного модуля (Джордж Миллер ";Магическое число семь, плюс-минус два: некоторые пределы нашей способности обрабатывать информацию";).

В то же время рекомендуется группировать понятия в блоки по 3 элемента для ассоциативного запоминания.

  1. k2 optÎ[2, 7]. k2 opt не больше 7 аналогично с k1 и не меньше 2, т.к. понятия в модулях должны быть связаны между собой.

  2. k3 optÎ[1, 6], т.к. в среднем цепочка должна быть связной, но не слишком длинной (<7).

  3. k4 optÎ[2, 0.9*(n-1)], т.е. курс не должен содержать узких мест, которые изучаются только в одном модуле (без вариативов), но и граф не должен быть полносвязным.

  4. k5 opt <= T/t, где T – время, отведенное на изучение курса, t – среднее время, отведенное на изучение модуля, т.е. длина траектории обучения должна соответствовать времени, отведенному на изучение курса.

  5. k6 optmax, т.к. малосвязный граф не позволяет создавать много траекторий обучения.

  6. k7 optmax, т.к. большая связанность модулей повышает ассоциативную запоминаемость понятий.

  7. k8 optmax, т.к. большее количество траекторий обучения делает курс более адаптивным, т.е. позволяет создавать индивидуальные траектории.

Существует множество методов многокритериальной оптимизации:

  • метод справедливого компромисса;

  • принцип слабой оптимальности по Парето;

  • метод весовых множителей;

  • метод эпсилон-ограничений;

  • метод приближения к идеальному решению;

  • метод последовательных уступок.

Формализованное описание функции оптимизации в данном случае имеет следующий вид:

Фopt (n,r,c,t,T)= (k1 opt, k2 opt, k3 opt, k4 opt, k5 opt, k6 opt, k7 opt, k8 opt),

где n– количество модулей, r – количество ребер, c– количество понятий, t– среднее время, отведенное на изучение одного модуля, T– количество часов, отведенных на курс (учебный курс повышения квалификации может быть 72 часа, 144 часа либо 248 часов).

­­­­, где Dx– множество допустимых значений вектора варьируемых параметров .

На рисунке 3 изображен векторный критерий оптимальности , который выполняет отображение множества допустимых значений в некоторую область .

Рис. 3. Пространства варьируемых параметров и критериев

В связи с большим количеством критериев и возможностью выделения наиболее существенных из них в работе предлагается использовать метод последовательных уступок для многокритериальной оптимизации.

Согласно выбранному методу процесс оптимизации проводится для всех критериев по очереди, начиная с наиболее важных k1и k6.

Сначала в зависимости от r, приняв n= 50, max(r/c)= 7, T= 144, затем в зависимости от остальных параметров.

Алгоритм расчета наиболее важного критерия (k1) показан на рисунке 4.

Рис. 4. Алгоритм расчета критерия k1

Статистическое моделирование набора случайных графов в математическом пакете Mathcad при заданных параметрах (отсутствие циклов в графе связности) показало, что значения критериев, наиболее близкие к оптимальным, достигаются при следующих значениях параметров:

  • количество ребер r = 2/3*n* (1-(n-13)/n);

  • max нагруженность ребер max(r/c)=2;

На рисунке 5 приведен график, полученный на основании моделирования зависимости критериев от количества модулей в графе связности при оптимальных значениях остальных параметров.

Рис. 5. Оценка критериев в зависимости от количества модулей

Как видно из графика значения k1,k2,k3иk7остаются оптимальнымипри любом количестве модулей и практически не изменяются при 20 и более модулях. Значения k4 иk6уменьшаются при увеличении количества модулей, что естественно, т.к. иначе бы в каждом модуле было бы слишком много понятий. Критерий k5 увеличивается при увеличении количества модулей, но он не должен превышать количества часов отведенных на курс, разбитых на модули.

Проведение многокритериальной оптимизации набора случайных графов с заданными параметрами в пакете Mathcad позволило сделать следующий вывод:

  • Граф связности модулей, наиболее приближенный к оптимальным значениям критериев его оценки, должен иметь ребра, нагруженностью не более 2, и содержать в среднем 6,5 выходных понятий в каждом модуле.

Для работы с учебным курсом должна происходить выборка модулей, которые должны изучаться в определенном порядке, т.е. должна строиться траектория обучения по этому курсу. Причем эти траектории должны различаться в зависимости от требований и возможностей обучаемого.

Состав учебного модуля в этом случае можно разбить на 2 основных элемента:

  • метаданные (описывающие общие характеристики модуля, такие как вариатив, тип модуля, подраздел рубрикатора);

  • содержание (контент модуля, который разбит на отдельные понятия для связи с другими модулями).

