CC BY
24
УДК 004
Н. К. Нуриев, С. Д. Старыгина, Д. А. Ахметшин
ДИДАКТИЧЕСКАЯ ИНЖЕНЕРИЯ: ПРОЕКТИРОВАНИЕ ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ
ТЕХНОГЕННОЙ СОЦИАЛЬНО-ОБРАЗОВАТЕЛЬНОЙ СРЕДЫ ВУЗА
Ключевые слова: дидактическая инженерия, образовательный процесс, техногенная среда, проектирование образовательной
среды, социальная сеть, программное обеспечение.
Приводится проект построения техногенной социально-образовательной среды вуза, который сформирован как портал на языке программирования Python c использованием Фреймворка Django. Особенностью проекта является разработанная дидактическая система нового поколения, на которой можно реализовать быструю массовую подготовку студентов инженерного профиля в метрическом компетентностном формате с учетом их «зоны ближайшего развития». Кроме образовательной функции, среда обладает множеством других свойств.
Keywords: didactic engineering, educational process, technogenic environment, designing the educational environment, the social
network, software.
We present the project of constructing man-made socio-educational environment of high school, which is presented as a portal in the programming language Python c using the framework Django. A feature of the project is developed by a new generation of didactic system, which can be implemented quickly mass training of students of engineering competency profile in metric format in accordance with their "zone of proximal development". In addition to the educational function, the environment has many other properties.
Введение
В последнее время достаточно много научных работ посвящено проектам онлайн-обучения. Без преувеличения, можно говорить, что наступил качественно новый этап в развитии образовательных систем. Среди зарубежных ресурсов, предоставляющих возможность бесплатного онлайн - обучения, наиболее популярными являются Coursera, edX и Udacity. Эти три проекта отличаются высоким уровнем организации содержания своих курсов и качеством сервиса дистанционно предоставляемых услуг. В то же время для овладения какой - то компетенцией на базе этих курсов от студента требуется многое, т.е. наличие задатков, заинтересованность,
целеустремленность, упорство, высокий уровень начальной подготовки, а также умение работать Web сети по добыванию дополнительной информации. Как правило, наш рядовой студент не всегда всеми этими перечисленными свойствами обладает, и часто не преодолев трудности, быстро теряет интерес к этим курсам. В этой ситуации, как показывает практика, эффективными оказываются автоматизированные многоуровневые по сложности курсы, которые построены с учетом «зоны ближайшего развития» студента и направлены на быстрое развитие профессионально значимых способностей, приращение которых образуется в процессе решения учебных проблем по возрастанию сложности на фоне усвоения им знаний. Эти многоуровневые курсы построены на новой дидактической платформе, которая предполагает, что подготовка, а также диагностика достижений студентов ведется в метрическом компетентностном формате (МКФ). Очевидно, что реализация подготовки в МКФ с дистанционной поддержкой потребует проектирование инновационного программного обеспечения, соответствующей новой дидактической платформе.
Профессиональное развитие и его
характеризующие параметры и метрики
Как показывает практика, автоматизация традиционных технологий обучения оказывается малоэффективной, т.к. сама платформа организации учебного материала, занятий (лекций и практик), оценки результатов, предполагает наличие небольшого количества студентов на одного талантливого преподавателя и ведущего ученого в одном лице. Разумеется, эти условия можно обеспечить только при очень хорошем финансировании, а это не всегда возможно. Главной особенностью обучения в метрическом компетентностном формате (МКФ) является его эффективность по критерию цена - качество за счет глубокой автоматизации процесса массовой подготовки и нацеленности его во многом на самостоятельное развитие профессионально -значимых способностей на фоне усвоения знаний через виртуальную среду с установлением значений характеризующих это развитие параметров и метрик. Таким образом, основным элементом при подготовке в МКФ является автоматизированная дидактическая система с соответствующей технологией обучения, в которой все больше используются элементы искусственного интеллекта, а диагностика изменения характеристических параметров развития студента ведется в метрических единицах. Этим самым обеспечивается объективность оценки состояния развития студент
Как показано в ряде работ [1-5] уровень профессионального развития (деятельностный потенциал) студента в разрешении проблем разной сложности в рамках компетенции характеризуется комплексом из пяти параметров: A, B, C, POL, CHL. При этом, значения А = а, В = в, С = с характеризуют соответственно уровни развития его формализационных, конструктивных,
исполнительских способностей, а значения POL = pol и CHL=chl - полноту и целостность усвоенных им знаний. Причем, чем выше уровень развития АВС способностей и глубина Z = POL* CHL усвоенных знаний студента, тем выше вероятности p (успех) успешности разрешения им проблем сложности не выше S. Таким образом, значение вероятности успешного разрешения проблемы студентом ограничено уровнем развития его АВС способностей, глубиной освоенных им знаний Z и сложностью решаемой проблемы S. Сказанное формально можно записать так р(успех) = P(A < a,B < b,C < c,POL < pol,
CHL < chl,S < s) (1)
На шкале (рис. 1) качества владения компетенцией (КВК) демонстрируется актуальное состояние уровня развития студента (сплошная линия) и критический (пунктирная линия) профиль уровня развития в рамках компетенции, которую должен он достигнуть согласно цели подготовки (готовности к профессиональной деятельности).
