Научный журнал
Современные наукоемкие технологии
ISSN 1812-7320
"Перечень" ВАК
ИФ РИНЦ = 0,940

ВОЗМОЖНОСТИ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ СОВЕРШЕНСТВОВАНИЯ МОНИТОРИНГА ОБРАЗОВАТЕЛЬНОГО ПРОЦЕССА В РУСЛЕ ТРЕБОВАНИЙ ФГОС

Трухманов В.Б. 1 Трухманова Е.Н. 1
1 Арзамасский филиал ННГУ
Новые федеральные государственные образовательные стандарты поставили перед всей системой образования совершенно новые цели и задачи и потребовали искать новые пути и стратегии их достижения. С учетом новых требований к результатам учебно-воспитательного процесса в настоящее время существует необходимость использования учителем наряду с традиционными педагогическими приемами и различных психодиагностических методов, а также знания технологий обработки получаемых данных. В настоящее время учитель должен не только учить, но и планировать результаты обучения и развития учащихся, строить модель учебного процесса и делать на этой основе прогнозы. Как показывает анализ опыта педагогов, работающих по новым ФГОС, быстрее и легче осваиваются ими компетенции диагностики учебных достижений школьников с помощью психологических и педагогических тестов, поскольку эта сфера тесно связана с базовыми знаниями в области психологии и педагогики, полученными в период обучения в вузе. Сложнее формируются умения анализировать данные мониторинговых исследований учебных достижений, прогнозировать ближайшие результаты, разрабатывать и корректировать на их основе воспитательную и развивающую программы, поскольку это требует значительного повышения информационной и математической культуры учителя. В данной статье на примерах рассматриваются возможности информационных технологий для проведения мониторинга образовательного процесса, рассматриваются методы компьютерной обработки и корректной интерпретации данных диагностики универсальных учебных действий обучающихся.
ФГОС
мониторинг
информационная компетентность педагога
моделирование образовательного процесса
1. Примерная основная образовательная программа образовательного учреждения. Основная школа / Сост. Е.С. Савинов. М.: Просвещение, 2011. 342 с.
2. Приказ Министерства образования и науки Российской Федерации от 07.06.2012 г. № 413 «Федеральный государственный образовательный стандарт среднего (полного) общего образования» // Российская газета. 21 июня 2012 г.
3. Ермолаев О.Ю. Математическая статистика для психологов. Учебник. 2-е изд. испр. М.: Московский психолого-социальный институт Флинта, 2003. 336 с.
4. Просветов Г.И. Анализ данных с помощью Excel. Задачи и решения. М.: Альфа-Пресс, 2015. 160 с.
5. Трухманов В.Б., Трухманова Е.Н. Возможности использования компьютерных технологий при обработке эмпирических данных // Современные образовательные Web-технологии в системе школьной и профессиональной подготовки: сборник статей участников Международной научно-практической конференции (Арзамас, 25–27 мая 2017 г.). Арзамас: Арзамасский филиал ННГУ, 2017. С. 470–474.

Современная российская школа уже несколько лет (с 2011 г.) работает в условиях реализации новых федеральных государственных образовательных стандартов (ФГОС), кардинально изменивших представления о целях образования школьников и путях их достижения. Произошел переход к «стратегии социального проектирования и конструирования, от простой ретрансляции знаний к развитию творческих способностей обучающихся, раскрытию их возможностей, подготовке к жизни в современных условиях» [1, с. 8].

Достижение желаемого результата в познавательном и личностном развитии ребенка – формирование компетентной мотивированной личности – предполагает активную роль всех участников образовательного процесса и предъявляет новые требования к деятельности учителя и его педагогической квалификации. Большое значение, в частности, придается психологическим аспектам педагогического труда. У современного школьного учителя, наряду с традиционными функциями – обучать, организовывать, контролировать, оценивать, и др. – появились новые – планировать результаты обучения, на основе «выделения ожидаемого уровня актуального развития большинства обучающихся и ближайшей перспективы их развития, определять динамическую картину развития обучающихся, поощрять продвижения обучающихся, выстраивать индивидуальные траектории движения с учётом зоны ближайшего развития ребёнка» [1, с. 15].

Эффективная реализация этих функций требует освоения педагогом новых компетенций – в целеполагании (предметном и личностном), в разработке программ деятельности и их корректировке с учетом изменяющихся педагогических условий, в психологической диагностике личности и классного коллектива, в обработке и анализе диагностических данных с применением информационных технологий и др. Фактически квалифицированный учитель призван моделировать определенные условия образовательного процесса: выявлять его закономерности, представлять их в виде математических моделей и на этой основе прогнозировать результаты обучения и воспитания во временнóй перспективе.

