Классификация методов воспитания таблица: Педагогика – Классификация методов воспитания

Содержание

Методика воспитательной работы Сластенина – Сущность методов воспитания и их классификация

Наука — это система закономерностей, действующих в определенной области. Предмет науки- это то, что она изучает. Предмет педагогики — воспитание.

Главной задачей педагогики как науки является накопление и систематизация знаний о воспитании человека.

Знания фиксируются в понятиях, определениях, общих абстрагированных положениях, закономерностях и законах. Поэтому педагогика наука о законах и закономерностях воспитания. Ее функция — познавать причины и следствия различным образом организованного воспитания, развития, образования и обучения людей и на этой основе указывать педагогической практике лучшие пути и способы достижения поставленных целей.

Теория вооружает педагогов- практиков профессиональными знаниями об особенностях воспитательных процессов людей различных возрастных групп, социальных образований, умениями прогнозировать, проектировать и осуществлять учебно-воспитательный процесс в различных условиях, оценивать его эффективность.

Сущность методов воспитания и их классификация

Понятие о методах воспитания. В сложном и динамичном педагогическом процессе педагогу приходится решать бесчисленное множество типовых и оригинальных задач воспитания, которые всегда являются задачами социального управления, поскольку обращены к гармоничному развитию личности. Как правило, задачи эти — со многими неизвестными, со сложным и вариативным составом исходных данных и возможных решений. Чтобы уверенно прогнозировать искомый результат, принимать безошибочные научно обоснованные решения, педагог должен профессионально владеть методами воспитания.

Под методами воспитания следует понимать способы профессионального взаимодействия педагога и учащихся с целью решения образовательно-воспитательных задач. Отражая двуединый характер педагогического процесса, методы являются одним из тех механизмов, которые обеспечивают взаимодействие воспитателя и воспитанников. Это взаимодействие строится не на паритетных началах, а под знаком ведущей и направляющей роли учителя, который выступает руководителем и организатором педагогически целесообразной жизни и деятельности учащихся.

Метод воспитания распадается на составляющие его элементы (части, детали), которые называются методическими приемами. По отношению к методу приемы носят частный, подчиненный характер. Они не имеют самостоятельной педагогической задачи, а подчиняются той задаче, которую преследует данный метод. Одни и те же методические приемы могут быть использованы в разных методах. И наоборот, один и тот же метод у разных учителей может включать различные приемы.

Методы воспитания и методические приемы тесно связаны между собой, могут совершать взаимопереходы, заменять друг друга в конкретных педагогических ситуациях. В одних обстоятельствах метод выступает как самостоятельный путь решения педагогической задачи, в других — как прием, имеющий частное назначение. Беседа, например, является одним из основных методов формирования сознания, взглядов и убеждений. В то же время она может стать одним из основных методических приемов, используемых на различных этапах реализации метода приучения.

Приемы воспитания(иногда — воспитательные приемы) в отечественной педагогике рассматриваются как конкретные операции взаимодействия воспитателя и воспитуемого (например, создание эмоционального настроя в ходе воспитательной беседы) и обусловливаются целью их применения.

это индивидуальное, педагогически оформленное действие педагога, направленное на сознание, чувства, поведение для решения педагогических задач;

это частное изменение, дополнение, вносимое в общий метод воспитания, соответствующее конкретным условиям воспитательного процесса.

Средства воспитания — это предметы материальной и духовной культуры, которые используются при решении педагогических задач.

Автор учебника «Педагогика» В.А. Сластенин определяет методы воспитания как способы профессионального взаимодействия педагога и учащихся с целью решения образовательно-воспитательных задач. Автор дает понятие «прием воспитания» как элемент метода. Приемы не имеют самостоятельной педагогической задачи, а подчиняются той, которую решает данный метод.

Классификация методов воспитания В.А. Сластенина

МетодыформированиясознанияличностиМетодыорганизациидеятельностииформированияопытаобщественногоповеденияМетодыстимулированияимотивациидеятельностииповеденияличностиМетодысамовоспитания
рассказприучениесоревнованиеконтроль
беседавоспитывающие ситуациипознавательная играсамоконтроль
лекцияпедагогическое требованиедискуссиясамооценка
диспутинструктажэмоциональное воздействие
метод примераиллюстрация демонстрацияпоощрение
наказание

Методы формирования сознания личности

Воспитание должно формировать требуемый тип поведения. Не понятия, убеждения, а конкретные дела, поступки характеризуют воспитанность личности. В этой связи организация деятельности и формирование опыта общественного поведения рассматриваются как сердцевина воспитательного процесса.

Все методы этой группы основаны на практической деятельности воспитанников. Управлять этой деятельностью педагоги могут благодаря тому, что ее удается разбить на составные части — конкретные действия и поступки, а иногда и на более мелкие части — операции.

Убеждение — это разностороннее воздействие на разум, чувства и волю человека с целью формирования у него желаемых качеств. В зависимости от направленности педагогического воздействия убеждение может выступать как доказательство, как внушение, или как их комбинация. Если мы хотим убедить учащегося в истинности какого-то научного положения, то мы обращаемся к его разуму, и в этом случае необходимо выстроить логически безупречную цепочку аргументов, что и будет доказательством. Если же мы хотим воспитать любовь к Родине, к матери, должное отношение к шедевру художественной культуры, то необходимо обратиться к чувствам воспитанника. В этом случае убеждение выступает как внушение. Чаще всего педагог обращается одновременно и к разуму, и к чувствам воспитанника.

Лекция — это развернутое, продолжительное и систематическое изложение сущности той или иной учебной, научной, воспитательной или иной проблемы. Основа лекции — теоретическое обобщение, а конкретные факты, составляющие основу беседы, в лекции служат иллюстрацией или исходным отправным моментом.

Диспут — столкновение мнений с целью формирования суждений, оценок. Это отличает диспут от беседы и лекции и как нельзя лучше отвечает обостренной потребности подростков и молодых людей в самоутверждении, стремлению искать смысл в жизни, ничего не принимать на веру, обо всем судить самостоятельно. Диспут учит умению защищать свои взгляды, убеждать в них других людей и в то же время требует мужества отказаться от ложной точки зрения, выдержки не отступать от этических норм и требований.

Пример как метод педагогического воздействия основывается на стремлении воспитанников к подражанию. Давно известно, что слова учат, а примеры влекут. Всматриваясь в других людей, наблюдая и анализируя живые образцы высокой нравственности, патриотизма, трудолюбия, мастерства, верности долгу и т.д., воспитанник глубже и нагляднее осмысливает сущность и содержание социально-нравственных отношений. Особое значение имеет личный пример педагога-воспитателя.

4. Методы организации деятельности и формирования опыта поведения

Упражнение — это планомерно организованное выполнение воспитанниками различных действий, практических дел с целью формирования и развития их личности.

Приучение — это организация планомерного и регулярного выполнения определенных действий в целях формирования хороших привычек. В учебном процессе все упражнения — специальные, а в воспитательной работе — это приучение к выполнению элементарных правил поведения, связанных с внешней культурой.

Методы стимулирования поведения и деятельности

Соревнование. Последние десятилетия к этим традиционным рычагам манипулирования деятельностью и поведением человека данные научных исследований позволяют добавить еще один — субъективно-прагматический. Научные исследования и практика подтверждают, что отличительная черта нынешних подрастающих поколений — ярко выраженное деловое (прагматическое), потребительское отношение к жизни, вытекающее из него избирательное отношение к воспитанию, его ценностям.

Стимулирование — это побуждение, толчок к мысли, чувству, действию.

Соревнование в учебных заведениях сродни лучшим образцам соперничества спортивного. Главная задача педагога — не дать соревнованию выродиться в жесткую конкуренцию и в стремление к первенству любой ценой. Соревнование должно быть проникнуто духом товарищеской взаимопомощи и доброжелательности. Хорошо организованное соревнование стимулирует достижение высоких результатов, развитие ответственности и инициативы.

Поощрение — это сигнал о состоявшемся самоутверждении, потому что в нем содержится общественное признание того подхода, того образа действия и того отношения к действию, которые избраны и реализуются учащимся. Чувство удовлетворения, которое испытывает поощренный воспитанник, вызывает у него прилив сил, подъем энергии, уверенность в своих силах и, как следствие, сопровождается высокой старательностью и результативностью. Но самый главный эффект от поощрения — возникновение острого желания вести себя так и действовать таким образом, чтобы испытать это состояние психического комфорта как можно чаще. Педагогическая целесообразность поощрения возрастает при работе с воспитанниками несмелыми, застенчивыми, неуверенными в себе. В то же время поощрение не должно быть слишком частым, чтобы не привести к обесцениванию, ожиданию награды за малейший успех. Предметом особый заботы педагога должно быть недопущение раздела воспитанников на захваленных и обойденных вниманием. Важнейшее условие педагогической эффективности поощрения — принципиальность, объективность, понятность для всех, поддержка общественным мнением, учет возрастных и индивидуальных особенностей воспитанников.

Наказание — один из старейших методов воспитания. Обосновывая правомерность наказания как метода воспитания А.С. Макаренко писал: «Разумная система взысканий не только законна, но и необходима. Она помогает оформиться крепкому человеческому характеру, воспитывает чувство ответственности, тренирует волю, человеческое достоинство, умение сопротивляться соблазнам и преодолевать их». Наказание корректирует поведение воспитанника, заставляет его задуматься, где и в чем он поступил неправильно, вызывает чувство неудовлетворенности, стыда, дискомфорта. Педагогические требования к применению мер наказания следующие:

· нельзя наказывать за неумышленные поступки;

· нельзя наказывать наспех, без достаточных оснований, по подозрению: лучше простить десять виновных, чем наказать одного невиновного;

· сочетать наказание с убеждением и другими методами воспитания;

· строго соблюдать педагогический такт;

· опираться на понимание и поддержку общественного мнения;

· учитывать возрастные и индивидуальные особенности воспитанников.

Весьма существенным в методике воспитания было в трудах П.П. Блонского и С. Т. Шацка отчетливо выдвигается идея о внутреннем стимулировании учащихся в процессе воспитания, которая потом стала активно разрабатываться нашей психологией. С. Т. Шацкий обращал серьезное внимание на то, чтобы каждый ребенок был занят увлекательным делом. В статье «Как мы учим» (1928) он отмечал, что «огромное количество причин, создающих нарушение дисциплины в детской среде, происходит от отсутствия у детей интересного дела… Атмосфера занятости да еще интересным делом, если она возбуждается привычным образом, создает хорошую рабочую обстановку, в которой всякий выпад в сторону беспорядка будет неприятен даже для самих детей».

