Введение

Современный этап развития высшего профессионального образования характеризуется активной цифровой трансформацией, внедрением электронных образовательных сред и поиском эффективных моделей персонализации обучения [1]. Федеральные государственные образовательные стандарты (ФГОС 3++) задают требования к результатам освоения образовательных программ в виде универсальных, общепрофессиональных и профессиональных компетенций, однако оставляют за образовательной организацией право выбора средств и технологий их формирования. В этих условиях особое значение приобретают подходы, позволяющие обеспечить достижение единых для всех студентов компетенций при одновременном учете их индивидуальных особенностей, начального уровня подготовки и темпа освоения материала. Одним из перспективных направлений является адаптивное обучение, реализуемое с использованием функциональных возможностей систем управления обучением (LMS), в частности – платформы Moodle.

Проблематика адаптивного обучения активно разрабатывается как в зарубежной, так и в отечественной педагогической науке [2–4]. Однако большинство исследований сосредоточено либо на теоретическом обосновании адаптивных моделей, либо на их применении в рамках лекционно-семинарской системы [5, 6]. Значительно меньше работ посвящено вопросам адаптации проектной деятельности студентов в инженерных дисциплинах, в которых курсовое проектирование выступает основным механизмом для формирования профессиональных компетенций [7]. Курсовой проект по электронике, как правило, представляет собой комплексную самостоятельную работу, включающую многовариантные расчеты, компьютерное моделирование и оформление технической документации. При этом в пределах одной академической группы каждый студент получает индивидуальное задание. Существующие подходы либо ориентированы на единые для всех студентов материалы, либо требуют индивидуальной разработки под каждый вариант, что ограничивает их применение в условиях массового обучения. Не менее значимым фактором является различие в предпочтениях студентов при работе с учебным контентом, проявляющееся в выборе предпочитаемых форматов учебных материалов [8]. Наконец, темп работы над проектом у каждого студента индивидуален, и жесткая последовательность этапов без автоматического контроля завершенности может привести к накоплению задолженностей [9].

Изложенные особенности проектной работы обостряют противоречие между требованием достижения единых образовательных результатов и отсутствием в традиционных методиках инструментов для автоматизированной индивидуализации содержания, форматов и темпа работы. Для его разрешения требуется разработка таких организационно-методических решений, которые, не увеличивая трудоемкость работы преподавателя, обеспечивали бы персонализированную поддержку каждого студента на всех этапах проекта [10, 11]. При этом важно, чтобы реализация таких решений опиралась на стандартные функциональные возможности широко распространенных систем управления обучением, что гарантирует их воспроизводимость и масштабируемость [12]. Данным требованиям отвечает адаптивный курс в Moodle, где содержание, формат и последовательность изучения материалов динамически настраиваются в зависимости от результатов текущего контроля, а доступ к новым этапам открывается автоматически по мере выполнения предыдущих [13–15].

Цель исследования – разработать и апробировать комплексную методику проектирования адаптивного курса для инженерной дисциплины, учитывающую многовариантность исходных данных, поддержку студентов с разными учебными предпочтениями и автоматическое управление доступом к модулям на основе результатов тестирования, и экспериментально проверить ее влияние на качество выполнения проектов.

Материалы и методы исследования

Эмпирическое исследование проводилось на базе кафедры промышленной электроники Казанского государственного энергетического университета в осеннем семестре 2025–2026 учебного года. В эксперименте приняли участие студенты 3-го курса направления подготовки 11.03.04 Электроника и наноэлектроника, выполняющие курсовой проект по дисциплине «Проектирование источников вторичного электропитания». Общая численность выборки составила 123 чел. Исследование проводилось в форме квазиэксперимента с неэквивалентными группами. Формирование групп осуществлялось по академическим группам, поскольку индивидуальная рандомизация была организационно невозможна, а перераспределение студентов между группами могло бы нарушить учебный процесс и создать эффект новизны. Контрольная группа (КГ) включала две академические группы общей численностью 60 студентов, экспериментальная группа (ЭГ) – 63 студента из двух академических групп. Все четыре группы занимались с одним преподавателем, консультации проводились индивидуально во внеурочное время. Перед началом эксперимента было подтверждено отсутствие статистически значимых различий между группами по успеваемости в электротехнических дисциплинах за предшествующий семестр путем онлайн-тестирования.

Для выполнения курсового проекта экспериментальной группой в среде LMS Moodle был разработан отдельный электронный курс, логика ветвления которого представлена на рис. 1. При первом входе в электронный курс пользователи вносят в свой профиль порядковый номер по списку, благодаря чему все студенты получают строго индивидуальные задания. Для каждого модуля заданы условия отображения/скрытия учебных материалов и заданий с помощью настройки Restrict Access в зависимости от номера варианта и результатов промежуточных тестов.