Рис. 1 - Профили уровней развития студента
Итак, при реализации подготовки в МКФ, целью обучения является доведения значений параметров студента с профиля a - b - c - pol - chl до критического профиля a1 - b1 - c1 - poll - chll (см. рис. 1).
Модель быстрого обучения через «зону ближайшего развития»
В книге «Педагогическая психология» Л. С. Выготский писал, что обучение только тогда хорошо, когда идет вперед развития (в зоне ближайшего развития).
Очевидно, что в основном, системы подготовки с преподавателем отличаются от самоподготовки с использованием дистанционных технологий тем, что хороший преподаватель с целью быстрого развития студента, при каждом общения «ловит» его «зону ближайшего развития» и, опираясь на результаты обратной связи с ним, планирует и корректирует совместную учебную деятельность. Поэтому, эффективные обучающие курсы с использованием дистанционных технологий должны всегда излагать материал, начиная с «зоны актуального развития» студента. Этот прием является своеобразным психологическим «якорем»
привлекая и стимулируя студента к самостоятельной работе.
Рассмотрим модель, на поле компетенции выделим круг проблем распределенных по темам У(1), У(2), ..., У(*). Проблемы расположены по возрастанию сложности от центра к периферии, разделенных в зависимости от сложности по абстрактным зонам «актуального развития», «ближайшего развития», «дальнейшего развития» (рис. 2).
Рис. 2 - Модель пространства проблем разной сложности соответствующих разным зонам развития
Предположим, на модели круг проблем, сложность которых не превышает s1, соответствует «зоне актуального развития», т.е. студент их способен решить самостоятельно. Разумеется, обучать (развивать) его как решать проблемы этой сложности не имеет смысла. Проблемы, сложность которых более чем s1, но менее чем s2, относятся к «зоне ближайшего развития», поэтому студент способен в какой-то мере их формализовать (способен хотя бы воспринять, понять), но самостоятельно до конца разрешить их он не умеет. В то же время, в этой зоне когнитивная сфера студента наиболее предрасположена к развитию через обучение. Круг проблем, сложность которых более чем s3, относятся к «зоне дальнейшего развития», т. е. проблемы из этой зоны, обучаемый плохо воспринимает (не достаточный уровень развития АВС-способностей и глубина усвоенных знаний), и обучение, как правило, оказывается малоэффективным.
Рассмотрим во многом типичную ситуацию: необходимо освоить профессиональную
компетенцию (ПК) в рамках учебной дисциплины ДД, состоящую, например, из 8 тем: Тема 1 (теория, практика), ..., Тема 8 (теория, практика).
Построим модель компоновки контента, в которой самоподготовка студента ведется в соответствии с уровнем развития его АВС способностей, т.е. в его «зоне ближайшего развития», а «помощь» при разрешении учебных проблем, в основном, он получает из дидактической WEB системы (рис. 3).
Рис. 3 - Модель компоновки WEB контента по разделам для быстрого развития по спирали АВС способностей
Как следует из рисунка, весь WEB контент разбит на четыре уровня по сложности материала, т.е. выделены разделы (1.1 - 1.8) -первый, (2.1 - 2.8) -второй, (3.1 - 3.8) - третий, (4.1 - 4.8) -четвертый уровня сложности. При этом, любой раздел материала имеет номер с форматом (i,j), где первый индекс i обозначает номер уровня сложности материала, а второй индекс j - порядковый номер темы. Сложность S учебных проблем, решаемых студентом на первом уровне, не превышает s(1), на втором, третьем, четвертом - соответственно s(2), s(3), s(4).