Цель исследования: совершенствование мониторинга образовательного процесса в русле требований ФГОС [2] на основе построения и анализа моделей различных составных элементов образовательного процесса с использованием табличного процессора Microsoft Excel.

Материалы и методы исследования

Корреляционная связь между различными параметрами – это статистическая связь, при которой изменение среднего значения одного признака соответствует изменению среднего значения другого признака; она не является причинно-следственной, но указывает на более или менее согласованное изменение значений двух признаков.

Если при увеличении значений одного признака значения другого признака также увеличиваются – корреляция считается положительной, а если уменьшаются – отрицательной [3, c. 202].

При изучении корреляционной связи важно измерить ее тесноту с помощью коэффициента корреляции, например линейной корреляции К. Пирсона, и проверить уровень его значимости. В общем случае применяется следующая градация, характеризующая силу прямолинейной связи в зависимости от абсолютной величины коэффициента корреляции: если 0 ≤ ?rxy? < 0,3, то связь практически отсутствует; если 0,3 ≤ ?rxy? < 0,5, то связь слабая; если 0,5 ≤ ?rxy? < 0,7, то связь умеренная; если 0,7 ≤ ?rxy? < 1, то связь сильная; если ?rxy? = 1, то связь является функциональной. В математической статистике уровень значимости – это вероятность ошибки, которую можно допустить, принимая то или иное утверждение. Для педагогических исследований высказывания, имеющие вероятность ошибки р ≤ 0,05, называются значимыми [3, c. 207].

Для проверки значимости корреляционной связи необходимо вычислить значение статистики: truhm01.wmf, где rxy – коэффициент корреляции Пирсона, рассчитанный по выборке n. Если корреляционная связь незначима, то статистика Т имеет распределение Стьюдента с (п – 2) степенями свободы. Поэтому необходимо сравнить значение Т с критическим значением критерия Стьюдента tкрит. по заданному уровню значимости – 0,05 и числу степеней свободы – (п – 2). Если |T| < tкрит., то делается вывод – значение коэффициента корреляции статистически неотличимо от нуля. Если |T| ≥ tкрит., то коэффициент корреляции статистически значим: между переменными существует линейная связь [3, c. 207].

Результаты исследования и их обсуждение

Рассмотрим результаты диагностики личностных и познавательных универсальных учебных действий (УУД) [1, с. 20] обучающихся 3-го класса. В качестве примера возьмем такие значимые показатели, как «школьная мотивация», «школьная тревожность» (личностные УУД) и «словесно-логическое мышление» (познавательные УУД). Нас интересует, каким образом каждый из них влияет на учебную успешность (успеваемость) школьников.

Математическая обработка этого массива данных позволяет выявить следующие закономерности:

1. Взаимосвязь между исследуемыми параметрами развития школьников (на основе корреляционного анализа).

2. Тенденция изменения определенного параметра во времени (в сторону уменьшения или увеличения) – на основе регрессионного анализа.

3. Достоверность изменения определенного параметра во времени.

Рассмотрим расчет коэффициента корреляции и определение его значимости в MS Excel. Для проведения статистической обработки данных табличный процессор Microsoft Excel имеет большой набор встроенных статистических функций, а также подключаемую дополнительно программную надстройку «Пакет анализа» с различными модулями статистического анализа [4].

Пример 1. Определим, существует ли корреляция между следующими параметрами: уровнем развития школьной мотивации (данные по методике Н.Г. Лускановой), уровнем развития словесно-логического мышления (данные по методике Э.Ф. Замбацявичене), уровнем школьной тревожности (данные по методике А.М. Прихожан) и успеваемостью обучающихся (преобладающие оценки «отлично», «хорошо» и «удовлетворительно»). В диагностике участвовали 23 ученика 3 класса общеобразовательной школы (табл. 1).

Таблица 1

Результаты диагностики учеников 3-го класса

 

Уровень мотивации

Уровень словесно-логического мышления

Уровень тревожности

Успеваемость

1

2

2

2

3

2

5

3

3

4

3

2

2

1

3

4

3

4

2

4

5

4

4

3

5

6

3

3

3

3

7

4

4

2

5

8

3

3

2

3

9

3

3

4

4

10

2

3

2

3

11

3

4

3

4

12

4

4

2

5

13

3

3

1

3

14

5

4

4

5

15

4

4

2

5

16

4

3

2

4

17

4

3

2

4

18

5

4

2

4

19

2

3

1

3

20

4

3

3

5

21

4

4

3

5

22

2

4

2

3

23

2

3

3

3

Примечание: в столбце 2 цифрами 2, 3, 4, 5 обозначены уровни школьной мотивации: 2 – низкий, 3 – средний, 4 – выше среднего, 5 – высокий (1 – очень низкий уровень, в данной выборке отсутствует). В столбце 3 цифрами 2, 3, 4 обозначены уровни словесно-логического мышления: 2 – низкий, 3 – средний, 4 – высокий (1 – очень низкий уровень, в данной выборке отсутствует). В столбце 4 цифрами 1, 2, 3, 4 обозначены уровни школьной тревожности: 1 – чрезмерное спокойствие, 2 – нормальный, 3 – несколько повышенный, 4 – явно повышенный. В столбце 5 цифрами 3, 4, 5 обозначена успеваемость школьников: 3 – преобладают оценки «3», 4 – преобладают оценки «4», 5 – преобладают оценки «5».