Рис. 1. Маршрутная карта курса «Курсовой проект – проектирование импульсных преобразователей» Примечание: составлен автором по результатам данного исследования

Каждый модуль построен по принципу многоуровневой поддержки. Первоначально студенту доступны текстовые пояснения – фрагменты учебного пособия, структурированные по модулям и вариантам. После изучения пособия студент проходит проверочный тест, выявляющий уровень понимания материала. Проходным считается результат ≥ 7 баллов из 10. При результате ниже проходного балла студенту открывается следующий уровень поддержки – видеокомментарии с разбором ключевых формул, последовательности расчета и методики моделирования. После просмотра видео студент повторно проходит тест. Если тест вновь не пройден, открывается последний уровень поддержки – готовые примеры с пошаговыми расчетами и скриншотами моделирования, максимально близкими к варианту студента. После чего тест сдается до набора проходного балла. Таким образом, каждый неудачный результат тестирования открывает очередной уровень поддержки, компенсирующий выявленный пробел. За каждую неудачную попытку прохождения теста из максимальной оценки за модуль вычитается 2 штрафных балла, но суммарно не более 4 баллов за модуль. Это стимулирует студентов более тщательно готовиться к тестированию, позволяет дифференцировать студентов по уровню освоения материала и предотвращает тактику «проб и ошибок». Даже со штрафом студент может получить положительную оценку за модуль, если качество отчета достаточно высокое. После успешного прохождения теста студенту становятся доступны все форматы учебных материалов. Такой подход обеспечивает равный доступ к полному содержанию модуля, позволяет сильным студентам работать вперед и не рассматривать видео и примеры исключительно как «материалы для отстающих». Одновременно открываются дополнительные задания, которые носят необязательный характер и не учитываются при выставлении итоговой оценки, но их выполнение создает возможности для углубленной самостоятельной работы и лучшего понимания дисциплины. Также становится доступен элемент для сдачи отчета, после загрузки которого автоматически открывается доступ к следующему модулю.

Контрольная группа обучалась в отдельном электронном курсе Moodle по традиционной методике, которая включала выдачу индивидуальных заданий, единого текстового методического пособия для всех вариантов, объяснение расчетов на лекционных и практических занятиях. Выполнение проекта проходило по тем же четырем модулям с загрузкой отчетов в элемент «Задание» электронного курса в Moodle. Доступ к следующему модулю открывался преподавателем вручную после проверки текущего отчета. Применялась система штрафных баллов: когда отчет возвращался на доработку, то из максимального балла за модуль вычиталось 2 балла, но суммарно не более 4 баллов за модуль. Это обеспечивало сопоставимость мотивационных условий с ЭГ, где аналогичную функцию выполняли штрафы за неудачные попытки тестирования. Дополнительные задания в традиционной методике не предусматривались, поскольку они являются элементом экспериментальной методики и открываются только по результатам промежуточного тестирования, которое в контрольном условии не проводилось. Консультации в КГ и ЭГ проводились очно, а также через форум Moodle и видеоконференции. Отчеты в каждом модуле оценивались в обеих группах по единым критериям, представленным в табл. 1.

Итоговая оценка (max 100) переводилась в традиционную шкалу: 85–100 – «отлично», 70–84 – «хорошо», 55–69 – «удовлетворительно», менее 55 – «неудовлетворительно».

В ходе эксперимента фиксировались следующие показатели для каждого студента:

1. Успеваемость – балл за каждый модуль и итоговый балл за курсовой проект.

Таблица 1

Критерии оценки отчетов по модулям

Примечание: составлена авторами на основе полученных данных в ходе исследования.

2. Время выполнения – количество календарных дней от выдачи задания до сдачи финального отчета (модуль 4).

3. Число обращений к преподавателю – суммарное количество сообщений в форуме, личных сообщений в Moodle, видеоконференций и очных консультаций.

4. Выполнение дополнительных заданий (только для ЭГ).

5. Количество попыток прохождения тестов и использование разных форматов представления материалов (только для ЭГ).

Для статистической обработки данных использовался t-критерий Уэлча для независимых выборок, не предполагающий равенства дисперсий. Предварительно проверялась нормальность распределений по критерию Шапиро – Уилка и однородность дисперсий по критерию Левена. Для оценки величины эффекта рассчитывалась d Коэна по объединенному стандартному отклонению. Для сравнения долей использовался φ-критерий Фишера, для оценки линейной связи – коэффициент корреляции Пирсона. Статистическая значимость принималась при p < 0,05. Расчеты проводились в среде IBM SPSS Statistics 26 и Microsoft Excel 2019.

Все участники были проинформированы о целях и процедуре исследования, было получено информированное добровольное согласие до начала эксперимента. Участие было добровольным и не влияло на текущую и итоговую оценку по дисциплине. Обработка цифровых следов Moodle осуществлялась в соответствии с Федеральным законом № 152-ФЗ «О персональных данных» и локальными актами университета. Данные обезличены и представлены в агрегированном виде.

Результаты исследования и их обсуждение

В ходе эксперимента были проанализированы показатели успеваемости и временные затраты студентов в обеих группах, а также количество консультаций с преподавателем (табл. 2).