Педагоги используют напряженную общественно-экономическую ситуацию в воспитательных целях. Они, прежде всего, подчеркивают тесную связь хорошего школьного воспитания с будущим социально-экономическим положением человека: на конкретных примерах убеждают, что маловоспитанные, необразованные люди имеют мало шансов занять хорошие должности, оказываются на низкооплачиваемых и непрестижных работах, первыми пополняют ряды безработных. В этой связи воспитание приобретает обостренно-личностную направленность, когда воспитанник изо всех сил стремится заслужить положительные отзывы, которые большинство предприятий в ряде стран сделали обязательным условием для поступления на работу или учебу. Если академические успехи, считают они, зависят от способностей и не каждому даются, то хорошо воспитанными гражданами должны быть все.

На странице курсовые работы по педагогике вы найдете много готовых тем для курсовых по предмету «Педагогика».

Читайте дополнительные лекции:

  1. Взгляды Ушинского на воспитание
  2. Методика изучения семьи
  3. Системы высшего образования в Европе
  4. Личностно-ориентированный подход в обучении младших школьников
  5. Анализ педагогической деятельности
  6. Теоритические аспекты ИОМ в системе индивидуального образования
  7. Технология витагенного образования (А. С. Белкин)
  8. Планирование, содержание и условия реализации коррекционных программ для детей с зпр
  9. Технология раннего и интенсивного обучения грамоте Зайцева
  10. Нормативно-правовые и этические основы деятельности социального педагога

Классификация методов воспитания

метки: Воспитание, Воспитательный, Подход, Понятие, Ребенок, Взаимодействие, Рожков, Человек

СОДЕРЖАНИЕ СЕМИНАРСКИХ ЗАНЯТИЙ

ПО ДИСЦИПЛИНЕ «ТЕОРИЯ ВОСПИТАНИЯ»

 

Раздел 1.

СЕМИНАР 1

Сущность воспитания и его место в целостной структуре образовательного процесса

(2 часа)

Вопросы для обсуждения

1. Понятие воспитания. Общие признаки воспитания.

2. Роль воспитания в процессе социализации, формирования личности ребенка.

3. Проблема определения цели воспитания.

4. Естественнонаучная основа процесса воспитания.

5. Классические педагогические идеи в области воспитания.

6. Воспитание как управление развитием личности.

 

Практические задания

1. Составьте аннотацию статьи по вопросам воспитания из журнала «Педагогика», «Воспитание школьников» и др. (за последние три года).

Оформите задание в печатном варианте и представьте его к сдаче в накопительной папке «портфолио».

2. Законспектируйте один из разделов книги по воспитанию (за последние пять лет).

Оформите задание в печатном варианте и представьте его к сдаче в накопительной папке «портфолио». (Конспект № 1)

3. Составьте список литературы для использования при подготовке к занятиям по теории воспитания.

 

Литература

1. Методика воспитательной работы: учеб. пособие для студ. высш. учеб. заведений / под ред. В. А. Сластенина. – М.: Издательский центр «Академия», 2008. – С. 3 – 14.

2. Острые проблемы воспитания: поиски решения. Серия «Библиотека Федеральной программы развития образования». – М.: Изд. дом «Новый учебник», 2003. – С. 8 – 26.

3. Подласый И.П. Педагогика. — М., 2001.

4. Рожков М.И., Байбородова Л.В. Теория и методика воспитания: уч. пос. для студ. высш. учеб. завед. – М.: Изд-во ВЛАДОС-ПРЕСС, 2004. – С. 6 – 21.

СЕМИНАР 2

Современные концепции воспитания

(2 часа)

Вопросы для обсуждения

1. Принципы педагогики сотрудничества (Ш. А. Амоношвили) и их реализация в современной воспитательной практике.

8 стр., 3526 слов

Воспитание и самовоспитание личности вопросы

… обучении. Такой подход к обучению в гуманистической педагогике позволяет говорить об определяющей роли воспитания в педагогическом процессе. Процесс воспитания включает в себя и перевоспитание, понимаемое как … в случае семейных проблем, трудностей в учёбе, общении и проф. деятельности. В теории воспитания в подходах к определению понятия «воспитание» можно выделить два направления. В основе …

2. Системное построение процесса воспитания (Караковский В.Н., Новикова Л.И., Селиванова Н.Л.)

3.Формирование образа жизни, достойной Человека (Щуркова Н.Е.)

4.Воспитание ребенка как человека культуры (Бондаревская Е.В.)

5.Концепция педагогики свободы (Газман О.С.)

6.Самовоспитание школьника (Селевко Г.К.)

7.Воспитание на основе потребностей человека (Созонов В. П.)

8.Эвристика для творческого саморазвития (Андреев В.И.)

Практические задания

1. Законспектируйте один из первоисточников о современных концепциях воспитания.

Литература

1. Андреев В.И. Педагогика творческого саморазвития.

2. Газман О.С. Педагогика свободы: путь в гуманистическую цивилизацию XXI века

// Новые ценности образования. Вып. № 6. – М., 1996.

3. Караковский В.А., Новикова Л.И., Селиванова Н. Л. Воспитание? Воспитание… Воспитание! Теория и практика школьных воспитательных систем. М.: Новая школа, 1996.

4. Рожков М.И., Байбородова Л.В. Теория и методика воспитания: уч. пос. для студ. высш. учеб. завед. – М.: Изд-во ВЛАДОС-ПРЕСС, 2004. – С. 80 – 93.

 

СЕМИНАР 3

Понятие о содержании воспитания.

Методы воспитательного руководства, задачи и средства.

(2 часа)

Вопросы для обсуждения

1. Формирование базовой культуры и мировоззрения учащихся.

2. Развитие социально зрелой личности.

3. Основы нравственного воспитания.

4. Эстетическое воспитание.

5. Гражданское воспитание.

6.Трудовое воспитание в современной школе.

7.Физическое воспитание детей в семье и школе.

8.Экономическое образование и воспитание школьников.

 

Практические задания

 

1. Используя «Программу воспитания школьника» Н.Е. Щурковой, конкретизируйте содержание воспитательной деятельности по одному из разделов по следующей схеме:

 

Название раздела Класс Содержание работы
     

 

 

Литература

1. Бондаревская Е. В. Воспитание как возрождение человека культуры и нравственности. – Ростов н/Д, 1991.

2. Воспитательная деятельность педагога: учеб. пособие для студ. высш. учеб. заведений / И .А. Колесникова, Н. М. Борытко, С.Д. Поляков и др. – М., 2005.

3. Рожков М.И., Байбородова Л.В. Теория и методика воспитания: уч. пос. для студ. высш. учеб. завед. – М.: Изд-во ВЛАДОС-ПРЕСС, 2004. – С. 155 – 161.

СЕМИНАР 4

Система форм и методов воспитания.

Классификация методов воспитания.

(2 часа)

Цель:Овладеть понятиями «метод воспитания», «прием», «система методов»; знать классификации методов воспитания; различать методы воспитания и приемы воздействия; отработать умение выбора методов воспитания и приемов воздействия.

Форма проведения:Беседа и практикум.

1. Понятие метода воспитания.

2. Классификация методов воспитания.

3. Выбор методов и приемов воспитания.

Ход занятия

Беседа по следующим вопросам.

1. Проанализируйте различные подходы к определению методов воспитания, используя указанную литературу.

2. Дайте характеристику отдельных методов и приемов воспитания, определите условия выбора конкретного метода или приема.

 

Практикум.
Задание: Подберите педагогическую ситуацию, предложите свои методы воспитания или приемы педагогического воздействия. Аргументируйте свой выбор.

Литература

1. Методика воспитательной работы: учеб. пособие для студ. высш. учеб. заведений / под ред. В. А. Сластенина. – М.: Издательский центр «Академия», 2008.

2. Натанзон Э. Ш Психологический анализ поступков ученика. – М., 1991.

3. Педагогика / под ред. П. И. Пидкасистого, – М. – 2000.

4. Российская педагогическая энциклопедия. – М., 1993. – Т. 1. – С. 569.

5. Щуркова К Е., Питюков В. Ю. и др. Новые технологии воспитательного процесса. – М., 1994.

 

1. Охарактеризуйте и проанализируйте различные классификации методов воспитания (А. С. Макаренко, С. Т. Шацкого, Т. А. Ильиной, Г. И. Щукиной. Т.Д. Конниковой, Л. Ю. Гордина, В. М. Коротова, Б. Т.Лихачева, Ю. К. Бабанского, П. И. Пидкасистого, В.А. Сластевина, Н. Е. Щурковой и др.).

2. Проанализируйте различия в понятиях «метод воспитания» и «прием педагогического воздействия».

3. Дайте характеристику методов педагогического воздействия (педагогического требования, перспективы, общественного мнения, поощрения, наказания и др.).

 

Практикум.
Задание: Подберите педагогическую ситуацию, предложите свои методы воспитания или приемы педагогического воздействия. Аргументируйте свой выбор.

1. Методика воспитательной работы: учеб. пособие для студ. высш. учеб. заведений / под ред. В. А. Сластенина. – М.: Издательский центр «Академия», 2008.

2. Натанзон Э. Ш Психологический анализ поступков ученика. – М., 1991.

3. Педагогика / под ред. П. И. Пидкасистого, – М. – 2000.

4. Российская педагогическая энциклопедия. – М., 1993. – Т. 1. – С. 569.

5. Щуркова К Е., Питюков В. Ю. и др. Новые технологии воспитательного процесса. – М., 1994.

 

СЕМИНАР 5

Воспитательный процесс

  1. Понятие воспитательного процесса. Его цель и сущность.
  2. Динамика воспитательного процесса. Виды воспитательного процесса.
  3. Воспитательная работа.
  4. Воспитательный процесс как педагогически осмысленное формирование у детей жизненного опыта (Рагозина Л.Д., Щуркова Н.Е.)
  5. Изучение эффективности воспитательного процесса.

 

Практические задания

1. Сравните воспитательный процесс в различных известных вам учебных заведениях. Оформите в виде аналитической записки.

2. Составьте описание воспитательной работы, осуществляемой известным вам классным руководителем.

Литература

 

1. Методика воспитательной работы: учеб. пособие для студ. высш. учеб. заведений / под ред. В. А. Сластенина. – М.: Издательский центр «Академия», 2008. С. 14 – 17.

СЕМИНАР 6

СЕМИНАР 7

СЕМИНАР 8

 

СЕМИНАР 9

 

 

СЕМИНАР 11

 

СЕМИНАР 13

 

Практические задания

1. Составьте классификацию воспитательных систем, используя графические изображения, в которой отразились бы их специфические особенности.