Для построения индивидуальной образовательной траектории обучения предварительно проводится входное тестирование, определяющее знания заданного для тестирования набора понятий и владение необходимыми компетенциями. По результатам входного тестирования определяется, какие понятия и компетенции должны входить в индивидуальную траекторию обучения, если при этом обучаемый знает необходимый набор базовых понятий курса.

На рисунке 6 показан результат применения входного тестирования, позволяющего скорректировать набор уже известных обучаемому понятий относительно понятий и компетенций курса.

Рис. 6. Корректирующая функция входного тестирования

На основании правильно структуризированного графа связности учебного курса, рубрикатора по предмету, выбранных элементов из структуры метаданных модулей, а также результатов входного тестирования можно построить индивидуальную образовательную траекторию обучения.

Ретроспективная траектория обучения.

В случае, если обучаемый не знает какие-либо базовые понятия, строится ретроспективная траектория обучения, включающая эти понятия, если в базе данных есть данные о дисциплине, в которой эти понятия должны были изучаться.

Индивидуальная траектория обучения учебного курса.

На рисунке 7 показана схема генерации индивидуальной траектории обучения.

Рис. 7. Схема генерации индивидуальной траектории обучения

Формализованное описание индивидуальной траектории обучения имеет следующий вид:

S = , где P – понятия, K – компетенции, V – вариативы модулей, T – время на изучение модуля, M – модули, R – рубрикатор по предмету (граф-дерево подтем).

, , ,

Разработанные принципы построения графов связности, а также критерии их оценки позволяют формировать индивидуальные траектории обучения с применением модульно-компетентностного подхода.

В третьей главе разбираются UML-методики взаимодействия с ЭОР, а также строится база данных для адаптивного учебного курса усовершенствованной структуры.

На основании проведенного исследования структура модуля для правильно структуризированного учебного курса должна иметь расширенный набор метаданных (по сравнению со стандартом SCORM), а также включать в себя как входные и выходные понятия, так и входные и выходные компетенции.

Общая модифицированная структура модуля представлена на рисунке 8:

Рис. 8. Модифицированная структура модуля

Для работы с модулями учебного курса необходимо их сначала загрузить из хранилища ЭОР на свой компьютер, либо запускать удаленно в случае широкополосного канала доступа в интернет.

Благодаря генерации индивидуальной траектории обучения исчезает необходимость скачивать весь учебный курс либо все модули по данной теме. Обучаемый может загрузить только необходимый именно ему набор модулей и работать с этим набором локально на своем компьютере.

Усовершенствованная схема взаимодействия с хранилищем ЭОР через генерацию индивидуальной траектории обучения показана на рисунке 9.

Рис. 9. Схема взаимодействия с хранилищем ЭОР

На рисунке 10 приведены основные этапы проектирования правильно структуризированных ЭОР, включающие в себя разработку необходимых понятий и компетенций для элементов учебного курса (модулей).

Рис. 10. Этапы проектирования ЭОР

На рисунке 11 приведена UML-схема работы обучаемого с учебным модулем любого типа.

Рис. 11. UML-схема работы с учебным модулем

Стоит отметить, что в процессе обучения компетенции могут приобретаться только во время выполнения практических заданий.

На рисунках 12 и 13 в свою очередь представлены UML-схемы взаимодействия с практическими модулями и модулями контроля соответственно.

Рис. 12. UML-схема работы модулем практических заданий (П)

Рис. 13. UML-схема работы модулем контроля (К)

Для работы с учебными курсами и хранения полной информации по их структуре, а также хранения индивидуальных траекторий обучения для обучаемых необходима база данных.

База данных учебных курсов, включающая сведения о каждом модуле (название модуля, вариатив, тип модуля, подраздел рубрикатора и структуру его содержания, т.е. связанные понятия и компетенции) представлена на рисунке 14.

На основе собранных данных строятся матрицы смежности как для модулей, так и для всего учебного курса. А на основе составленных матриц смежности строятся графы связности понятий и компетенций как для каждого модуля, так и для всего курса, а также граф связности модулей учебного курса.

Рис. 14. Схема базы данных адаптивной учебной системы

Разработанная структура базы данных позволяет строить индивидуальные траектории обучения на основе модульно-компетентностного похода для большого объема обучаемых, а также постоянно совершенствовать структуру учебного курса.

В четвертой главе экспериментально апробированы разработанные принципы индивидуализации обучения в рамках модульно-компетентностного подхода на основе оптимизированного учебного курса подготовки и переподготовки специалистов «Машинист дорожных и строительных машин».

После проведения анализа предметной области составлен рубрикатор по предмету, а также определены основные понятия, изучаемые в рамках учебного курса.

