Разработка методики диагностики качества подготовки студентов информационно-образовательных системах (на примере диагностики знаний студентов по курсу «Товарные биржи и основы биржевого анализа»)

Проблема диагностики качества обучения в научной литературе не нова, к ней обращались и преподаватели, и руководители от образования [1, 2, 3], однако она не утратила своей актуальности с переходом к активному использованию в образовательном процессе информационных технологий.

Управление образовательным процессом невозможно без диагностики качества обучения в современных образовательных системах. Возрастает роль внедрения в образовательный процесс новых информационных технологий, использующих различные критерии и подходы в определении итоговых результатов.

Диагностирование качества обучения включает в себя контроль, проверку, оценивание, накопление и анализ статистических данных, прогнозирование дальнейшего развития событий. Основой для оценивания успеваемости студентов являются результаты контроля, учитывающие как качественные, так и количественные показатели усваемости преподаваемого материала. Количественные показатели фиксируются преимущественно в баллах или процентах, а качественные в оценочных суждениях типа «отлично», «хорошо» и т.д., и каждому оценочному суждению присваивается определенныйбалл. В этом случае, оценка является мощным педагогическим средством мотивации и стимулирования студентов. Именно под влиянием объективного оценивания у студентов создается адекватная самооценка, критическое отношение к своим результатам [1]. Исходя из сказанного, требуется автоматизация и постоянное совершенствование контроля и оценивания знаний студентов в современных информационно-педагогических системах, с целью повышения ее диагностической значимости и объективности.

Апробация любого методологического подхода к построению автоматизированных систем контроля и оценивания знаний студентов представляет собой сложную многокритериальную задачу, требующая более точные и обоснованные способы балльной оценки.

В России применяется пятибалльная система – от «1» до «5», при этом на практике «1» не используется и система по сути четырехбалльная. Понятно, что незначительный разброс в баллах затрудняет объективное оценивание, снижает стимулирующую роль оценки. С другой стороны, в образовательной практике существуют и более растянутые шкалы оценок: десяти-, двенадцати-, тридцати- и стобалльные системы. Однако такие растянутые системы несут в себе опасность необъективности оценки знаний студентов [2].

Для эффективного управления образовательной деятельностью необходимо обеспечить своевременный и объективный контроль знаний студентов. В современных информационно-педагогических системах значительный удельный вес занимает автоматизированный контроль знаний студентов, в основе которого лежит принцип оценивания ответов на контрольные вопросы.

На наш взгляд, в качестве одного из методологических подходов к оценке знаний студентов может быть предложен подход на основе «плавающих» коэффициентов в автоматизированном контроле знаний студентов. Определение итоговой оценки в четырехбалльной системе, по сути, представляет собой текущий и итоговый контроль знаний. Этот процесс осуществляется автоматически с учетом оценок за выполнение контрольных заданий, полученных ответов на основные и дополнительные контрольные вопросы, общего времени, затраченного на проведение контрольных мероприятий, а также специальных коэффициентов, учитывающих важность учебных тем, влияющих на формирование профессиональных навыков студентов, и коэффициентов, учитывающих сложность дополнительных контрольных вопросов.

В современных программных продуктах автоматизированного контроля знаний студентов наибольшее распространение получили тестовые задания закрытого типа, предусматривающие различные варианты заранее заданных ответов на поставленный вопрос: альтернативный ответ, множественный выбор, ответ на восстановление соответствия, исключение лишнего, аналогия, последовательность и т. д.

На наш взгляд, программа автоматизированного контроля должна, в первую очередь, учитывать степень подготовленности студентов к их будущей профессиональной деятельности. Реализовано это может быть путем включения в программные продукты подсистем первоначального тестирования и адаптации. Кроме того, программа должна иметь расширяемую и редактируемую базу знаний, включающую перечень контрольных вопросов, заданий и ответов. В зависимости от профиля обучения вопросы и задания должны иметь кодовое разграничение по уровню сложности и важности с точки зрения формирования у студентов профессиональных качеств. И, наконец, программный продукт должен давать возможность преподавателю оперативно получать итоговые результаты автоматизированного контроля знаний в развернутой форме.

Модель оценивания конечных результатов по тестированию должна обеспечивать[3]:

-         формализованноефиксирование результатов ответов на контрольный вопрос;

-         дифференцированный подход к оцениванию результатов ответов на каждый контрольный вопрос с учетом его сложности и важности;

-         возможность распознавания типа ошибки;

-         получение итоговой интегрированной оценки по результатам ответов на вопросы диагностического теста;

-         перевод итогового результата в традиционную оценку по пятибалльной шкале.

При практической реализации программы автоматизи­рованного контроля знаний и определения среднего балла, на наш взгляд, целесообразно опираться на соответствующую систему дидактических показателей [4]:

1) показатели уровня представления учебного материала;

2) показатели уровня усвоения учебного материала;

3) показатели качества (осознанности) усвоения знаний.

Таким образом, средний балл (S), набранный при проведении диагностирования качества обучения с помощью программы автоматизированного контроля знаний, будет определяться по формуле:

При t< Т обучаемому предоставляется возможность в оставшееся время ответить на дополнительные вопросы, причем уровень сложности вопроса (K_u) он может выбрать самостоятельно. В данном контексте следует отметить, что зафиксированный ранее коэффициент К_tбудет учтен программой автоматизированного контроля независимо от того, успел обучаемый ответить хотя бы на один дополнительный вопрос или нет.

Апробации автоматизированного контроля знаний была проведена на примере диагностики знаний студентов по курсу «Товарные биржи и основы биржевого анализа». Проведенная апробация позволила практически оценить особенности предлагаемой методики диагностики качества обучения и провести анализ результатов (см. табл. 2).

При использовании «плавающего» коэффициента К_в существенно возрастает объективность итоговой оценки, т.к. неудовлетворительный ответ на вопрос по теме, важной с точки зрения формирования профессиональных качеств студента, приводит к тому, что студент получает не 2 балла, а 0 баллов. С другой стороны, любая удовлетворительная оценка на подобный вопрос увеличивает свой удельный вес при расчете среднего балла и определении итогового результата.

Таблица 2 Результаты диагностики качества обучения

При удовлетворительных ответах на все контрольные вопросы и задания общее время автоматизированного контроля знаний в виде К_tоказывает незначительное влияние на итоговую оценку. В то же время, при наличии неудовлетворительных ответов К_tможет существенно повлиять на итоговый результат.

Предложенный метод диагностики качества обучения может быть успешно использован и при устном контроле знаний на экзамене или зачете. В данном случае преподаватель просто заносит в компьютер полученные студентом оценки за каждый контрольный вопрос или задание, а программа автоматически производит все необходимые расчеты.

Созданная база данных результатов автоматизированного контроля знаний, позволяет преподавателю скорректировать свою деятельность и мотивирующее воздействие на студентов. Таким образом, диагностика качества обучения студентов с помощью автоматизированных систем контроля знаний студентов обладает определенными преимуществами перед традиционными методами контроля знаний за счет повышения объективности, дифференцированности и эффективности контроля.