2. Законспектируйте один из первоисточников по воспитательным системам (по выбору студента).

Литература

1. Воспитательная система школы. Проблемы и поиски / сост. Н.Л. Селиванова. – М., 1989.

2. Воспитательная система школы: Проблемы управления: Очерки прагматической теории / под ред В.А. Караковского. – М., 1997.

3. Караковский В.А. Воспитательная система школы: Педагогические идеи и опыт формирования. – М., 1992.

Практические задания для самостоятельной работы

  1. Составьте схему, показывающую взаимосвязь различных типов взаимодействия.
  2. Подберите ситуацию, характеризующую тип взаимодействия, и разыграйте ее на занятии микрогруппой или в паре.
  3. Составьте анкету для учащихся с целью выявления уровня и характера взаимодействия между педагогами и учащимися.
  4. Составьте перечень ситуаций, позволяющих выявить характер взаимодействия:

А) между педагогами и учащимися;

Б) между учащимися

6. Подберите направленные на установление и развитие доброжелательных отношений в детском коллективе игры. Одну из них проведите с участниками занятия.

7. Подберите игры, творческие задания, способствующие развитию сотрудничества между детьми. Проведите одну из форм на занятии.

8. Составьте педагогические рекомендации по установлению диалога и сотрудничества: между педагогами и детьми; между детьми.

9. Составьте перечень дел, позволяющих развить сотрудничество старших и младших школьников.

10. Разработайте план подготовки и проведения совместного мероприятия старших и младших учащихся.

11. Разработайте план подготовки и проведения внеклассного занятия с учащимися на тему: «Учимся общаться».

СЕМИНАР 21

Основные направления взаимодействия школы и семьи

(2 часа)

СЕМИНАР 22

Коллектив как объект и субъект воспитания

  1. Понятие коллектива.
  2. Реализация воспитательных функций коллектива.
  3. Развитие детского самоуправления

 

Практические задания

1. Законспектируйте статью: Селиванова Н.Л. Нужен ли современной школе коллектив? // Воспитательная работа в школе. – 2003, № 2. (Конспект № …)

5.Разработайте методики диагностики отношений в детском коллективе.

Литература

1. Методика воспитательной работы: учеб. пособ. для студ. высш. учеб. заведений / Л. К. Гребенкина, Е.М. Аджиева, О. В. Еремкина и др.; под ред. Сластёнина. – М.: Издательский центр «Академия», 2008. – С. 123 – 133.

2. Новикова Л.И. Педагогика детского коллектива. – М., 1978.

1. Рожков М.И. Развитие самоуправления в детских коллективах: учебно-методич. Пособие. М.: «ВЛАДОС», 2002.

 

СЕМИНАР 23

 

Формы организации воспитания.

(2 часа)

 

  1. Классификация форм воспитательной работы.
  2. Диалоговые формы воспитания.
  3. Формы коллективной творческой деятельности.
  4. Игра в воспитательном процессе.
  5. Изучение эффективности и анализа формы воспитательной работы.

Практические задания

1. Законспектируйте из книги: Технологии организации воспитательного процесса в школе. – Йошкар-Ола, ГОУ ДПО (ПК) С «Марийский институт образования», 2007. – С. 36 – 70. (Конспект № …)

2. Разработайте коллективно-творческое дело.

 

Литература

1. Емельянова И.Н. Теория и методика воспитания: учеб. пособие для студ. высш. учеб. заведений / Емельянова И.Н. – М.: Издательский центр «Академия», 2008. – С. 192 – 231.

2. Методика воспитательной работы: учеб. пособ. для студ. высш. учеб. заведений / Л. К. Гребенкина, Е.М. Аджиева, О. В. Еремкина и др.; под ред. Сластёнина. – М.: Издательский центр «Академия», 2008. – С. 123 – 133.

СЕМИНАР 24

Воспитание культуры межнационального общения

(2 часа)

 

Вопросы для обсуждения.

1. Педагогическая культура и национальные традиции воспитания.

2. Проблемы взаимодействия национального и интернационального в сфере воспитания.

3. Использование традиций других народов в воспитании.

4. Патриотизм — характерная особенность питания в народной педагогике.

 

Один из вариантов обсуждения проблемы — круглый стол «Межнациональное взаимопонимание — залог мирного будущего России (мира)».

• Основные пути урегулирования межэтнических отношений) интеграция, ассимилящия, деэтнизация, истребление.

• Культура межнационального общения. Понятие кросскультурной грамотности. Уровни понимания и принятия культур другого народа.

• Общие и отличительные черты в народах, национальностях.

Литература

1. Педагогика межнационального общения: учеб. пособие / под ред. И.Латышиной. — М., 2004.

2. Рожков М. Я., Байбородова Л. В. Теория и методика воспитания. — 2004.

3. Рожков М Я. Воспитание толерантности у школьников: учеб.-метод. пособие. — Ярославль, 2003.

 

Современные подходы к воспитанию (4 ч.)

  1. Системный подход к воспитанию. Основные составляющие системного подхода.
  2. Деятельностный подход в воспитании учащихся.
  3. Личностно-ориентированный подход в воспитательной деятельности.
  4. Культурологический подход в воспитании.
  5. Ценностный подход к воспитанию.
  6. Гуманистический подход.
  7. Философско-антропологический подход к воспитанию ребенка.
  8. Синергетический подход как современная методологическая ориентация.

Современные концепции воспитания (6 ч.)

  1. Принципы педагогики сотрудничества (Ш. А. Амоношвили) и их реализация в современной воспитательной практике.
  2. Системное построение процесса воспитания (Караковский В.Н., Новикова Л.И., Селиванова Н.Л.)
  3. Системно-ролевая теория формирования личности ребенка (Таланчук Н.М.)

4. Воспитание как педагогический компонент социализации ребенка.

  1. Формирование образа жизни, достойной Человека (Щуркова Н.Е.)
  2. Воспитание ребенка как человека культуры (Бондаревская Е.В.)
  3. Концепция педагогики свободы (Газман О.С.)
  4. Самовоспитание школьника (Селевко Г.К.)
  5. Воспитание на основе потребностей человека (Созонов В. П.)
  6. Эвристика для творческого саморазвития (Андреев В.И.)

 

СЕМИНАР 25

Практическая работа по дисциплине “педагогика” на тему “Методы воспитания. Методы формирования сознания личности”

Раздел 2. Теория и практика воспитания.

Практическая работа по теме: Методы воспитания.

Задание 1. Прочитайте параграф, письменно ответьте на вопросы к параграфу.

Вопросы:

  1. Что такое методы воспитания?

  2. Что такое приём воспитания?

  3. Какие группы методов воспитания существуют в педагогике согласно классификации И.П. Подласого? (зарисовать схему)

Методы воспитания — это пути (способы) достижения заданной цели воспитания. Применительно к школьной практике можно сказать, что методы— это способы воздействия на сознание, волю, чувства, поведение воспитанников с целью выработки у них заданных качеств.

Практика воспитания использует, прежде всего, те из них, которыми вели своих учеников воспитатели, жившие прежде нас. Эти пути называются общими методами воспитания. Однако во многих случаях общие методы воспитания могут оказаться малоэффективными, поэтому перед воспитателем всегда стоит задача найти новые, неизведанные пути, которые максимально соответствуют конкретным условиям воспитания, позволяют быстрее и с меньшими усилиями добиваться намеченного результата. Конструирование, выбор и правильное применение методов воспитания — вершина педагогического профессионализма.

Однако создать принципиально новый метод воспитания ни одному воспитателю не под силу, хотя задача совершенствования методов стоит постоянно, и каждый воспитатель в меру своих сил и возможностей ее решает, внося в разработку общих методов свои частные изменения, дополнения, соответствующие конкретным условиям воспитательного процесса. Такие частные совершенствования методов называются приемами воспитания. Прием воспитания — часть общего метода, отдельное действие (воздействие), конкретное улучшение. Образно говоря, приемы — это неизведанные тропинки, которые прокладывает воспитатель вместе со своими воспитанниками, чтобы быстрее достичь цели. Если ими начинают пользоваться и другие воспитатели, то постепенно приемы могут превратиться в широкие столбовые пути — методы. Знание методов и приемов воспитания, умение правильно их применять — одна из важнейших характеристик педагогического мастерства. Такова связь методов и приемов воспитания.

Все методы воспитания принято классифицировать (подразделять) на три группы.

сознания

Классификация методов воспитания (по И.П. Подласый)

Задание 2. Прочитайте теоретический материал, ответьте на вопрос письменно: Какую воспитательную функцию выполняют методы формирования сознания личности?

Задание 3. Письменно раскройте суть следующих методов воспитания: рассказ на этическую тему, разъяснение, внушение, увещевание, этическая беседа, диспут, пример.

Рассмотрим первую группу методов воспитания согласно классификации И.П. Подласого.

Методы формирования сознания личности

Для формирования взглядов, понятий, убеждений используются методы, получившие общее название методов формирования сознания личности. Методы этой группы очень важны и для успешного прохождения следующего важного этапа воспитательного процесса — формирования чувств, эмоционального переживания требуемого поведения.

1) Рассказ на этическую тему, который используется преимущественно в младших и средних классах, — это яркое эмоциональное изложение конкретных фактов и событий, имеющих нравственное содержание. Воздействуя на чувства, рассказ помогает воспитанникам понять и усвоить смысл моральных оценок и норм поведения. Хороший рассказ не только раскрывает содержание нравственных понятий, но и вызывает у школьников положительное отношение к поступкам, соответствующим нравственным нормам, влияет на поведение. У рассказа на этическую тему несколько функций: служить источником знаний, обогащать нравственный опыт личности опытом других людей. Наконец, еще одна важная функция рассказа — служить способом использования положительного примера в воспитании. К условиям эффективности этического рассказа относятся следующие.

1. Рассказ должен соответствовать социальному опыту школьников. В младших классах он краток, эмоционален, доступен, соответствует переживаниям детей. Рассказ для подростков более сложный: им гораздо ближе поступки, которые волнуют своим высоким смыслом.

2. Рассказ сопровождается иллюстрациями, которыми могут стать произведения живописи, художественные фотографии, изделия народных умельцев. Усиливает его восприятие хорошо подобранное музыкальное сопровождение.

3. Обстановка имеет большое значение для восприятия этического рассказа. Эмоциональное воздействие окружающей обстановки должно соответствовать замыслу и содержанию рассказа. В арсенале педагогических средств профессионального воспитателя всегда наготове рассказ для любой обстановки — походного костра, автобусного путешествия, неубранного поля и уютной комнаты, площади большого города или весеннего сада.

4. Рассказ производит должное впечатление только тогда, когда выполняется профессионально. Неумелый, косноязычный рассказчик не может рассчитывать на успех.