Проведенная оценка потребностей специалистов, проходящих подготовку по данному курсу, позволила составить набор компетенций, которыми обучающиеся должны овладеть. Для каждой компетенции составлен набор понятий, которые специалист должен уметь реализовывать на практике при овладении этой компетенцией.

Составлена база данных учебного курса, включающая сведения о каждом модуле (название модуля, вариатив, тип модуля, подраздел рубрикатора и структуру его содержания, т.е. связанные понятия и компетенции). Кроме того, в базу данных включаются сведения о взаимосвязи понятий различных модулей.

Для задания набора модулей используется конструктор учебных дисциплин, а связывание понятий и компетенций осуществляется с помощью программы учебный план (см. рисунок 15).

Рис. 15. Отображение добавленных связей между модулями

Исследование составленных графов связности по предложенным в диссертации критериям их оценки показал, что критерий k1 находится за пределами интервала оптимальных значений (k1= 2.3, в то время как интервал оптимальных значений для критерия [3, 7]). Кроме того, в учебном курсе мало различных вариативов и кратных понятий в различных модулях (k8), что не позволяет построить большое количество индивидуальных траекторий обучения. На основании этого анализа составлены рекомендации по изменению структуры учебного курса.

Для построения индивидуальной траектории обучения разработан модуль входного тестирования на основе существующих в учебном курсе практических модулей и модулей контроля, содержащий задания для проверки знаний по всем понятиям и проверки овладения каждой из соответствующих компетенций. Перед началом входного тестирования для модуля задаются понятие и компетенции, знание и владение которыми необходимо изучить в рамках текущего цикла занятий. После прохождения обучаемым модуля входного тестирования для него строится индивидуальная траектория обучения, состоящая из новых понятий и компетенций, которыми обучаемый еще не овладел в рамках заданного для входного тестирования набора понятий и компетенций.

На рисунке 16 показано задание из модуля входного тестирования.

Рис. 16. Пример задания из модуля входного тестирования

По окончанию учебного курса входное тестирование повторяется и в случае, если хоть одно из необходимых понятий или компетенций остались неизученными, то строится новая индивидуальная траектория обучения только из оставшихся неизученными понятий или компетенций.

Оценка эффективности применения модульно-компетентностного подхода и индивидуализированного обучения происходит после окончания учебного курса с помощью модуля входного тестирования.

Таблица 1

Оценка эффективности применения адаптивного учебного курса

Учебное заведение

Учебный курс

Год

% усвоенных понятий

% усвоенных компетенций

РГАЗУ

Машинист дорожных, строительных и сельскохозяйственных машин

2009

70

85

2010

95

96

Проведенный эксперимент показал, что применение индивидуализированного и модульно-компетентностного подхода в системе ЭОР для подготовки и переподготовки специалистов дает существенный положительный результат.

В заключении представлены основные результаты работы.

Приложение содержит документы об использовании результатов исследований.

Публикации. По результатам выполненных исследований опубликовано 9 печатных работ, которые приведены в списке публикаций.

Основные выводы и результаты работы

  1. Проведен системный анализ процесса обучения с применением электронных образовательных ресурсов.

  2. Разработаны принципы построения графа связности модулей учебного курса.

  3. Предложены критерии оценки графа связности модулей учебного курса с применением теории графов.

  4. Разработаны способы формирования индивидуальных траекторий обучения с применением модульно-компетентностного подхода.

  5. Проведена многокритериальная оптимизация структуры учебного курса методом последовательных уступок.

  6. Разработана структура базы данных для построения индивидуальной траектории обучения на основе модульно-компетентностного похода.

  7. Сформирован модуль для входного тестирования по профессии «Машинист дорожных и строительных машин». По результатам входного тестирования определяется, какие понятия и компетенции должны входить в индивидуальную траекторию обучения, если при этом обучаемый знает необходимый набор базовых понятий курса.

  8. Проведены экспериментальные исследования эффективности разработанных методов индивидуализации обучения специалистов.

  9. Разработанные принципы структуризации адаптивных учебных курсов прошли апробацию и внедрены для практического применения в ряде промышленных предприятий и учебных центров. Показано, что внедрение результатов работы в ФГОУ ВПО РГАЗУ, НОУ ВПО СГА и АМО ЗИЛ позволяет повысить качество и эффективность процесса повышения квалификации и переподготовки работников промышленных предприятий.

Публикации по теме диссертационной работы

  1. Пахунов А.В. Разработка принципов структуризации учебно-методических материалов в системе электронных образовательных ресурсов // Ж. Инициативы ХХI века, № 3, 2010 (Президиумом ВАК в феврале 2010г. рекомендован для публикации результатов диссертаций) c 19-22.