Для быстрого развития АВС способностей в рамках этой компетенции, подготовка студента с использованием дистанционной технологии ведется через его «зоны ближайшего развития» по спирали, т.е. сначала осваивается весь материал первого, затем второго, третьего, четвертого уровней сложности. Таким образом, студент к одной и той же теме в течение курса обучения возвращается четыре раза, т. е. на первом уровне сложности осваивает все темы и владеет компетенцией, но только на низком уровне. При освоении компетенции на втором, третьем, четвертом уровнях можно утверждать, что качество владения компетенцией студентом можно оценить соответственно как удовлетворительное, хорошее, отличное. Очевидно, что при обучении в традиционной дидактической системе, как показывает практика, подготовка студента по «спирали АВС развития» оказывается не удобной, т.к. требует большого количества аудиторного времени по причине повторения материала, но при подготовке с использованием дистанционных технологий такой способ освоения материала для него является интеллектуально комфортной и эффективной.
Каждый раздел курса содержит свой комплекс заданий (КЗ) и соответствующий теоретический материал (ТМ), например, у раздела 1,5 комплекс заданий имеют номер КЗ(1,5), сложность, которых
не превышает 8 = 8(1), а теоретический материал имеет номер ТМ(1,5).
Качество владения компетенцией студентом в рамках каждого раздела оценивается по следующему алгоритму:
1. Проводится тест на полноту усвоенных знаний студентом (устанавливается процент усвоенного теоретического материала в рамках, например, раздела 1,5 значение величины РОЬ(1,5) = 0.87).
2. Проводится тест на целостность усвоенных знаний студентом (устанавливается процент усвоенного теоретического материала в рамках раздела, например, значение величины СИЬ(1,5) = 0.66).
3. Оценивается качество результатов (решений), выполненных в рамках раздела, т. е. оценивается качество решения заданий в процентной шкале, например, качество решения заданий КЗ(1,5) = 92% или КЗ(1,5) = 0,92. Исходя из этого, на этом этапе обучения (например, освоение раздела 1,5) можно оценить актуальный уровень развития АВС способностей студента следующим образом: АВС(1,5) = КЗ(1,5) * 8(1).
В целом, при всех выполненных работах, надежность р владением компетенцией в рамках раздела, например 1,5, оценивается по свертке значений, т.е. £>(1,5) = а1 * РОЬ(1,5) * СИЬ(1,5) + (1
- а1) * КЗ(1,5), где а1 - весовой коэффициент, который больше или равно 0 и меньше или равно 1. На практике, как правило, а1 = 0,4. В общем случае, качество владения компетенцией и уровень развития АВС способностей в рамках раздела с номером (г, $ вычисляется по формулам
£(1, ]) = а1 • РОЦ1, ]) • СИЦ1, ])
+ (1 - а1) • КЗ(г,]) ( )
ЛБС(1,]) = КЗ(1,]) • 8(1) (3)
где г - номер уровня сложности материала, ] -номер темы в учебном курсе (см. рис. 3).
Алгоритм обучения и оценки качества владения компетенцией
Для освоения компетенции на базе курса, студент последовательно должен изучить учебный материал и получить навыки решения проблем на каждом уровне этого курса. Разделы (1.1 - 1.8), (2.1
- 2.8), (3.1. - 3.8), (4.1. - 4.8) относятся соответственно к первому, второму, третьему и четвертому уровням сложности осваиваемого материала, т.е. первый индекс номера раздела, указывает на уровень сложности материала, а второй - на номер темы.
Например, если студент освоил разделы 1.1 - 1.8, то он полностью освоил компетенцию на первом, т.е. на самом низком уровне сложности и по факту в зависимости от качества отработанного им материала по формуле оценивается уровень развития его АВС способностей. Причем, как показывает практика, материал каждого раздела считается отработанным только тогда, когда его качество, вычисленное по формуле (2) не ниже < 0,75.