5. Рассказ обязательно должен переживаться слушателями. Нужно позаботиться, чтобы впечатления от него сохранялись как можно дольше. Нередко воспитательное значение этического рассказа сильно снижается только из-за того, что сразу после него дети переходят к делу, совершенно отличному и по содержанию, и по настроению, например к спортивному соревнованию. Разъяснение — метод эмоционально-словесного воздействия на воспитанников. Важная черта, отличающая разъяснение от объяснения и рассказа, — ориентированность воздействия на данную группу или отдельную личность.

2) Разъяснение применяется только там и только тогда, когда воспитаннику действительно необходимо что-то объяснить, сообщить о новых нравственных положениях, так или иначе, повлиять на его сознание и чувства. Но разъяснения не нужны там, где речь идет о простых и очевидных нормах поведения в школе и обществе: нельзя резать и разрисовывать парту, грубить, плевать и т. д. Здесь необходимы категорические требования. Разъяснение применяется:

а) чтобы сформировать или закрепить новое моральное качество или форму поведения;

б) для выработки правильного отношения воспитанников к определенному поступку, который уже совершен (например, весь класс не пришел на урок).

3) В практике школьного воспитания разъяснение опирается на внушение. Для последнего характерно некритическое восприятие школьником педагогического воздействия. Внушение, проникая незаметно в психику, действует на личность в целом, создавая установки и мотивы деятельности. Дети и подростки особенно внушаемы. Педагог, опираясь на эту специфику психики, использует внушение в тех случаях, когда воспитанник должен принять определенные установки. Внушение используется для усиления воздействия других методов воспитания.

4) В практике воспитания прибегают и к увещеваниям, сочетающим просьбу с разъяснением и внушением. Действие увещевания почти целиком зависит от принятой воспитателем формы обращения. Применяя увещевание как воспитательный метод, педагог проектирует в личности воспитанника положительное, вселяет веру в лучшее, в возможность достигнуть высоких результатов. Педагогическая эффективность увещевания также зависит от авторитета воспитателя, его личных нравственных качеств, убежденности в правоте своих слов и действий. Опора на положительное, похвала, обращение к чувствам собственного достоинства, чести создают необходимые предпосылки для почти безотказного действия увещевания даже в очень сложных ситуациях воспитания. Увещевание иногда принимает форму возбуждения чувств стыда, покаяния, неудовлетворенности собой, своими поступками. Педагог не только вызывает эти чувства и заставляет воспитанника переживать их, но и указывает пути к исправлению.

5) Этическая беседа — метод систематического и последовательного обсуждения знаний, предполагающий участие обеих сторон — воспитателя и воспитанников. Беседа отличается от рассказа, инструктажа именно тем, что воспитатель выслушивает и учитывает мнения, точки зрения своих собеседников, строит свои отношения с ними на принципах равноправия и сотрудничества. Этической беседа называется потому, что ее предметом чаще всего становятся нравственные, моральные, этические проблемы. Цель этической беседы — углубление, упрочение нравственных понятий, обобщение и закрепление знаний, формирование системы нравственных взглядов и убеждений. Этическая беседа — метод привлечения воспитанников к выработке правильных оценок и суждений по всем волнующим их вопросам. Эффективность этической беседы зависит от соблюдения ряда важных условий.

1. Очень важно, чтобы беседа имела проблемный характер, предполагала борьбу взглядов, идей, мнений. Воспитатель должен стимулировать нестандартные вопросы, помогать школьникам самим находить на них ответы.

2. Нельзя допускать, чтобы этическая беседа развивалась по заранее составленному сценарию с заучиванием готовых или подсказанных взрослыми ответов. Нужно дать ребятам возможность говорить то, что они думают, учить их с уважением относиться к мнениям других, терпеливо и аргументированно вырабатывать правильную точку зрения.

3. Нельзя допускать также, чтобы беседа превращалась в лекцию: воспитатель говорит, воспитанники слушают. Лишь откровенно высказанные мнения и сомнения позволяют воспитателю направить беседу так, чтобы ребята сами пришли к правильному пониманию сущности обсуждаемого вопроса. Успех зависит от того, насколько теплым будет характер беседы, раскроют ли в ней воспитанники свою душу.

4. Материал для беседы должен быть близок эмоциональному опыту воспитанников. Нельзя ожидать и требовать от них активности при обсуждении трудных вопросов или таких, в которых за основу берутся факты, явления, связанные с непонятными или чуждыми событиями, чувствами. Только при опоре на реальный опыт беседы на отвлеченные темы могут быть успешными.

5. В ходе беседы важно выявить и сопоставить все точки зрения. Ничье мнение не может быть проигнорировано, это важно со всех точек зрения — объективности, справедливости, культуры общения.

6. Правильное руководство этической беседой заключается в том, чтобы помочь воспитанникам самостоятельно прийти к правильному выводу. Для этого воспитателю нужно уметь смотреть на события или поступки глазами воспитанника, понимать его позицию и связанные с ней чувства. Ошибочно думать, будто беседа — спонтанный метод. Высокопрофессиональные воспитатели проводят беседы не часто и готовятся к ним основательно. Этические беседы строятся по такому примерно сценарию: сообщение конкретных фактов; объяснение этих фактов и их анализ с активным участием всех собеседников; обсуждение конкретных аналогичных ситуаций; обобщение наиболее существенных признаков конкретных моральных качеств и сопоставление их с ранее усвоенными знаниями, мотивация и формулировка морального правила; применение учащимися усвоенных понятий при оценке своего поведения, поведения других людей.

6) Диспуты — это живые горячие споры на разные темы, волнующие воспитанников. Диспуты проводят в средних и старших классах на политические, экономические, культурные, эстетические, правовые темы: «О вкусах спорят», «Право быть или слыть», «Воспитанные ли мы люди?» и т. п. Диспуты ценны тем, что убеждения вырабатываются при столкновении и сопоставлении различных точек зрения. В основе диспута — спор, борьба мнений. Чтобы диспут дал хорошие результаты, к нему нужно готовиться. К диспуту разрабатывается 5—6 вопросов, требующих самостоятельных суждений. С этими вопросами участников диспута заранее знакомят. Иногда воспитатель может назначить участников спора. Выступления должны быть живыми, свободными, краткими. Тексты записывать не надо, иначе диспут будет скучным, формальным. Цель диспута — не вывод, а процесс. Но нельзя допускать, чтобы диспут превращался в спор ради спора. Педагог помогает ребятам дисциплинировать мысль, придерживаться логики доказательств, аргументировать свою позицию. Диспут — сложный метод и требует высокого уровня профессиональной подготовки воспитателя.

7) Пример — воспитательный метод исключительной силы. Его воздействие основывается на известной закономерности: явления, воспринимаемые зрением, быстро и без труда запечатлеваются в сознании. Пример дает конкретные образцы для подражания и тем самым активно формирует сознание, чувства, убеждения, активизирует деятельность. «Долог путь наставлений, — говорил римский философ Сенека, — короток путь примера». Когда говорят о примере, подразумевают прежде всего пример живых конкретных людей — родителей, воспитателей, друзей. Но большую воспитательную силу имеет и пример героев книг, фильмов, исторических деятелей, выдающихся ученых, политических личностей, революционеров. Психологической основой примера служит подражательность. Благодаря ей люди овладевают социальным и нравственным опытом. Не всегда подражательность имеет непосредственный характер, часто мы ее наблюдаем в опосредованной форме — это не механический процесс, не автоматическое перенесение черт, качеств, опыта определенной личности, не простое повторение и отражение. Подражательность — деятельность индивида. Иногда очень трудно определить черту, где заканчивается подражание и начинается творчество. Часто творчество и проявляется в особенном, своеобразном подражании. Исследования показали, что характер подражательной деятельности изменяется с возрастом и по мере накопления социального опыта. Многие качества поведения дети данного возраста приобретают, подражая взрослым. Младшие школьники подражают тем, кто оказывает на них наиболее сильное впечатление. Поэтому, заботясь о развитии нравственности ребенка, очень важно окружить его положительными примерами для подражания. В среднем и старшем школьном возрасте подражательность (наследование) приобретает избирательный, сознательный характер. Подросток все больше опирается на собственный опыт, собственные взгляды и суждения.

ЛЕКЦИЯ № 76. Методы и формы воспитания. Педагогика: конспект лекций

ЛЕКЦИЯ № 76. Методы и формы воспитания

Методы воспитания – это способы воздействия воспитателя (педагога) на сознание учащихся, их волю и чувства с целью формирования у них определенных убеждений и навыков. Существует классификация методов воспитания, которая, однако, составлена весьма условно. Причина этого заключается в том, что каждый из методов отдельно, зачастую, не применяется, а используется, так называемое, комплексное воздействие на учащихся с помощью нескольких методов одновременно. Выделим основные методы воспитания.

Методы, способствующие формированию убеждений. Они применяются в том случае, если ученику необходимо сообщить новую информацию, объяснить что-либо или по-особому воздействовать на его сознание. Ведущую роль в этой группе методов играют методы словесного убеждения. Применение этих методов на практике приводит к появлению специальных форм воспитания.

Фронтальная беседа на воспитательную тему (этическая беседа).

Такие беседы обычно проводятся классным руководителем. Цели и темы этической беседы определяются в соответствии с возрастными особенностями учащихся и уровнем их воспитанности. Одним из видов этической беседы служит воспитательная работа по убеждению ученика в неправильности совершенного поступка. Сущность проступка выявляется на основе аналогии и сопоставления с другими подобными проступками, оценка которых не вызывает у учащихся сомнения.

Индивидуальная беседа с отдельными учащимися. Это наиболее сложная форма воспитания. Основное условие проведения подобной беседы – отсутствие психологического барьера между учеником и учителем. Только в этом случае индивидуальная беседа положительно повлияет на воспитательный процесс.

Проведение диспутов и дискуссий с наиболее острыми проблемными вопросами. Эта форма воспитания предполагает активное участие самого учащегося: подготовка докладов по отдельным вопросам, участие в обсуждении, высказывание своей точки зрения.

Методы, способствующие выработке навыков и привычек правильного поведения. Эти методы имеют свои формы воспитания:

1) проведение воспитательных упражнений. Упражнение (в воспитании) – это создание учителем такой ситуации, в которой ученик проявляет свои навыки правильного поведения. Например, когда ученики приветствуют учителя, то они всегда встают, это привычная, обязательная норма приветствия. Тем самым, ученики учатся уважать педагога;

2) поручение. Таким способом на практике можно проверить те нравственные и этические принципы, которые должен был усвоить ученик в ходе словесного убеждения;

3) переключение – форма воспитания, направленная на отучение учащихся от вредных привычек и их переключение на какой-либо другой вид деятельности.

