Адаптивное управление индивидуализированным обучением с использованием ранговых распределений

Адаптивное управление индивидуализированным обучением с использованием ранговых распределений

Автор: Бурунова, Валентина Тимофеевна

Шифр специальности: 05.13.01

Научная степень: Кандидатская

Год защиты: 1984

Место защиты: Рига

Количество страниц: 189 c. ил

Артикул: 4025767

Автор: Бурунова, Валентина Тимофеевна

Стоимость: 250 руб.

Адаптивное управление индивидуализированным обучением с использованием ранговых распределений  Адаптивное управление индивидуализированным обучением с использованием ранговых распределений 

ОГЛАВЛЕНИЕ
ВВЕДЕНИЕ
Глава I. ПРОБЛЕМЫ ОЦЕНИВАНИЯ, КЛАССИФИКАЦИИ И ПГОГ
НОЗИГОВАНИЯ УЧЕБНО ДЕЯТЕЛЬНОСТИ СТУДЕНТОВ.II
1.1. Традиционная система оценивания знаний обу
чаемых II
1.2. Обзор литературы по проблеме исследования.
1.3. Постановка цели и задач исследования
1.4. Выводы к главе I
Глава 2. КОНСТРУИРОВАНИЕ ДИАГНОСТИЧЕСКИХ РАБОТ
ТЕСТОВОГО ТИПА И ИССЛЕДОВАНИЕ СИСТЕМНОСТИ ИХ ЧАСТОТНЫХ СТРУКТУР
2.1. Основные этапы конструирования диагности
ческой работы
2.2. Системы с повторяющимися элементами. Закон ЦипфаМандел ьброта
2.3. Изучение системной организации частотных структур диагностических учебных текстов
2.4. Выводы к главе 2.
Глава 3. ДИАГНОСТИРОВАНИЕ ТЕСТИРУЕМЫХ ПО ИНДИВИДУАЛЬНЫМ ЧАСТОТНЫ, СТРУКТУРАМ С ИСПОЛЬЗОВАНИИ РАСПОЗНАЮЩИХ ПРОГНОЗНЫХ ГУНКЦИ
3.1. Индивидуальные частотные структуры реакций
тестируемых.
3.2. Прогнозная функция энтропийный функционал 6
3.3. Исследование редкочастотных зон частотных структур диагностических учебных текстов
3.4. Процедура факторного анализа при исследовании диагностичности редкочастотных ЭП.
3.5. Прогнозная функция норма деформаций откликов тестируемых на элементарных проверках из редкочастотной зоны
3.6. Алгоритм селекции признаков
3.7. Выбор информативных ЭП из редкочастотной зоны диагностической работы.
3.8. Прогнозная функция конъюнкция информативных
3.9. Классификация студентов обучающей выборки с использованием конъюнктивной функции.
3 Проверка конъюнктивного решающего правила на
контрольной выборке обучаемых.6Э
3 Сравнительный анализ прогнозной способности традиционных и построенных прогнозных функций
3 Выводы к главе 3
Глава 1У. ИНДИВИДУАЛИЗИРОВАННОЕ УПРАВЛЕНИЕОБУЧЕНИШ
КОРРЕКЦИЯ НЕСОРТИРОВАННЫХ ЭЛЕМЕНТОВ В СИСТЕМАХ
ЗНАНИЙ ТЕСТИРУЕМЫХг5
4.1. Обучение как управление формированием системы
знаний обучаемого.
4.2. Методика безмашинной коррекции несформированных элементов в системе предметных знаний обучаемого
4.3. Алгоритм автоматизированной коррекции несформированных элементов в системе предметных знаний обучаемого5
4.4. Сопоставление методик обучения
4.5. Экономический эффект использования методики диагноза и индивидуализированной коррекции.
4.6. Выводы к главе 4
ЗАКЛЮЧЕНИЕ.
ЛИТЕРАТУРА