Чтобы была понятна суть подготовки в метрическом компетентностном формате, приведем алгоритм реализации процесса обучения и диагностики «успехов» с комментариями.
1. i = 1 - индекс, контролирующий номер уровня сложности подготовки.
2. j = 1 - индекс, контролирующий номер темы в учебном процессе.
3. S(i,j) - сложность задания на уровне i. Сложность задается по оценке трудоемкости задания экспертом в часах его работы (час/раб).
4. Самоорганизованная работа студента по усвоению теоретического материала раздела с номером (i,j) (рис. 3).
5. Оценка полноты усвоенных знаний студента в рамках раздела (i,j), т.е. оценка значения параметра POL методом тестирования.
6. Оценка целостности усвоенных знаний студента в рамках раздела (i,j), т.е. оценка значения параметра CHL.
7. Оценка величины Z - глубины усвоенных знаний студента в рамках раздела (i,j) по формуле Z = POL *CHL .
8. Если величина Z < 0,5, то передача управления в пункт 4.
9. Самоорганизованная работа студента по разрешению проблем, т.е. выполнение задания из раздела (i, j) .
10. Оценка преподавателем (тьютером) качества выполненного задания из раздела (i, j ) , полученного от студента по сети. Значение оценка K3(i,j) находится в пределах 0 < K3(i,j) < 1.
11. Общая (автоматическая) оценка качества владения компетенцией в рамках раздела (i,j), вычисленное по формуле (2), т.е. Q(i,j) = a1*z + (1 - a1 )* K3(i, j), 0 < a1 < 1. Как показывает практика, значение весового коэффициента a1 установлено статистически a1 = 0,4.
12. Если величина K3(i,j) - качество владения
компетенцией в рамках раздела (i, j ) меньше
или равно 0,75, то управление передается в пункт 4.
13. Вычисляется уровень развития АВС способностей в зависимости от качества владения компетенцией, т.е. K3(i,j) и уровня
сложности S(i) решаемого задания, по
формуле ABC(i,j) = K3(i,j)*S(i) .
14. Переход на следующую тему в рамках i -го уровня сложности, т.е. j = j +1 .
15. Если на уровне сложности i не все тему пройдены, т.е. j < 8 (см. рис.3), то управление передается в пункт 3.
16. Вычисляется показатель качества владения компетенцией на уровне сложности с номером
i, т.е. Q1(i; = Е Q(i,l)/8; l = 18. Также
l
вычисляется уровень развития АВС способностей на уровне сложности с заданным номером i, т.е.
ABC1(i) = Е ABC(i,l)/8; l = 18.
l
17. Организация портфолио работ на каждом уровне сложности заданий с номером i c оценкой качества владения компетенцией Q1( i ) и с величиной оценки уровня развития АВС способностей, т.е. ABC1(i) .
18. Повышение уровня сложности учебного материала, т.е. i = i +1 .
19. Если не все уровни сложности материала еще пройдены, то управление передается в пункт 2.
20. STOP.
Проект MYKNITU
Проект myknitu.ru - масштабируемый в развитии учебно-образовательный портал, своего рода социальная сеть, работающая на разных иерархических уровнях организации, т.е. на уровне кафедры, деканата, института, университета. Целью портала является повышение эффективности образовательного процесса, коммуникативности и социальной адаптивности студентов [6-8].
Функциональные возможности созданной системы в аспекте профессиональной подготовки.
1. Функция - локальная социальная сеть.
1.1. Общение между всеми пользователями
1.2. Делопроизводство
1.3. Документооборот
1.4. Профили пользователей
1.5. Переписка пользователей
1.6. Связь с внешней средой.
2. Функция - автоматизированное обучение и диагностика состояния развития
2.1. Базы учебных групп.
2.2. Личный кабинет пользователя.
2.3. Базы теоретического материала.
2.4. Базы практического материала.
2.5. Базы диагностики состояния проф. развития.
2.6. Библиотека.
2.7. Управление подготовкой.
2.8. Диагностика состояния развития и его качесва.
2.9. Кабинеты тренинга.
2.10. Архивы.
2.11. Поиск.
Выбор инструментов и средств разработки
1. Для разработки веб-приложения был выбран фреймворк Django, основанный на языке python.
2. В качестве базы данных используется PostgreSQL, а серверная часть основана на технологии nginx.