В программе MS Excel открываем новый рабочий лист и переносим данные из табл. 1. MS Excel дает возможность провести корреляционный анализ с помощью различных инструментов. Рассмотрим один из возможных вариантов.

Чтобы вычислить коэффициент корреляции для переменных «Уровень мотивации» и «Успеваемость», используем встроенную функцию «КОРРЕЛ» (рис. 1, 2).

Получаем коэффициент корреляции rxy = 0,7666, который свидетельствует о наличии прямой и сильной корреляционной связи. Определим теперь, значима ли эта связь.

В нашем случае, после подстановки соответствующих величин в формулу получаем значении статистики Т = 7,2816. Значение tкрит. позволяет вычислить функция «СТЬЮДЕНТ.ОБР.2Х». В диалоговом окне данной функции открываются два поля для ввода значений: поле Вероятность – вводим значение уровня значимости р = 0,05 и поле Степени свободы – вводим значение 21 (так как наша выборка содержит 23 наблюдения) (рис. 3).

Получили tкрит. = 2,0796. Сравнив расчетное и критическое значения статистики Т, делаем вывод: найденный коэффициент корреляции – статистически значим. Аналогично, для пары переменных «Уровень словесно-логического мышления» и «Успеваемость» и для пары переменных «Уровень тревожности» и «Успеваемость» получаем соответственно следующие значения: rxy = 0,6372, Т = 4,8479 и rxy = 0,4315, Т = 2,6222, что также подтверждает значимость и этих коэффициентов корреляции.

truhm1.tif

Рис. 1. Диалоговое окно функции «КОРРЕЛ» с данными диагностики

truhm2.tif

Рис. 2. Окно вывода функции «КОРРЕЛ»

truhm3.tif

Рис. 3. Окно вывода функции «СТЬЮДЕНТ.ОБР.2Х»

Таким образом, мы выявили взаимосвязь успеваемости обучающихся данного класса с каждым из трех факторов (мотивация, тревожность, словесно-логическое мышление). В целях планирования результатов образовательного процесса важно выяснить, какой фактор вносит наибольший вклад в изменение успеваемости школьников. Ответ на этот вопрос может дать построение математических моделей этих взаимосвязей, например, с помощью регрессионного анализа в MS Excel.

Надстройка Пакет анализа MS Excel с модулем Регрессия позволяет достаточно эффективно моделировать взаимосвязи признаков [4, 5]. Во вкладке ДАННЫЕ запускаем команду Анализ данных и в открывшемся диалоговом окне выбираем модуль Регрессия.

После подтверждения выбора в окне модуля Регрессия заполняем поля ввода данных: Входной интервал Y – указываем расположение значений зависимой переменной «Успеваемость», Входной интервал Х – расположение значений независимой переменной «Уровень мотивации». Выбираем уровень надежности 95 %.

В окне вывода модуля Регрессия нас будут интересовать только значения коэффициентов и границы 95 % доверительных интервалов для них (рис. 4).

truhm4.tif

Рис. 4. Окно вывода модуля Регрессия пакета анализа MS Excel

Таким образом, мы получаем уравнение зависимости переменной Y – Успеваемость – от переменной Х – Уровень мотивации: Y = 0,63X + 1,79. Поскольку каждый из коэффициентов попадает в свой 95 %-ный доверительный интервал, то оба коэффициента признаются статистически значимыми на уровне значимости р = 0,05 (в противном случае коэффициент признается статистически не отличимым от нуля).

Аналогично получаем уравнение зависимости переменной «Успеваемость» от переменной «Уровень словесно-логического мышления»: Y = 0,84Х + 1,12; и уравнение зависимости переменной «Успеваемость» от переменной «Уровень тревожности»: Y = 0,44Х + 2,88. Сравнивая коэффициенты при Х в данных уравнениях (0,63; 0,84 и 0,44), мы можем сделать вывод, что наиболее существенный вклад в изменение успеваемости вносит второй фактор – уровень словесно-логического мышления (коэффициент 0,84), в меньшей степени – уровень школьной мотивации (коэффициент 0,63) и уровень тревожности (коэффициент 0,44). Подобным образом можно исследовать взаимосвязь и других факторов (например, особенностей общения учителя с уровнем тревожности школьников), что дает представление о закономерностях образовательного процесса в данном классе, тенденциях в развитии детей, позволяет прогнозировать ближайшие результаты обучения и воспитания и на этой основе корректировать образовательные программы.