Естественно, что в опыте различных экспертов сформировались определенные субъективные шкалы, оценивание по которым ведет к широким пределам колебаний в оценках. Ю.В. Павлов называет четырехбалльную шкалу "неравномерной интервальной шкалой с одной опорной точкой /, с. У.М. Э.П. Рооталу в работе /5,с. Чпкалу дидактических оценок следует отнести к шкале порядка. Автор работы разделяет точку зрения Б. С.Аванесова /4, с. Всем студентам, не подготовленным к экзамену, ставится единая качественная оценка -’‘неудовлетворительно*, и все они объединяются в класс не успевающих поданному предмету. Аналогично можно организовать класс отличников, хорошистов, между классами можно установить порядок, присвоив им ранги или баллы. Следовательно, речь идет не о порядковой шкале, в которой каждый студент отличается от другого; здесь правильнее говорить о шкале упорядоченной классификации, в которой упорядочиваются не отдельные объекты, а классы объектов. Одной из реализаций процедуры оценивания знаний является группировка, классификация обучаемых в однородные категории (классы) объектов по состоянию систем оцениваемых знаний для последующего принятия решения об индивидуальном или индивидуально -групповом обучении. Решение задачи классификации объектов обучающей выборки на статистически однородные категории, изучение распределений выявленных категорий объектов позволяет использовать параметры и характеристики категорий - классов обучающей выборки для прогнозирования успеваемости студентов последующих лет обучения. Традиционная система отбора в вуз является одним из примеров недостаточно адекватного прогнозирования будущей учебной деятельности студента. Знание своевременного и точного прогноза позволяет выработать стратегию целенаправленного управления в обучении. Прогнозированию будущей учебной деятельности, поиску объективно существующих классов объектов посвящены многочисленные работы. Наиболее информативные из них представлены ниже. Группой преподавателей /, с. Военно-воздушной инженерной академии им. Н.Е. Жуковского разработана методика прогнозирования учебной успеваемости слушателей, которая заключается в вычислении априорных вероятностей р2. Р$ > рчл~ получения каждым слушателем на предстоящей сессии оценки 2,3,4 или 5 по всем дисциплинам. Задача прогнозирования решается следующим образом. Тогда статистические оценки Рг. ДЛЯ ДИСЦИПЛИНЫ ? По показателям/^^ ^/^подсчитывается мат. Методика констатирует факт соответствия или несоответствия фактической экзаменационной оценки прогнозируемой; дает возможность объективно оценивать ряд показателей учебного процесса. Для улучшения прогноза разработчики параллельно с балльными оценками используют,социологические, личностные параметры. Преподавателями Таллинского политехнического института А. Лнхмусом и др. Модель прогнозирования учебной успешности строится на двух агрегированных факторах -и <2^, называемых контрастами. Контраст 5^ - фактор "подготовленность”— характеризуется количественно оценками аттестата зрелости, вступительных экзаменов в вуз и логическими тестами способностей. Контраст ^ характеризует в определенной степени фактор трудолюбия. А.И. Альберт в работе /8, с. А.Лыхмуса на контингенте первокурсников Таллинского педагогического института и свое мнение о модели:" . И.Т. Гусев и др. В процессе пятилетнего обучения в вузе студент получает // оценок. Строится гистограмма распределения студентов по суммарному баллу, характер которого близок к нормальному, подсчитываются математическое ожидание и дисперсия. Строится простейшая схема прогнозирования успеваемости студентов - выпускников выявленного класса. Авторы работы /,с. У'Уы* асх, 6гх. Методика дает количественный критерий сравнения результатов деятельности студенческих групп (преподавателей) друг с другом. Алгоритм оценивания знаний студентов с использованием линейных моделей, описанных в работе /, с. Ленинградского электротехнического института связи. Алгоритм разработан по известному объему усвоенной информации, представляемому суммарным весом вопросов, на которые даны правильные ответы. Он - ( * Ум л?

Рекомендуемые диссертации данного раздела

28.06.2016

+ 100 бесплатных диссертаций

Дорогие друзья, в раздел "Бесплатные диссертации" добавлено 100 новых диссертаций. Желаем новых научных ...

15.02.2015

Добавлено 41611 диссертаций РГБ

В каталог сайта http://new-disser.ru добавлено новые диссертации РГБ 2013-2014 года. Желаем новых научных ...


Все новости

Время генерации: 0.246, запросов: 244