Методы стимулирования деятельности учащихся. Перечислим основные формы работы с учащимися в рамках данных методов:

1) поощрение. Имеют воспитательную ценность только при рациональном их применении. Самые распространенные формы поощрения – это похвала, награда книгой, «дипломом», похвальной грамотой, медалью и т. п.;

2) наказание. Для того, чтобы оно было эффективным, наказание должно быть осознано как справедливое и залуженное.

Данный текст является ознакомительным фрагментом.

Продолжение на ЛитРес

В деятельности спортивного педагога — Мегаобучалка

 

Под методами осуществления педагогического процесса понимают способы профессионального взаимодействия педагога и учащихся с целью решения образовательно-воспитательных задач.

Методы воздействия на личность оказывают комплексное воздействие на учащегося и крайне редко применяются изолированно, вне связи друг с другом. По этому поводу можно вспомнить известный афоризм А.С.Макаренко, который говорил, что человек формируется в целом, а не по частям. Существует противоречие между тем, что декларируется, описывается в учебниках по педагогике (педагогика как наука всегда стремилась теоретически упорядочить огромное множество методов обучения и воспитания) и реальным педагогическим процессом. Вот почему любая группировка (классификация) методов условна, а рассмотрение каждого из них в отдельности приводится лишь для удобства анализа и выделения их характерных особенностей.

В определённом смысле педагогический процесс можно считать процессом непрерывного слияния обучения и воспитания, но при этом каждый из этих двух разделов педагогической деятельности сохраняет относительную автономию [8].



Хорошо подготовленный и правильно организованный процесс обучения выступает в качестве не только средства усвоения определённых знаний, формирования действий, но и как условие формирования определенных качеств личности. Исходя из этого, он может обеспечивать решение важных воспитательных задач. Знания, приобретённые учащимися в ходе учебного процесса, образуют основу для формирования их мировоззрения, являются важным средством выработки определённых критериев оценки различных природных, общественных, технических и культурных явлений и событий. Эти знания помогают учащимся выработать подходы для правильной оценки поступков как других людей, так и своих собственных, таким образом, они влияют на процесс формирования общественно значимых позиций и убеждений.

Несмотря на выделенное противоречие в системе методов педагогики авторы выделяют методы обучения и методы воспитания. Основные классификации методов обучения приводятся во всех современных учебниках по педагогике [5,7,8].

 

 

Таблица 7.

Классификация методов обучения по Ю.К.Бабанскому

 

Общая схема учебно-познавательной деятельности Классификация Ю. К. Бабанского
                 

 

В основе любой классификации педагогических методов лежит определенный критерий, т.е. главный признак, основание, по которому методы группируются и обособляются.Ю.К. Бабанский в основу классификации положил концепцию деятельности и выделил (таблица 7):

• методы стимулирования учебно-познавательной деятельности и поведения: соревнование, игра, поощрение, наказание и т. д;

• методы организации деятельности и формирования опыта общественного поведения: упражнение, поручение, требование, приучение, создание воспитывающих ситуаций;

• методы контроля, самоконтроля и самооценки: наблюдение, анализ результатов деятельности, опросные методы [4].

Ведущим компонентом учебно-познавательной деятельности является взаимодействие учащегося с учебным материалом, представленным в средствах обучения. На этом основана традиционная классификация или классификация Е. И. Перовского и Д.О. Лордкипанидзе

Е. И. Перовский и Д.О. Лордкипанидзе выделяют по источнику получения знания, следующие методы: словесные, практические и наглядные методы.

Словесные: • рассказ • лекция • беседа • дискуссия • чтение литературы • конспектирование Наглядные: • демонстрация • иллюстрация Практические: • практическая работа • лабораторная работа • упражнения

 

М.Н. Скаткин и И.Я. Лернер в зависимости от уровня включенности занимающегося в продуктивную, творческую деятельность и складывающегося в виду этого характера познавательной деятельности выделяют методы:

Объяснительно-иллюстративный. Метод состоит в том, что учитель сообщает знания, а учащийся воспринимает, осознаёт, запоминает.

Репродуктивный. Учитель организует формирование умений на основе знания, а учащийся воспроизводит, повторяет, обрабатывает умения.

Проблемное изложения. Учитель ставит проблему, показывает путь её решения, а учащийся усваивает логику решения.

Частично-поисковый. Метод включает учащихся в решение проблемы, поставленной учителем, на отдельных этапах.

Исследовательский. Метод предполагает, что учащиеся под руководством учителя решают проблемы, организуют эксперимент и используют другие средства учебного поиска.

Исходя из практической работы педагога, Н.Е. Щуркова предлагает следующие группы методов воспитания:

• Методы, с помощью которых оказывается влияние на сознание воспитанников, формируются их взгляды и представления, осуществляется оперативный обмен информацией – методы убеждения.

• Методы, с помощью которых оказывается влияние на поведение воспитанников, организуется их деятельность, стимулируются ее позитивные мотивы – методы упражнения.

• Методы, с помощью которых оказывается помощь в самоанализе и самооценке воспитанника – методы самооценки [10].

Рассмотренные методы воспитания, бесспорно, не исчерпывают все их многообразие. В конце 70 – начале 80-х годов ленинградские педагоги Т.Е. Конникова и Г.И. Щукина предложили классификацию методов воспитания, где главный критерий – функция метода по отношению к деятельности ребенка: методы формирования общественного сознания, методы формирования положительного опыта, методы стимулирования деятельности. Известный современный московский педагог – новатор и ученый В.А. Караковский предложил классификацию методов воспитания, основным критерием которой избрал средства воспитания и выделил шесть групп методов:

• воспитание отношением;

• воспитание общением;

• воспитание словом;

• воспитание ситуацией;

• воспитание делом;

• воспитание игрой [2].

Даже небольшое перечисление методов обучения и воспитания показывает, что студенту и начинающему спортивному педагогу достаточно трудно разобраться в хитросплетениях теоретиков. В реальных условиях педагогического процесса методы выступают в сложном и противоречивом единстве. Решающее значение здесь имеет не логика отдельных “уединенных” средств, а гармонично организованная их система. Такую систему каждый спортивный педагог может создать самостоятельно, исходя из цели и задач реального педагогического (учебно-воспитательного) процесса.

В настоящем пособии сделана попытка преодолеть выше выделенное противоречие и рассмотреть комплексно методы педагогического воздействия.

Таблица 8.

Особенности обучающего и воспитывающего воздействия

педагогических методов

 

Методы Механизм обучающего воздействия метода Механизм воспитывающего воздействия метода
Метод стимулирования (создание отношений)(воспитание отношением, по В.А.Караков-скому) При положительном эмо-циональном отношении между участниками педагогического процесса учащийся имеет позитивный настрой к применяемым методам и содержанию обучения.   При положительном эмоциональном отношении между участниками пед. процесса учащийся имеет позитивный настрой к применяемым методам воздействия на его поведение и легче воспринимает внушение и убеждение.
Метод стимулирования (общение)(воспитание общением, по В.А.Караков-скому) Стиль общения активизирует или блокирует учебно – познавательную деятельность учащихся Стиль общения активизирует или блокирует творческую самодеятельность учащихся по всем направлениям деятельности.
Метод стимулирования (педагогическое требование).   Выступает как конкретная задача. Стимулирует или «сковывает» действия в виде указаний о начале и конце работы, о переходе к новым действиям, об оказании помощи, о прекращении действий. Помогает воспитаннику уяснить смысл, полезность или необходимость действия, поступка. Выражает нормы поведения человека, которые необходимы для обогащения социального опыта.
Метод стимулирования (поощрение и порицание). Показывает учащемуся степень соответствия выполняемых заданий, работы нормам, требованиям. Побуждение к социально одобряемому поведению. Побудителем выступают поощрение (одобрение) и наказание (осуждение) поступка. Психологической основой этих методов является переживание, самооценка школьника, осмысление поступка, вызванные оценкой учителя и/или товарищей.
Словесные методы (воспитание словом, по .А.Караков- скому ) • рассказлекциядискуссии (беседа, диспут и т.п.) чтение литературы, разнообразные виды конспектирования   Содержание рассказа влияет на формирование картины мира.   Содержание лекции влияет на формирование знаний и картины мира, развитие логического мышления.   Уточняется и конкретизируется картина мира.   Содержание изучаемой литературы влияет на формирование знаний и картины мира.   Учащийся идентифицирует себя с каким либо героем рассказа и подражает ему.   Формируемая картина мира влияет на поведение учащегося, ценностные ориентации.     Удовлетворяется потребность учащихся в признании, в самоутверждении, выкристаллизовываются ценностные ориентации, формируются убеждения     Формируемая картина мира влияет на поведение учащегося, ценностные ориентации
Практические методы.   Формируются практические действия на уровне умений и навыков в различных видах деятельности. Включение юных спортсменов в деятельность создает им условия для действий в соответствии с принятыми в обществе нормами и правилами поведения. Деятельность обеспечивает приобретение детьми практического опыта коллективных отношений.  
Игровые методы(воспитание игрой по В.А.Караков-скому). Комплексное формирование (совершенствование) как двигательных действий на уровне навыка, так и физических качеств. Реализация потребности человека в самоутверждении (осознание успеха как личного, так и группы, т. е. принадлежность к группе), самореализации, в двигательной активности.В игре с её условностью утверждение себя достичь легче, чем в реальной жизненной ситуации. Этот метод характеризуется наличием активного взаимодействия занимающихся, эмоциональностью, что содействует при его применении воспитанию нравственных черт личности: коллективизма, творчества, сознательной дисциплины, и т.д. Формирование волевых качеств
Соревновательные методы (воспитание соревнованием по В.А.Караковскому). Совершенствование технико-тактических действий, а также способности рационально использовать их в усложненных условиях. Смотри игровой метод.
Воспитывающие ситуации(воспитание ситуацией, по В.А.Караков-скому ). Формируются разнообразные компетенции. В спортивной деятельности значимые ситуации не только повторяются очень часто, но протекают они с высокой степенью интенсивности и тем самым способствуют формированию ситуационно-ролевых модулей ценностей.
Деятельностные методы (воспитание делом, по В.А.Караков-скому ). Комплексное формирование компетентностей в деятельностном цикле: цель (мотив), проектирование и планирование деятельности, реализация с коррекцией и контроль. Включение юных спортсменов в деятельность создает им условия для действий в соответствии с принятыми в обществе нормами и правилами поведения. Деятельность обеспечивает приобретение детьми практического опыта коллективных отношений.  

