КЛАСТЕРНЫЙ АНАЛИЗ В СТРУКТУРЕ ИНФОРМАТИЗАЦИИ ДИДАКТИЧЕСКОГО ПРОЦЕССА
Введение
Интеграция педагогических и информационных технологий - одна из тенденций развития педагогической науки и пpaктики. Известно, что технология хаpaктеризуется тремя аспектами - информационным, инструментальным и социальным. Анализ научно-методической литературы и педагогической пpaктики показал, что в настоящее время недостаточно разработан информационный аспект педагогических информационных технологий, т.е. методы обработки информации в педагогическом управлении. По-прежнему в большинстве случаев и прогнозирование учебных достижений обучающихся, и принятие педагогических решений для коррекции дидактического процесса происходит умозрительно. Проблема исследования заключается в вопросе: какие математические методы обработки информации позволят автоматизировать прогнозирование учебных достижений обучающихся и принятие педагогических решений? Цель исследования - изучить роль кластерного анализа данных в процессе интеграции педагогических и информационных технологий.
Методы исследования
Под кластерным анализом понимают разбиение совокупности объектов на непересекающиеся подмножества (кластеры) с целью выделения групп схожих объектов. Кластеризация возможна как по количественным параметрам, так и качественным.
Результаты исследования
С точки зрения авторов, научно обоснованное прогнозирование учебных достижений обучающихся и принятие точных педагогических решений возможно только на основе кластеризации обучающихся. Ее следует производить на основе количественных показателей, отражающих как результаты учебной деятельности обучающихся, так и ее факторы (их можно получить в результате пропедевтического контроля и т.д.).
Ранее авторами статьи была разработана методика матричного моделирования сложных педагогических систем, основанная на получении матрицы вероятностей взаимосвязи между переменной-фактором и переменной-откликом. Обобщим данную методику.
Пусть S - набор прогнозируемых параметров (т.е. результатов учебной деятельности обучающихся), К - множество обучающихся. Тогда (при этом ), где N - число кластеров (групп обучающихся, схожих по выбранным параметрам). Необходимо помнить, что педагог может проводить дидактический процесс в нескольких учебных или академических группах. В этом случае , где L - количество учебных (академических) групп, Gi - множество обучающихся в I-й группе. Очевидно, что следует различать академические и кластерные группы. Например, обучающиеся одной кластерной группы могут принадлежать различным академическим группам (и наоборот).
По своей сути, S - многомерный вектор прогнозируемых параметров (D - их число, или размерность вектора). Для каждого параметра Si ( ) производят разбиение диапазона его возможных значений на непересекающиеся поддиапазоны. Множество числовых значений каждого поддиапазона принимают за квантованное значение переменной Si. Тогда конкретное значение многомерного вектора S составит комбинация квантованных значений составляющих его переменных.
Формируют матрицу вероятности, строками которой являются кластеры обучающихся, столбцами - комбинация прогнозируемых параметров для кластера. Пересечение строки и столбца отражает вероятность того, что для I-й кластерной группы набор прогнозируемых параметров примет j-е значение (обозначим ). Очевидно, что . Информационная энтропия (неопределенность) прогноза для I-го кластера .
Основные факторы уменьшения энтропии прогноза - сужение кластеров (это означает увеличение их количества) и сбор как можно большего объема информации о поведении объектах, относящихся к данному кластеру (информацию об обучающихся, факторах и результатах их учебной деятельности следует хранить в базе данных).
Возникает первый вопрос: каким образом формировать кластерные группы, т.е. выделять схожие объекты? Предложенный алгоритм состоит в следующем. Выделяют набор переменных W (пусть их число равно Q), по которым будут производить кластеризацию обучающихся (может не совпадать с S). Значения всех переменных путем расчетов преобразуют в условные баллы по R-балльной шкале (методы такого преобразования ранее были описаны авторами). Пусть εi - значимость (вес) I-го показателя ( ), при этом . Тогда расстояние в фазовом прострaнcтве (прострaнcтве признаков) между обучающимся (1) и обучающимся (2) составит , где и - соответственно значение (в баллах) I-го параметра для обучающегося (1) и обучающегося (2). Данных обучающихся относят к одному кластеру, если , где Δ - наперед заданное число, зависящее от рода задачи и необходимой точности ее решения.