  2. Пахунов А.В. Индустрия информационных технологий в России до 2011 г., Материалы научно-практической конференции НОУ ВПО ИБПУ «Научная школа акад. В.А.Сластенина и инновационные аспекты модернизации высшего профессионального образования», - Химки: из-во «Научная школа», 2010, с 231-236.

  3. Пахунов А.В. Повышение качества образования с применением цифровых образовательных ресурсов // Международный сельскохозяй-ственный журнал, № 4, 2009 (Президиумом ВАК в мае 2007 г. рекомендован для публикации результатов диссертаций), с 86.

  4. Пахунова Р.Н., Пахунов А.В., Эзопова-Сорокина О.С. Основы организации предпринимательской деятельности (гл.5 «Предприниматель-ская деятельность в области информационных технологий», с 47-59) / учебное пособие с грифом МСХ РФ, - М.: Центр оперативной полиграфии ФГОУ ВПО РГАУ - МСХА им. К.А. Тимирязева, 2009.

  5. Пахунов А.В., Титлов М.Ю. Разработка методов повышения качества высшего образования в России, Материалы III Межвузовской научно-практической конференции ф-ла СПбГУП «Институт искусств и информационных технологий», - М.: из-во Московского ф-ла СПб Института искусств и информационных технологий, 2008, c 191-199.

  6. Пахунов А.В., Смоленцева Н.В. Повышение качества образования с помощью мультимедийных программ, Материалы Международной научной конференции профессорско-преподавательского состава, сотрудников, аспирантов и студентов «Решение задач по реализации национальных проектов в развитии кооперации и общества в целом», - М.: Центр оперативной полиграфии ФГОУ ВПО РГАУ - МСХА им. К.А. Тимирязева, 2008, с 171-177.

  7. Пахунов А.В. Цифровые образовательные ресурсы в процессе обучения для повышения информационной культуры студентов, Материалы Международной научной конференции профессорско-преподавательского состава, сотрудников, аспирантов и студентов «Кооперация в решении задач по реализации национальных проектов в развитии общества», - М.: Центр оперативной полиграфии ФГОУ ВПО РГАУ - МСХА им. К.А.Тимирязева, 2007, с 186-187.

  8. Пахунов А.В. Применение мультимедиа для повышения качества образования, Материалы международной научной конференции молодых ученых – преподавателей и аспирантов «Научный потенциал молодых - кооперации ХХI века», - М.: из-во «Наука и кооперативное образование», 2006, с 115-116.

  9. Пахунова Р.Н., Титлов М.Ю. Пахунов А.В. Исследование проблемы качества образования в высшей школе, Материалы международной научной конференции профессорско-преподавательского состава, посвященной 175-летию потребительской кооперации России, - М.: Центр оперативной поли-графии ФГОУ ВПО РГАУ - МСХА им. К.А. Тимирязева, 2006, с 213-215.




Похожие документы:

  1. Список рекомендованных к зачислению вид обучения - д н е в н о е платное специальность " белорусская филология"

    Документ
    ВИНОГРАДОВА Ольга СергеевнаЕРМОЛЕНКО Татьяна ОлеговнаИШКИНА Анна ОлеговнаКИШИК Алеся АлександровнаКУРЗОВА Евгения АлександровнаОБАБКОВА Дарья СергеевнаПИЛИПЧУК Екатерина ВячеславовнаСАМСОНОВИЧ Наталья ВикторовнаСКРЯЖЕНКО Алина АлександровнаТИМОШЕНКО
  2. Перечень граждан подавших заявление в уполномоченные органы по учету граждан имеющих трех и более детей в целях предоставления земельных участков на территории городского округа «город белгород»

    Документ
    ПЕРЕЧЕНЬ ГРАЖДАН, ПОДАВШИХ ЗАЯВЛЕНИЕ В УПОЛНОМОЧЕННЫЕ ОРГАНЫ ПО УЧЕТУ ГРАЖДАН, ИМЕЮЩИХ ТРЕХ И БОЛЕЕ ДЕТЕЙ, В ЦЕЛЯХ ПРЕДОСТАВЛЕНИЯ ЗЕМЕЛЬНЫХ УЧАСТКОВ, НА ТЕРРИТОРИИ ГОРОДСКОГО ОКРУГА «ГОРОД БЕЛГОРОД»
  3. Абакумов Иван Дмитриевич

    Документ
    Абакумов Иван Дмитриевич, 1910 г.р., русский, м.р. с.Пороз, Грайворонский р-н, Воронежская обл., м.п. по месту рождения. Арестован 11.05.1932. Осужден 20.

Другие похожие документы..