 

Мы склоны придерживаться точки зрения В.А. Караковского, так как возможно использование предложенных методов в качестве элементов «педагогического конструктора». В зависимости от цели и задач, стоящих перед спортивным педагогом, он составляет тот или иной комплекс методов. Но в то же время есть смысл не ограничиваться методами, предложенными В.А. Караковским, а несколько дополнить их, используя теорию и практику деятельности спортивных педагогов.

152830, г. Мышкин, ул. Загородная, д93Средства обучения и воспитания

ИНФОРМАЦИЯ
о средствах обучения и воспитания

Средства образования  включают в себя организационные формы, средства обучения, методы обучения и воспитания, способы и приёмы педагогической диагностики, осуществления обратной связи, критерии эффективного педагогического взаимодействия и воздействия.

Сре́дства обуче́ния — это объекты, созданные человеком, а также предметы естественной природы, используемые в образовательном процессе в качестве носителей учебной информации и инструмента деятельности педагога и обучающихся для достижения целей.

Средство обучения – разнообразнейшие материалы и «орудие» учебного процесса благодаря использованию которых более успешно и за рационально сокращенное время достигнуть поставленной цели обучения.

Под средством обучения понимают: материальный или идеальный объект, который используется учителем и учащимися для усвоения знаний (П. И. Пидкасистый).

Главное дидактическое назначение средств обучения – ускорить процесс усвоения учебного материала, т.е. приблизить учебный процесс к наиболее эффективным характеристикам.

Выделяют 2 группы средств обучения:

а) средства, как источник информации;

б) средства, как инструмент усвоения учебного материала.

Все средства обучения делятся на материальные и идеальные. К материальным средствам относятся учебники, учебные пособия, дидактический материал, тестовый материал, средство наглядности, ТСО (технические средства обучения), лабораторное оборудование.

В качестве идеальных средств выступают общепринятые системы знаковых языков (речь), письмо (письменная речь), системы условных обозначений различных наук, средства наглядности, учебные компьютерные программы, методы и формы организации учебной деятельности и системы требований к обучению.

Обучение становится эффективным в том случае, если материальные и идеальные средства обучения взаимосвязаны и дополняют друг друга.

Идеальные средства обучения

Материальные средства обучения

1 уровень – на уроке:

Произведения искусства, другие достижения культуры (живопись, музыка, литература), средства наглядности (чертежи, рисунки, схемы), учебные компьютерные программы по теме урока, системы знаков, формы организации учебной деятельности на уроке.

Отдельные тексты из учебника, задания, упражнения и задачи для решения учащимися тестовых материалов, лабораторное оборудование, ТСО.

2 уровень – учебный предмет:

Системы условных обозначений различных дисциплин, учебные компьютерные программы охватывающие весь курс обучения предмета, развивающая среда для накопления навыков по данному предмету.

Учебники и учебные пособия, дидактические материалы, методические разработки (рекомендации по предмету).

3 уровень – весь процесс обучения:

Система обучения, методы обучения, система общешкольных требований.

Кабинеты для обучения, библиотеки, столовые и буфеты, медицинский кабинет, помещение для администрации и педагогов, раздевалки, подсобные помещения.

 Воспитание — часть образовательного процесса, существующая наряду с обучением. Вместе с тем воспитание, так или иначе, присутствует во всех формах социальных отношений: в быту, в семье, на производстве, являясь важной составной частью их функционирования.

В самом широком смысле воспитание, как его трактует психологическая наука, есть качественное преобразование накопленного социального опыта, существующего вне личности, в форму личного, индивидуального опыта, в личные убеждения и поведение, его интериоризация, т.е. перевод во внутренний психический план личности. Причем этот процесс может носить как организованный, так и стихийный характер.

Воспитательный процесс носит многофакторный характер. Это означает, что на становление личности влияют как факторы макросреды (государство, средства массовой информации, Интернет), так и микросреды (семья, учебная группа, производственный коллектив), а также собственная позиция воспитуемого. В этом процессе действуют разнонаправленные влияния как позитивного, так и негативного характера, управлять которыми весьма сложно. Например, процессы самовоспитания носят сугубо личностный, индивидуальный характер и малоуправляемы извне.

Воспитание — непрерывный, долговременный процесс. Его результаты не следуют непосредстенно за воспитательным воздействием, а носят отсроченный характер. Поскольку эти результаты являются следствием не только внешних воздействий, но и собственного выбора, воли воспитуемого, они трудно предсказуемы.

Воспитательный процесс реализуется как сложная система мероприятий, которая включает в себя следующие элементы:

  • определение целей и задач;
  • разработка содержания воспитания, его основных направлений;
  • применение действенных методов;
  • формулировка принципов, ведущих установок, регулирующих все элементы системы воспитания.

Воспитание — процесс целенаправленного и систематического воздействия на развитие человека. Наряду с обучением категория воспитания является одной из основных в педагогике.

Выделяют:

  • воспитание в широком социальном смысле, включая в него воздействия наличность со стороны общества в целом, т.е. отождествляя воспитание с социализацией;
  • воспитание в педагогическом смысле как существующая наряду с обучением разновидность педагогической деятельности, специально направленная на формирование качеств личности: убеждений, умений, навыков и т.п.;
  • воспитание, трактуемое еще более локально, как решение какой-либо конкретной воспитательной задачи, например: умственное воспитание, нравственное, эстетическое и т.п.

Факторы воспитания — представление, утвердившееся в современной педагогике, согласно которому процесс воспитания представляет собой не только прямое воздействие воспитателя на воспитанника, но и взаимодействие различных факторов: индивидов, конкретных людей, воспитанников; микрогрупп, трудовых и учебных коллективов; опосредованно различных социальных институтов.

В качестве важнейшего результата воспитания признается готовность и способность к самовоспитанию.

Методы и средства воспитания

Метод воспитания — это путь достижения заданной цели воспитания. Методы — это способы воздействия на сознание, волю, чувства, поведение воспитанников с целью выработки у них заданных целью воспитания качеств.

Средство воспитания — это совокупность приемов.

Факторы, определяющие выбор методов воспитания:

  • Цели и задачи воспитания. Какова цель, таким должен быть и метод ее достижения.
  • Содержание воспитания.
  • Возрастные особенности воспитанников. Одни и те же задачи решаются различными методами в зависимости от возраста воспитанников.
  • Уровень сформированности коллектива. По мере развития коллективных форм самоуправления методы педагогического воздействия не остаются неизменными: гибкость управления — необходимое условие успешного сотрудничества воспитателя с воспитанниками.
  • Индивидуальные и личностные особенности воспитанников.
  • Условия воспитания — климат а коллективе, стиль педагогического руководства и др.
  • Средства воспитания. Методы воспитания становятся средствами, когда выступают компонентами воспитательного процесса.
  • Уровень педагогической квалификации. Воспитатель выбирает только те методы, с которыми он знаком, которыми владеет.
  • Время воспитания. Когда времени мало, а цели большие, применяются «сильнодействующие» методы, в благоприятных условиях используются «щадящие» методы воспитания.
  • Ожидаемые последствия. Выбирая метод, воспитатель должен быть уверен в успехе. Для этого необходимо предвидеть, к каким результатам приведет применение метода.

Классификация методов воспитания

Классификация методов — это выстроенная по определенному признаку система методов. Классификация помогает обнаружить в методах общее и специфическое, существенное и случайное, теоретическое и практическое и тем самым способствует их осознанному выбору, наиболее эффективному применению.

По характеру методы воспитания делятся на убеждение, упражнение, поощрение и наказание.

По результатам методы воздействия на воспитанника можно разделить на два класса:

  • влияние, создающее нравственные установки, мотивы, отношения, формирующие представления, понятия, идеи;
  • влияние, создающее привычки, определяющие тот или иной тип поведения.

Классификация методов воспитания на основе направленности:

  • Методы формирования сознания личности.
  • Методы организации деятельности и формирования опыта общественного поведения.
  • Методы стимулирования поведения и деятельности.

Оговорённые выше средства обучения и воспитания по возможности  и необходимости используются в нашей школе: различные формы организации, взаимодействия, контроля, мониторинга, индивидуальной работы; технологии обучения и воспитания, направленные на формирование УУД и личностного развития; ИКТ как средства  информации в образовании; связь с социумом; семьёй, как основным средством воздействия на процессы обучения и воспитания; различные психолого-педагогические приёмы в школьной среде; коммуникация со сверстниками и пр.

Магистрант, изучивший дисциплину «Педагогика высшей школы» должен


ВВЕДЕНИЕ

 

В подготовке магистров в системе современного российского образования отмечаются две основные тенденции. Первая связана с глубокой научной подготовкой, формированием научного творческого начала. Вторая представляет собой развитие компетенций педагогической направленности. Одним из направлений деятельности будущего магистра является деятельность преподавателя высшей школы. Изучение основных компонентов педагогического процесса в вузе, их сущностных характеристик становится в этой ситуации важнейшей задачей магистерской подготовки.

Дисциплина «Педагогика высшей школы» является одной из профессионально-педагогических дисциплин в цикле дисциплин подготовки магистра и служит цели формирования представлений о сущности педагогики высшей школы, ее месте среди других наук о человеке, о закономерностях педагогического процесса в вузе.

Целями изучения дисциплины формирование общего представления о педагогической деятельности в системе высшего образования.

Задачами изучения являются: изучение ведущих тенденций мирового образовательного пространства; освоение системы знаний о педагогических методах, технологиях обучения и педагогическом мастерстве; знакомство с основами педагогической деятельности в высшей школе, средствами взаимодействия и управления педагогическим процессом.

Магистрант, изучивший дисциплину «Педагогика высшей школы» должен

знать:


  • основные категории педагогики, специфику и цели педагогики высшей школы;

  • закономерности, принципы организации целостного педагогического процесса в вузе;

  • особенности системы высшего профессионального образования в России и за рубежом;

  • основные направления модернизации системы профессионального образования в связи с Болонским процессом;

  • основные классификации и сущность методов обучения и воспитания, а также форм организации педагогического процесса в вузе;

  • основные компоненты педагогического исследования;

  • качества и способности преподавателя высшей школы, понятие педагогического мастерства.

  • сущность основных педагогических парадигм, специфику гуманистической педагогической парадигмы;

  • специфику педагогического процесса в вузе, возрастных особенностей студенческого контингента и особенности работы со студенческим коллективом.

уметь:

  • использовать при изложении предметного материала взаимосвязь дисциплин, представленных в учебном плане, осваиваемом студентами;

  • использовать при изложении предметного материала взаимосвязь научно-исследовательского и учебного процессов в высшей школе, включая возможности привлечения собственных научных исследований в качестве средства совершенствования образовательного процесса;

  • использовать знания культурного наследия прошлого и современных достижений науки и культуры в качестве средств воспитания студентов.