Возникает второй вопрос: какие переменные следует отбирать во множество W - латентные (т.е. интегральные показатели) или индикаторные (т.е. дифференциальные показатели)? Ответ на данный вопрос во многом зависит от рода задачи, но в большинстве случаев, безусловно, более целесообразно применение интегральных параметров. В теории и пpaктике физического воспитания это могут быть физические качества (сила, быстрота, гибкость, выносливость и ловкость), здоровье, мотивация к занятиям физической культурой и т.д. В профессиональном образовании это может быть обученность, компоненты профессиональной компетентности будущего специалиста и т.д.
Аналогичным образом применяют кластерный анализ при принятии педагогических решений. Для каждого кластера обучающихся педагог в процессе своей деятельности (зачастую многолетней) отбирает наиболее рациональные варианты принятых решений, накапливая их в базе знаний (разновидность базы данных). Это позволяет сократить время на принятие верных педагогических решений и сделать данный процесс оперативным.
Кластерный анализ позволит существенно улучшить проведение педагогического эксперимента (включая обработку его результатов). При этом контрольную и экспериментальную группы можно разбить на кластеры, для каждого из которых следует вычислять эффективность апробируемой педагогической технологии в соответствии с общеизвестной схемой ROXO. Это позволит выявить условия эффективности апробируемой технологии (для одних кластеров она может оказаться эффективной, для других - нет).
Следует отметить, что применение кластерного анализа в обучении (управлении процессом усвоения знаний) и физическом воспитании (управлении процессом физического развития) во многом сходны между собой. Наиболее существенное отличие состоит в том, что в теории, методике и пpaктике физического воспитания приходится учитывать, помимо количественных параметров, качественные показатели (например, пoлoвые особенности, наличие или отсутствие заболеваний и т.д.). В этом случае производят предварительное разбиение множества обучающихся на подмножества по качественным показателям, а образовавшиеся подмножества подвергают кластерному анализу по количественным параметрам.
Заключение
Применение математических методов обработки информации - необходимое условие выведения научно-методической и педагогической деятельности на новый уровень. Кластерный анализ должен стать неотъемлемым компонентом методической системы математизации и информатизации педагогической науки и пpaктики. Пpaктическое значение кластерного анализа состоит в том, что его применение позволит оптимально совместить фронтальный и индивидуальный подходы к обучающимся.
Статья в формате PDF 129 KB...
18 03 2024 11:19:45
Статья в формате PDF 281 KB...
17 03 2024 17:40:41
Статья в формате PDF 131 KB...
16 03 2024 4:22:34
Статья в формате PDF 107 KB...
15 03 2024 6:20:34
Статья в формате PDF 111 KB...
14 03 2024 6:42:22
Статья в формате PDF 249 KB...
12 03 2024 0:47:50
11 03 2024 23:12:50
Статья в формате PDF 342 KB...
10 03 2024 16:17:12
Рассмотрены корреляты как дополнительные параметры описания объектов. Рассмотрены виды коррелят. Раскрывается понятие коррелятивные показатели. Показано, как влияют корреляты на качество анализа и оценки. Для этого использовано понятие информационная модель объекта. Введено понятие коррелятивной информационной модели объекта (КИМО) Введено понятие производного коррелятивного показателя. (ПКП) Показано, что использование коррелятивного показателя позволяет создавать нелинейные экономико-математические модели. Эти нелинейные модели дают более точное описание изменения стоимости комплексов из разных объектов при существенном влиянии коньюнктурных факторов. Раскрыты основы коррелятивного подхода как инструмента описания, анализа и экономической оценки. Приведены примеры использования коррелятивного подхода. Показаны преимущества коррелятивного подхода. ...
09 03 2024 21:11:35
Статья в формате PDF 226 KB...
07 03 2024 6:29:48
Статья в формате PDF 135 KB...
06 03 2024 6:52:11
Статья в формате PDF 118 KB...