3. Django использует html страницы в качестве шаблонов. Визуальное оформление - css стилизация, также "foundation.css" - свободно распространяемый css-фреймворк, в качестве основы дизайна. JavaScript - для создания динамичных форм.
4. Фреймворк PhoneGap для разработки кроссплатформенных приложений.
На рисунке 4 приводится главная страница портала myknitu.ru.
Добро пожаловать на Myknitu! Регистрация
Рис. 3 - Главная страница портала
В рамках портала в экспериментальном режиме для самостоятельного изучения студентам были предложены дисциплины «Численные методы», «Исследование операций», «Проектирование информационных систем». Полученные результаты однозначно показали высокое освоение этих компетенций.
Работа выполнена при поддержке гранта РФФИ (проект № 15 - 07 - 05761)
Литература
1. С. Д. Старыгина, Н.К.Нуриев Дидактическая инженерия как метрико-ориентированная методология инженерного образования // Международный электронный журнал "Образовательные технологии и общество (Education Technology & Society)" (http://ifets.ieee.org/russian/periodical/journal.html). - 2014. -V.17. - N 3. - C. 569-582. - ISSN 1436-4522
2. Н.К.Нуриев, Д.А. Ахметшин, С.Д. Старыгина Организация техногенной образовательной среды на базе технологии wi-fi: управление учебной
деятельностью и информационными потоками различных форматов // Международный электронный журнал "Образовательные технологии и общество (Education Technology & Society)"
(http://ifets.ieee.org/russian/periodical/journal.html). - 2014.
- V.17. - N 4. - С. 625- 635. ISSN 1436-4522.
3. Н.К. Нуриев, С.Д. Старыгина, Д.А. Крылов Дидактическая инженерия: метрическая оценка академической компетентности по технологии обучение-тест // Международный электронный журнал "Образовательные технологии и общество (Education Technology & Society)" (http://ifets.ieee.org/russian/periodical/journal.html). - 2015.
- V.18. - N 3. - С. 548-574. ISSN 1436-4522.
4. Н.К. Нуриев, С.Д. Старыгина, Г.М. Ильмушкин, Н.К. Шайдуллина Проектирование дидактических систем нового поколения с использованием облачных технологий // Международный электронный журнал "Образовательные технологии и общество (Education Technology & Society)" (http://ifets.ieee.org/russian/periodical/journal.html).- V.16.
- N 4. - С. 412-429 c. - ISSN 1436-4522.
5. Н.К. Нуриев, С.Д. Старыгина, Д.А. Ахметшин Алгоритм оценки качества владения компетенцией на основе показателя глубины усвоенных знаний // Альма-Матер (Вестник высшей школы) - 2015. - № 11. - С. 6467 .
6. Д.А. Ахметшин, Д.Р. Курмангалиев Перспективы развития дистанционных технологий в образовательном пространстве университета. // Международный журнал «Educational Technology&Society", ВосточноЕвропейская подгруппа Международного Форума «Образовательные технологии и общество» - Казань: КГТУ - 2010. - Т. 13, No 4, с. 397-402.
7. Д.А. Ахметшин, Д.Р. Курмангалиев Концепция использования промежуточных сетей передачи данных при организации публичного доступа в сеть Интернет // Вестник Казанского государственного технологического университета. - 2011. No 24. - С. 56-59
8. Д.Р. Курмангалиев, Д.А. Ахметшин Применение терминальных устройств с сенсорным дисплеем в образовательном процессе // Вестник Казанского государственного технологического университета. - No 24. - 2011 - С. 59 - 63.
© Н. К. Нуриев - д.п.н, профессор, зав. кафедрой информатики и прикладной математики КНИТУ [email protected]; С. Д. Старыгина - к.п.н., доцент, доцент той же кафедры, [email protected]; Д. А. Ахметшин - к.т.н., ассистент той же кафедры, [email protected].
© N. K. Nuriev, Ph.D Professor, Kazan National Research Technological University, Department Chair information science and applied mathematics, [email protected]; S. D. Staryginа, Ph.D., Associate Professor, Kazan National Research Technological University, Docent department information science and applied mathematics, [email protected]; D. A. Akhmetshin, Ph.D., Associate Professor, Kazan National Research Technological University, Docent department information science and applied mathematics, [email protected].