Целью представленного пособия является подробное рассмотрение основных содержательных разделов дисциплины для оказания помощи магистрантам при подготовке к экзамену по курсу, а также разъяснение наиболее существенных вопросов современной педагогики высшей школы.

Структура данных конспектов лекций соответствует программе по дисциплине «Педагогика высшей школы», изучающейся в курсе магистерской подготовке на первом семестре обучения.


Достарыңызбен бөлісу:

Таксономий образовательных целей – Первая таксономия образовательных целей: когнитивная область, аффективная сфера, пересмотр таксономии

Образовательные цели описывают цели, на достижение которых направлен образовательный процесс – обучение, которое должно стать результатом обучения. Когда цели составляются органом образования или профессиональной организацией, цели обычно называются стандартами . Таксономии — это системы классификации, основанные на организационной схеме.В этом случае набор тщательно определенных терминов, организованных от простого к сложному и от конкретного к абстрактному, обеспечивает структуру категорий, по которым можно классифицировать образовательные цели. Таких схем можно:

  • Обеспечьте общий язык образовательных целей, который может связать предмет и уровни обучения
  • Служить пробным камнем для определения значения широких образовательных целей для класса
  • Помощь в определении соответствия целей, занятий в классе и оценок
  • Предоставление панорамы диапазона возможных образовательных целей, которым может быть противопоставлена ​​ограниченная широта и глубина любой конкретной образовательной программы

Первая систематика образовательных целей: когнитивная область

Идея создания таксономии образовательных целей была выдвинута Бенджамином Блумом в 1950-х годах, заместителем директора Экзаменационной комиссии Чикагского университета.Блум стремился сократить трудоемкость разработки тестов, обмениваясь тестовыми заданиями между университетами. Он полагал, что это можно облегчить, разработав тщательно определенную структуру, в которой можно было бы классифицировать элементы, измеряющие одну и ту же цель. Экзаменаторы и специалисты по тестированию со всей страны были собраны в рабочую группу, которая собиралась периодически в течение ряда лет. Результатом стала структура с шестью основными категориями и множеством подкатегорий для наиболее распространенных целей обучения в классе — тех, которые касаются когнитивной области.Чтобы облегчить разработку тестов, платформа предоставила обширные примеры тестовых заданий (в основном с множественным выбором) для каждой основной категории. Вот обзор категорий, составляющих структуру:

  • 1.0. Знание
  • 1.1. Знание специфики
  • 1.1.1. Знание терминологии
  • 1.1.2. Знание конкретных фактов
  • 1.2. Знание способов и средств обращения со спецификой
  • 1.2.1. Знание условных обозначений
  • 1.2.2. Знание трендов и последовательностей
  • 1.2.3. Знание классификаций и категорий
  • 1.2.4. Знание критериев
  • 1.2.5. Знание методологии
  • 1.3. Знание универсалий и абстракций в области
  • 1.3.1. Знание принципов и обобщений
  • 1.3.2. Знание теорий и структур
  • 2.0. Понимание
  • 2.1. Перевод
  • 2.2. Интерпретация
  • 2.3. Экстраполяция
  • 3.0. Заявка
  • 4.0. Анализ
  • 4.1. Анализ элементов
  • 4.2. Анализ отношений
  • 4.3. Анализ организационных принципов
  • 5.0. Синтез
  • 5.1. Производство уникальной связи
  • 5.2. Составление плана или предлагаемого набора операций
  • 5.3. Вывод набора абстрактных отношений
  • 6.0. Оценка
  • 6.1. Оценка с точки зрения внутренних доказательств
  • 6.2. Суждения по внешним критериям

Категории были разработаны таким образом, чтобы варьироваться от простого к сложному и от конкретного к абстрактному. Далее предполагалось, что таксономия представляет собой кумулятивную иерархию, так что овладение каждой более простой категорией является необходимым условием для овладения следующей, более сложной. Мета-анализ скудных доступных эмпирических данных, который описан в пересмотренной таксономии Лорин Андерсон и Дэвида Кратвола, отмеченной ниже, поддерживает это предположение для понимания через анализ.Однако данные были неоднозначны в отношении места Знания в иерархии и порядка Оценки и Синтеза.

Таксономия использовалась для анализа целей курса, всей учебной программы или теста, чтобы определить удельный вес каждой основной категории. Непрекращающийся рост знаний оказывает постоянное давление на педагогов, чтобы они включали все больше и больше материалов в каждый курс. Таким образом, эти анализы неоднократно показывают заметный чрезмерный акцент на целях Знания.Поскольку память на большинство знаний короткая, в отличие от обучения в других категориях, такие результаты поднимают важные вопросы о приоритетах обучения.

В том же духе используется таксономия, чтобы гарантировать, что цели, учебная деятельность и оценивание конгруэнтны (выровнены) друг с другом. Даже когда обучение делает упор на цели в более сложных категориях, сложность построения тестовых заданий для измерения таких достижений часто приводит к тому, что тесты вместо этого делают акцент на измерении знаний.Анализ выравнивания подчеркивает это несоответствие.

Таксономия также широко использовалась при разработке плана теста, предоставляя детали для управления разработкой заданий, чтобы обеспечить адекватное и надлежащее покрытие учебной программы. Некоторые стандартизированные тесты показывают, как элементы теста распределяются по категориям таксономии.

Аффективный домен

В дополнение к разработке когнитивной таксономии группа Блума позже занялась таксономией аффективной области — целей, связанных с интересами, установками, приспособлением, оценкой и ценностями.Эта таксономия состояла из пяти категорий, расположенных в порядке возрастания интернализации. Как и в когнитивной таксономии, предполагалось, что обучение в более низкой категории является предпосылкой для достижения следующей более высокой категории. Вот обзор категорий:

  • 1.0. Прием (Посещение)
  • 1.1. Осведомленность
  • 1.2. Готовность получить
  • 1.3. Контролируемое или выбранное внимание
  • 2.0. Ответ
  • 2.1. Согласие на ответ
  • 2.2. Готовность ответить
  • 2.3. Удовлетворение в ответ
  • 3.0. Оценка
  • 3.1. Принятие значения
  • 3.2. Предпочтительно значение
  • 3.3. Обязательство
  • 4.0. Организация
  • 4.1. Концептуализация значения
  • 4.2. Организация системы ценностей
  • 5.0. Характеристика значением или комплексом значений
  • 5.1. Обобщенный набор
  • 5.2. Характеристика

Кроме того, Элизабет Симпсон, Равиндракумар Дэйв и Анита Харроу разработали таксономию психомоторной области.

Пересмотр таксономии

Сорокалетняя ретроспектива влияния «Когнитивной таксономии», проведенная Лорином Андерсоном и Лорен Сосниак в 1994 г. (начиная с ее предварительного издания в 1954 г.), привела к возобновлению рассмотрения пересмотра, поскольку предыдущие усилия не увенчались успехом.В 1995 году Андерсон и Кратвол возглавили группу по изучению этой возможности, и группа согласовала руководящие принципы для попытки пересмотра. Как и первоначальная группа, они собирались два раза в год, и в 2001 году они выпустили Таксономию обучения, преподавания и оценки: пересмотр таксономии образовательных целей Блума , далее именуемый редакцией . В то время как оригинал был одномерным, пересмотр имел два измерения, основанные на двух частях целей: (1) существительные, описывающие содержание (знания), которые необходимо изучить, и (2) глаголы, описывающие, что учащиеся научатся делать с этим содержанием. ; то есть процессы, которые они используют при производстве или работе со знаниями.

Измерение знаний. Категория «Знание» исходной когнитивной таксономии включала как содержательный аспект, так и аспект действия запоминания. Они были разделены в редакции, так что аспект содержания (существительные) стал отдельным измерением с четырьмя категориями:

  • A. Фактические знания (базовые элементы, которые должны знать студенты для ознакомления с дисциплиной или решения задач по ней)
  • а. Знание терминологии
  • б.Знание конкретных деталей и элементов
  • B. Концептуальные знания (взаимосвязи между основными элементами в более крупной структуре, которые позволяют им функционировать вместе)
  • а. Знание классификаций и категорий
  • б. Знание принципов и обобщений
  • с. Знание теорий, моделей и структур
  • C. Процедурные знания (как что-то делать, включая методы исследования и критерии использования навыков, алгоритмов, приемов и методов)
  • а.Знание предметных навыков и алгоритмов
  • б. Знание предметных техник и методов
  • с. Знание критериев для определения того, когда следует использовать соответствующие процедуры
  • D. Метакогнитивное знание (знание познания в целом, а также осознание и знание собственного познания)
  • а. Стратегические знания
  • б. Знание о когнитивных задачах, включая соответствующие контекстуальные и условные знания
  • с.Самопознание

Измерение процесса. В новой редакции концепции шести первоначальных категорий были сохранены, но изменены на глаголы для второго измерения (процесса). Аспект действия « Знания» был переименован в « помните» . Понимание стало Пониманием. Synthesis, замененный на Create, стал верхней категорией. Подкатегории, все новые, состояли из глаголов в форме герундия. В общих чертах, категории измерения:

  • 1.0. Запомнить (извлечение соответствующих знаний из долговременной памяти)
  • 1.1. Распознавание
  • 1.2. Отзыв
  • 2.0. Понимание (определение смысла обучающих сообщений, включая устное, письменное и графическое общение
  • 2.1. Устный перевод
  • 2.2. Пример
  • 2.3. Классификация
  • 2.4. Подведение итогов
  • 2.5. Вывод
  • 2.6. Сравнение
  • 2.7. Объяснение
  • 3.0. Apply (выполнение или использование процедуры в данной ситуации)
  • 3.1. Выполнение
  • 3.2. Реализация
  • 4.0. Анализ (разбивка материала на составные части и определение того, как части соотносятся друг с другом и с общей структурой или назначением)
  • 4.1. Отличие
  • 4.2. Организация
  • 4.3. Атрибуция
  • 5.0. Оценка (вынесение суждений на основе критериев и стандартов
  • 5.1. Проверка
  • 5.2. Критика
  • 6.0. Создать (объединение элементов для создания нового, связного целого или создания оригинального продукта)
  • 6.1. Генерация
  • 6.2. Планирование
  • 6.3. Производство

РИСУНОК 1

Таблица таксономии

С помощью этих двух измерений можно построить таблицу таксономии, в которой можно найти место соединения классификаций глагола и существительного цели.Подумайте о цели: «Учащийся должен уметь распознавать факты и/или предположения, которые необходимы для аргумента». Начальная фраза «Студент должен уметь» является общей для целей — это уникальная часть цели, которую мы классифицируем. Глагол «признать», а существительное на самом деле является существительным: «факты и предположения, которые необходимы для аргумента».