Во многих случаях требуется установить не наличие взаимозависимости между переменными, а наоборот, имеется ли статистически значимое различие между выборками по уровню выраженности признака. Такая задача может возникнуть, если требуется проследить изменения во времени по каким-либо показателям для одного и того же класса.

Пример 2. Учитель провел два диагностических среза (в мае 2015 г. и в мае 2016 г.) особенностей самооценки обучающихся своего класса (по методике «Лесенка» В.Г. Щур) (табл. 2). Выявилась следующая динамика показателей: число детей с заниженной самооценкой снизилось на 4,3 % (с 8,7 % во втором классе до 4,3 % в третьем классе), число детей с адекватной самооценкой увеличилось на 17,4 % (с 43,5 % до 60,9 % соответственно), число детей с завышенной самооценкой уменьшилось (с 47,8 % до 34,8 % соответственно). Можем ли мы утверждать, что изменения показателей самооценки младших школьников статистически значимы?

Таблица 2

Результаты диагностики самооценки учеников

Испытуемый

2 класс (май 2015 г.)

3 класс (май 2016 г.)

1. Оля А.

1

2

2. Вика Б.

2

2

3. Саша Б.

2

2

4. Дима В.

2

2

5. Аня В.

2

2

6. Дима Г.

2

2

7. Илья Д.

3

3

8. Вова З.

2

2

9. Ира К.

3

3

10. Катя К.

2

2

11. Андрей К.

3

2

12. Маша Н.

1

1

13. Наташа П.

3

3

14. Игорь П.

3

2

15. Саша Р.

2

2

16. Лиза С.

3

3

17. Максим Т.

3

3

18. Юля Т.

2

2

19. Егор Т.

3

3

20. Оксана Х.

3

3

21. Алёна Ц.

2

2

22. Максим Ш.

3

3

23. Аня Ш.

3

3

Примечание: в столбцах 2 и 3 цифрами 1, 2, 3 обозначены уровни самооценки: 1 – низкий (заниженная самооценка), 2 – средний (адекватная самооценка), 3 – высокий (завышенная самооценка).

Для выявления статистической значимости (достоверности) различия между двумя выборками по уровню выраженности исследуемого признака наиболее часто применяется t-критерий Стьюдента. Применив встроенную функцию «СТЬЮДЕНТ.ТЕСТ», мы можем вычислить достоверность различий между выборками (показателями самооценки в конце второго и в конце третьего классов).

После подтверждения выбора в открывшемся диалоговом окне данной функции в полях Массив 1 и Массив 2 мы указываем расположение соответственно данных первого и последнего столбцов, в поле Хвосты вводим значение 2, что означает двусторонний тест, в поле Тип – значение 1 (парный тест) (рис. 5).

truhm5.tif

Рис. 5. Окно вывода функции «СТЬЮДЕНТ.ТЕСТ»

Получили уровень значимости р = 0,328, что значительно больше граничного; следовательно, различие между выборками по уровню выраженности признака не может быть признано достоверным. Если сравнивать показатели самооценки школьников в процентном соотношении (традиционный способ обобщения данных), то напрашивается вывод о положительной динамике. Но этот вывод ошибочен, поскольку различие значений изучаемых параметров статистически незначимо, случайно.

Заключение

Таким образом, использование педагогом информационных технологий открывает новые возможности совершенствования мониторинга образовательного процесса: выявлять взаимосвязи различных его составляющих, правильно интерпретировать данные диагностики УУД обучающихся, прогнозировать тенденции в их развитии, выстраивать корректную стратегию учебно-воспитательной работы.

Рассмотренные нами методы анализа данных на основе программного продукта MS Excel являются начальной ступенью повышения информационной культуры педагога, их освоение и дальнейшее развитие позволяет сделать процесс реализации новых ФГОС более эффективным.


Библиографическая ссылка

Трухманов В.Б., Трухманова Е.Н. ВОЗМОЖНОСТИ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ СОВЕРШЕНСТВОВАНИЯ МОНИТОРИНГА ОБРАЗОВАТЕЛЬНОГО ПРОЦЕССА В РУСЛЕ ТРЕБОВАНИЙ ФГОС // Современные наукоемкие технологии. – 2019. – № 12-1. – С. 220-225;
URL: https://top-technologies.ru/ru/article/view?id=37863 (дата обращения: 20.07.2024).

Предлагаем вашему вниманию журналы, издающиеся в издательстве «Академия Естествознания»
(Высокий импакт-фактор РИНЦ, тематика журналов охватывает все научные направления)

«Фундаментальные исследования» список ВАК ИФ РИНЦ = 1,674