Данные из табл. 2 демонстрируют статистически значимое превосходство экспериментальной группы по большинству показателей. Наиболее выраженные различия получены по модулям, связанным с расчетной частью и моделированием, а также по итоговому баллу. По модулю 1 различия также статистически значимы, хотя размер эффекта остается умеренным, а по модулю 4 различия не достигают порога значимости. Анализ распределения итоговых оценок также выявил существенную неоднородность (рис. 2). Доля положительных оценок в ЭГ оказалась значительно больше, чем в КГ.

Сроки выполнения проекта в ЭГ оказались существенно короче (табл. 2), при этом сокращение времени выполнения не сопровождалось снижением качества, так как коэффициент корреляции Пирсона между длительностью выполнения и результирующим баллом в ЭГ оказался близок к нулю (r = –0,11, p = 0,31), то есть статистически значимой взаимосвязи между этими показателями не выявлено. Можно предположить, что в традиционной схеме студенты нередко затягивают работу из-за неопределенности в интерпретации методических указаний или ожидания обратной связи от преподавателя. Автоматическое управление доступом, реализованное в Moodle, создало для студентов «дорожную карту» с четкими точками контроля, что могло способствовать снижению когнитивной нагрузки, связанной с планированием собственной деятельности.

Таблица 2

Сравнение показателей между группами (среднее ± стандартное отклонение)

Примечание: составлена автором на основе полученных данных в ходе исследования. Для времени выполнения и числа обращений отрицательные значения d означают преимущество ЭГ (меньше дней, меньше обращений).

Рис. 2. Распределение итоговых оценок по группам Примечание: составлен автором по результатам данного исследования

Рис. 3. Распределение студентов экспериментальной группы по числу попыток для успешной сдачи теста в каждом модуле (n = 63) Примечание: составлен автором по результатам данного исследования

Частота контактов с преподавателем в ЭГ снизилась в 2,5 раза (табл. 2). В экспериментальной группе 26 студентов ограничились одной-двумя консультациями за весь проект, тогда как в контрольной таких было лишь 7 чел. Это можно рассматривать как косвенный признак возросшей самостоятельности.

Дополнительные задания, которые предлагались только студентам ЭГ, привлекли 42,9 % участников (27 из 63). Те, кто взялся за дополнительные модули, показали более высокий итоговый балл – 84,1 ± 6,7 против 76,4 ± 8,9 у тех, кто ограничился обязательной программой (t-критерий Уэлча: t(61,0) = 5,04; p < 0,001; d = 1,23). Впрочем, эта связь не обязательно причинно-следственная, поскольку инициатива выполнения дополнительной работы могла быть следствием исходно более высокой мотивации, а не результатом самого факта ее выполнения.

Изучение поведения студентов ЭГ в процессе работы выявило определенные закономерности в обращении к ресурсам. Все без исключения участники начинали с текстового формата – так задумано архитектурой курса. Первичное тестирование в модуле 1 выявило средний результат 6,1 балла из 10, и лишь 34,9 % с первой попытки преодолели порог в 7 баллов (рис. 3). Еще 41,3 % общей выборки успешно прошли тест после просмотра видео. Для 23,8 % потребовалась третья попытка с доступом к примерам – и все они в итоге достигли проходного уровня.

По данным рис. 3 наблюдается увеличение доли студентов, сдающих тест с первой попытки, и снижение доли тех, кому требуется три и более попытки. Это может быть связано с адаптацией студентов к формату тестирования и постепенным освоением материала, однако статистическая значимость указанных изменений в рамках данного дизайна не проверялась.

Отдельно можно отметить распределение предпочтений среди студентов, которые после прохождения теста получали доступ ко всем форматам. Например, в модуле 2 из 24 студентов, успешно сдавших тест с первой попытки, 17 чел. впоследствии просматривали видеоформат и 13 чел. – примеры, хотя эти материалы не являлись обязательными. Это может указывать на то, что часть успешных студентов используют дополнительные каналы восприятия для более полного освоения материала, а не только для компенсации пробелов.

Заключение

В рамках исследования создан и внедрен адаптивный курс по курсовому проектированию, функционирующий в LMS Moodle. Разработанный адаптивный курс построен на принципах персонализации, модульности и смены форматов обучения в зависимости от успешности прохождения тестов. Проведенный педагогический эксперимент показал, что реализация разработанной методики сопровождалась статистически значимым улучшением итоговых баллов, сокращением сроков выполнения проекта и снижением числа обращений к преподавателю по сравнению с контрольной группой, обучавшейся по традиционной методике.

Предложенная методика не требует установки дополнительных плагинов или специализированного программного обеспечения и может быть воспроизведена в организациях, располагающих совместимой версией Moodle и необходимыми кадровыми ресурсами. Требуется лишь заблаговременно подготовить разноформатный учебный контент для каждого модуля – эта работа компенсируется последующим снижением трудозатрат на педагогическое сопровождение. Полученные результаты открывают возможности для дальнейшего развития методик проектирования адаптивных курсов в проектной подготовке инженерных кадров.