Моделирование и оптимизация индивидуальной траектории обучения студента

• Автор: Махныткина, Олеся Владимировна
• Шифр специальности: 05.13.10
• Научная степень: Кандидатская
• Год защиты: 2013
• Место защиты: Новосибирск
• Количество страниц: 132 с. : ил.

СОДЕРЖАНИЕ
ВВЕДЕНИЕ

ГЛАВА 1. ТЕОРЕТИКО-МЕТОДОЛОГИЧЕСКИЕ ОСНОВЫ

МОДЕЛИРОВАНИЯ ИНДИВИДУАЛЬНОЙ ТРАЕКТОРИИ ОБУЧЕНИЯ

СТУДЕНТА
1Л. Особенности и проблемы моделирования индивидуальной траектории обучения на основе компетентностного подхода
1.2. Анализ существующих методов решения задач оценки и оптимизации процесса обучения

1.3. Постановка задачи моделирования индивидуальной образовательной

траектории
Выводы
ГЛАВА 2. МОДЕЛИ И АЛГОРИТМЫ ОЦЕНКИ УРОВНЯ СФОРМИРОВАННОСТИ КОМПЕТЕНТНОСТИ И ОПТИМИЗАЦИИ ТРАЕКТОРИИ ОБУЧЕНИЯ СТУДЕНТА
2.1. Модель комплексной оценки уровня сформированности компетентности студента ВУЗа
2.2. Алгоритм оценки уровня сформированности компетентности студента
2.3. Модель и алгоритм оптимизации индивидуальной траектории обучения
2.3.1 Модель оптимизации индивидуальной траектории обучения студента
2.3.2 Алгоритм оптимизации индивидуальной траектории обучения студента .
2.3.3 Модель оптимизации индивидуальной траектории обучения с учетом
пожеланий студента
Выводы
ГЛАВА 3. РЕАЛИЗАЦИЯ МОДЕЛЕЙ И АЛГОРИТМОВ ОЦЕНКИ КОМПЕТЕНТНОСТИ И ОПТИМИЗАЦИИ ИНДИВИДУАЛЬНОЙ ОБРАЗОВАТЕЛЬНОЙ ТРАЕКТОРИИ СТУДЕНТА ВУЗА С ИСПОЛЬЗОВАНИЕМ ИНФОРМАЦИОННОЙ СИСТЕМЫ

3.1 Проектирование автоматизированной информационной системы
3.2 Анализ экспериментальных исследований по моделированию индивидуальной траектории обучения студентов направления «Прикладная информатика в
социальной сфере»
Выводы
ЗАКЛЮЧЕНИЕ
СПИСОК ЛИТЕРАТУРЫ ПРИЛОЖЕНИЯ

ВВЕДЕНИЕ
Актуальность темы исследования. В настоящее время подготовка студентов производится на основании федеральных государственных стандартов высшего профессионального образования (ФГОС ВПО) третьего поколения, определяющих требования к результатам освоения основных образовательных программ (ООП) подготовки в терминах компетентностного подхода. Данный подход описывает лишь результат образовательной деятельности, но не определяет полностью набор дисциплин подготовки.
Не менее одной трети вариативной части суммарно по циклам Б.1, Б.2 и Б.З образовательной программы составляют дисциплины по выбору студента, что составляет около 15% от объема ООП. Частью учебной практики является научно-исследовательская деятельность, от тематики которой зависит перечень формируемых компетенций. Трудоемкость научно-исследовательской деятельности может доходить до 5% ООП. Оценка качества освоения ООП включает итоговую государственную аттестацию, трудоемкость которой составляет около 5%.
Таким образом, четверть ООП носит вариативный характер и зависит от выбора студента, что существенно отражается на результатах формирования различных компетенций. В связи с этим важной является проблема построения индивидуальной траектории обучения студента (ИТОС) в виде последовательности изучаемых дисциплин, выбора тематики научно-исследовательской деятельности и выпускной квалификационной работы.
Построение оптимальной ИТОС является сложной, слабоформализованной задачей, что обусловлено целым рядом факторов, ключевыми из которых являются:
- большая размерность задачи моделирования ИТОС, вызванная необходимостью учитывать не только процесс обучения, но и требования рынка труда к уровню подготовки студента, а также его индивидуальные особенности;
- неоднородность шкал измерений результатов обучения, социальноличностных качеств студента;

3) Наличие/отсутствие формальной методики решения задачи. Т.е. часть подзадач оценки компетентности может быть решена с помощью существующих методик, например рассмотренных в параграфе 1.2, для решения других необходимо разработка методов решения;
4) Характер входных показателей, в том числе наличие или отсутствие обучающих примеров.
Рассмотрим возможности применения рассматриваемых методов представления знаний в соответствии выделенными критериями сложности задачи [52].
Аналитические формулы можно использовать для решения задач небольшого размера, как правило, детерминированных. Построение аналитических зависимостей затруднено для большого числа количественных показателей, а также качественных показателей. Аналитические зависимости имеют ряд преимуществ, по сравнению с другими видами моделей. Во-первых, возможность преобразования аналитической формулы с помощью математических операций и получение наиболее удобного вида модели, позволяющей определить параметры исследуемой системы. Таким образом, проведение анализа в общем виде позволяет определить значения параметров системы с целью оптимального управления. Во-вторых, при проведении вычислительных экспериментов можно контролировать адекватность модели. При этом, для эффективного применения аналитические модели не должны быть слишком сложными.
Продукционная модель, или модель, основанная на правилах, позволяет представить знания в виде предложений типа: Если (условие), то (следствие): (Условие 1)&{Условие 2)...(условие Т) -» (Следствие) [3, 41, 79]. Продукционные
экспертные системы можно использовать для разрешимых и трудно разрешимых задач малого размера. В случае рассмотрения новых показателей требуется пересмотр правил. Продукционная модель, основанная на правилах позволяет использовать как количественные, так и качественные показатели. Продукционные экспертные системы привлекают наглядностью, высокой