04 03 2024 7:33:37
Статья в формате PDF 110 KB...
03 03 2024 17:29:16
Статья в формате PDF 722 KB...
02 03 2024 7:49:27
Установлены специфические особенности микробного населения почв мерзлотных горно-таежных техногенных ландшафтов Эльконского ураново-рудного района на территории Южной Якутии. Такие как высокая численность эколого-трофических групп микроорганизмов (2,0·103–7,6·107 кл/г), сопоставимая с плотностью микробов в лугово-степных почвах Центральной Якутии и особый хаpaктер распределения их по профилю почв в зависимости от содержания в них урана. В почве радиоактивно-загрязненного разреза с уменьшением содержания урана до 161 мг/кг наблюдается увеличение численности всех исследованных групп микроорганизмов. В остальных образцах данного разреза с увеличением содержания урана в почве наблюдается исчезновение или спад численности микроорганизмов на 1–2 порядка. В отличие от загрязненного разреза в почве нативного ландшафта численность микроорганизмов остается достаточно высокой по всему почвенному профилю. ...
01 03 2024 13:51:23
Статья в формате PDF 133 KB...
29 02 2024 0:39:36
Статья в формате PDF 113 KB...
28 02 2024 8:34:43
Статья в формате PDF 113 KB...
27 02 2024 9:33:37
Статья в формате PDF 110 KB...
26 02 2024 18:45:57
Статья в формате PDF 274 KB...
25 02 2024 14:32:36
Статья в формате PDF 107 KB...
24 02 2024 14:33:50
Статья в формате PDF 104 KB...
23 02 2024 18:58:43
Статья в формате PDF 127 KB...
22 02 2024 21:30:46
Статья в формате PDF 116 KB...
21 02 2024 6:12:54
Статья в формате PDF 102 KB...
20 02 2024 21:16:25
Статья в формате PDF 138 KB...
19 02 2024 20:22:26
Статья в формате PDF 111 KB...
18 02 2024 4:53:37
В статье рассмотрен интенсивный подход к структурированию экономики и обоснованию стратегий региональной экономической политики повышения качества кластера процессов жизнеобеспечения. ...
17 02 2024 6:16:14
Стратегия социально-экономического развития РФ поставило на государственном уровне вопрос о достижении нового качества общего образования – готовности и способности учащихся к непрерывному образованию. В настоящее время в соответствии с основными тенденциями развития современного образования меняются целевые, процессуальные и результативные компоненты учебно-воспитательного процесса и прежде всего в начальной школе. ...
16 02 2024 1:49:10
Статья в формате PDF 109 KB...
15 02 2024 10:31:29
Статья в формате PDF 113 KB...
14 02 2024 13:23:38
Статья в формате PDF 153 KB...
13 02 2024 10:27:20
Статья в формате PDF 222 KB...
12 02 2024 11:41:10
Статья в формате PDF 235 KB...
10 02 2024 17:30:57
Статья в формате PDF 118 KB...
09 02 2024 16:55:44
Еще:
Поддержать себя -1 :: Поддержать себя -2 :: Поддержать себя -3 :: Поддержать себя -4 :: Поддержать себя -5 :: Поддержать себя -6 :: Поддержать себя -7 :: Поддержать себя -8 :: Поддержать себя -9 :: Поддержать себя -10 :: Поддержать себя -11 :: Поддержать себя -12 :: Поддержать себя -13 :: Поддержать себя -14 :: Поддержать себя -15 :: Поддержать себя -16 :: Поддержать себя -17 :: Поддержать себя -18 :: Поддержать себя -19 :: Поддержать себя -20 :: Поддержать себя -21 :: Поддержать себя -22 :: Поддержать себя -23 :: Поддержать себя -24 :: Поддержать себя -25 :: Поддержать себя -26 :: Поддержать себя -27 :: Поддержать себя -28 :: Поддержать себя -29 :: Поддержать себя -30 :: Поддержать себя -31 :: Поддержать себя -32 :: Поддержать себя -33 :: Поддержать себя -34 :: Поддержать себя -35 :: Поддержать себя -36 :: Поддержать себя -37 :: Поддержать себя -38 ::