Во-первых, определяется, что подразумевается под «распознать». Первоначально кажется, что термин относится к категории «Помни», потому что , распознающий , является первой подкатегорией «Помни».Но узнавание, подкатегория, относится к чему-то изученному ранее, что здесь не имеет значения. Здесь это означает, что, анализируя логику рассуждения, учащийся выявляет факты и предположения, от которых зависит это рассуждение. Правильная классификация — «Анализ».

Предложение с существительным, «факты или предположения, существенные для аргумента», по-видимому, включает два вида знания. «Факты» — это, несомненно, Фактическое знание, и «предположения» — как в предположении, что факты аргумента верны — также могут быть Фактическим знанием.Но принятие принципа или концепции как части аргумента (например, эволюции) будет классифицироваться как концептуальное знание. Таким образом, эта цель попадет в две ячейки таблицы таксономии — место соединения «Анализ с фактическими знаниями» и «Концептуальные знания», как показано крестиками на рисунке 1.

Точно так же, как цели могут быть классифицированы в таблице, так же могут использоваться занятия в классе для их достижения. Точно так же можно построить таблицу для оценочных заданий и тестовых заданий. Если цели, действия и оценки согласованы, X должны находиться в одинаковых ячейках во всех трех таблицах.В противном случае цели могут быть достигнуты и/или измерены лишь частично, и могут быть предприняты шаги для восстановления согласованности.

Комментарии, вставленные в виньетки классной комнаты в пересмотре, объясняют классификацию целей, действий и оценок, поскольку они приводят к трем заполненным таблицам таксономии. Затем три таблицы сравниваются, чтобы показать выравнивание или его отсутствие в каждой виньетке. Шесть виньеток включают различные предметы начального и среднего образования.

Альтернативные рамки классификации

С момента публикации исходной структуры появилось множество альтернатив, призванных дополнить, улучшить или заменить ее. В Главе 15 пересмотра анализируются девятнадцать таких структур по отношению к исходной и пересмотренной таксономиям. Одиннадцать являются одномерными, а восемь включают в себя два или более измерений. Некоторые используют совершенно новые термины, а некоторые включают аффективную область.

Например, в 1981 году Роберт Шталь и Гэри Мерфи ввели следующие новые рубрики: Подготовка, Наблюдение, Прием, Преобразование, Получение информации, Удержание, Передача, Объединение, Организация и Генерация.Заголовок Организация связывает с аффективной областью. Дэвид Меррилл в 1994 году разработал структуру, аналогичную пересмотренной таксономии, используя два измерения, каждое с четырьмя категориями, для формирования матрицы производительности-контента с измерением успеваемости учащихся (запомнить-экземпляр, запомнить-общность, использовать и найти). и предметное измерение (Факт, Концепция, Процедура и Принцип). Структура 1977 года Ларри Ханны и Джона Михаэлиса еще больше похожа. Альфред ДеБлок (1972) и другие разработали рамки с более чем двумя измерениями, в то время как структура Дина Хауэнштейна 1998 года предоставила таксономии для всех трех областей.Таксономия Марцано (2001) предлагает комбинацию трех видов знаний: информации (часто называемой декларативным знанием), умственных процедур (процедурных знаний) и психомоторных процедур. Марцано также разрабатывает модель обработки действий, последовательно протекающих через три иерархически связанные системы мышления: сначала Самосистему, затем Метакогнитивную систему и, наконец, Когнитивную систему (которая включает поиск, понимание, анализ и использование знаний).

БИБЛИОГРАФИЯ

А НДЕРСОН , Л ОРИН В.и K RATHWOHL , D AVID R., ред. 2001. Таксономия обучения, преподавания и оценки: пересмотр таксономии образовательных целей Блума. Нью-Йорк: Лонгман.

A NDERSON , L ORIN W. и S OSNIAK , L AUREN A., ред. 1994. Таксономия Блума: ретроспектива за сорок лет. Девяносто третий ежегодник Национального общества изучения образования. Чикаго: Издательство Чикагского университета.

B СТАТКАЦ , B ENJAMIN. С., изд. 1956. Таксономия образовательных целей: классификация образовательных целей; Справочник I, Когнитивная область. Нью-Йорк: Дэвид Маккей.

D AVE , R AVINDRAKUMAR H. 1970. «Психомоторные уровни». В «Разработка и написание поведенческих задач», изд. . Роберт Дж. Армстронг. Тусон, Аризона: Издательство новаторов в области образования.

D E B ЗАМОК , A LFRED и др.1972. «La Taxonomie des Objectifs pour la Discipline du Latin». Didactica Classica Gandensia 17:12–13, 119–131.

F LEISHMAN , E DWIN A. и Q UAINTANCE , M ARILYN K. 1984. Таксономии человеческой деятельности: описание человеческих задач. Орландо, Флорида: Academic Press.

H ANNAH , L ARRY S. и M ICHAELIS , J OHN U. 1977. Комплексная структура учебных целей: Руководство по систематическому планированию и оценке. Рединг, Массачусетс: Аддисон-Уэсли.

H ARROW , A NITA J. 1972. Таксономия психомоторной области: руководство по разработке поведенческих целей. Нью-Йорк: Дэвид Маккей.

H AUENSTEIN , A. D EAN . 1998. Концептуальная основа образовательных целей: целостный подход к традиционным таксономиям. Lanham, MD: University Press of America.

K RATHWOHL , D AVID R.; B СТАТКАЦ , B ENJAMIN S.; и M ASIA , B ERTRAM B. 1964. Таксономия образовательных целей: классификация образовательных целей; Справочник II: Аффективная сфера. Нью-Йорк: Дэвид Маккей.

M ARZANO , R OBERT J. 2001. Разработка новой таксономии образовательных целей. Таузенд-Оукс, Калифорния: Corwin Press.

M ERRILL , M. D AVID . 1994. Учебная теория дизайна. Энглвуд Клиффс, Нью-Джерси: Публикации по образовательным технологиям.

S IMPSON , B ETTY J. 1966. «Классификация образовательных целей: психомоторная область». Illinois Journal of Home Economics 10 (4): 110–144.

S TAHL , R OBERT J. и M URPHY , G ARY T. 1981. Область познания: альтернатива когнитивной области Блума в рамках модели обработки информации. Служба воспроизведения документов ERIC № ED 208511.

Что такое оценка на основе стандартов? – УчительEase

Основы SBG

Традиционно учителя сосредотачиваются на обучении, попытке донести знания. В SBG они также измеряют обучение учащихся, чтобы понять эффективность обучения. Вместо единой общей оценки SBG разбивает предмет на более мелкие «цели обучения».” Каждая цель представляет собой обучаемую концепцию, которую студенты должны освоить к концу курса. В течение семестра записывается обучение учащихся по каждой цели. Учителя отслеживают успеваемость учащихся, дают соответствующую обратную связь и адаптируют инструкции в соответствии с потребностями учащихся. На рис. 1 показаны примеры табелей успеваемости, которые подчеркивают различия между традиционным и SBG.

Рисунок 1: Примеры традиционной и стандартной классификации

Традиционная оценка и SBG также используют разные шкалы оценок.При традиционной оценке учащиеся в первую очередь оцениваются по проценту успешно выполненной работы. Предполагается, что более высокие показатели завершения отражают большее мастерство и позволяют получить более высокие оценки. Часто 90% достигают A, 80% B и т. д.

В SBG оценка основывается на демонстрации мастерства. Учащиеся пытаются выполнять задания, соответствующие стандартам (проекты, рабочие листы, викторины, эссе, презентации и т.). Учителя оценивают результаты учащихся и выбирают соответствующий уровень мастерства, который был продемонстрирован.

Типичные шкалы — от 1 до 4 — отражают возрастающие навыки учащихся. 1 указывают на то, что учащиеся плохо понимают концепцию и, следовательно, не могут продемонстрировать какое-либо мастерство. Приступая к новой цели, многие учащиеся не имеют предварительных знаний и начинают с 1. По мере обучения учащиеся могут продемонстрировать частичное мастерство и набрать 2 балла.Как только они достигают цели, они получают 3 балла. Обычно 4 используются для студентов, которые превышают цели. На рис. 2 показаны примеры традиционной шкалы оценки и шкалы SBG.

Рисунок 2: Традиционные и основанные на стандартах шкалы оценок

Примечание: Несмотря на популярность от 1 до 4, шкалы оценок SBG сильно различаются. Шкалы могут быть от 1 до 5, от 0 до 4, использовать полбалла и использовать буквы вместо цифр.Ваш может быть другим.

В основанном на стандартах образовании преподавание зависит от обучения. Приступая к новой цели, учителя проводят вводные уроки. По мере продвижения учащихся им предлагается более сложный материал. Они продолжают работать и учиться, пока не достигнут цели. Думайте о SBG как о лестнице, по которой учащиеся поднимаются «ступенька за раз», в конечном итоге достигая вершины.

После получения инструкций некоторые ученики сразу же продвигаются вперед, но большинство этого не делает. Учащиеся часто путаются и выполняют задание лишь частично. Учителя регулярно предоставляют обратную связь, переучивают и предлагают дополнительные возможности для достижения «следующей ступени». Этот процесс требует терпения и практики и повторяется до тех пор, пока учащиеся не достигнут цели.

SBG является мощным инструментом, поскольку он обеспечивает основу для регулярной оценки успеваемости учащихся. Когда учителя имеют постоянное понимание мастерства учащихся, они могут адаптировать обучение, чтобы лучше удовлетворить потребности учащихся. Благодаря этому обучение становится более эффективным и увлекательным.

Рисунок 3: Восхождение к мастерству

Как SBG улучшает образование

Теперь, когда мы описали механику SBG, давайте посмотрим на преимущества обучения на основе стандартов в классе.Многие учебные изменения улучшают вовлеченность учащихся и их обучение.

Улучшенная обратная связь

В среде SBG лучшая обратная связь ускоряет обучение. Вместо того, чтобы просто ставить оценки, такие как 9/10 или 85%, учителя дают отзывы о выполненном задании и использованных навыках. Это помогает учащимся понять свои текущие области совершенствования и помогает им перейти на следующий уровень.Эта позитивная среда ускоряет обучение, и учащиеся достигают более высоких уровней успеваемости, при этом будучи глубоко вовлеченными и получая удовольствие от учебы.

Рисунок 5: Отзыв учителей

Студенческая собственность на образование

Учебные цели обычно пишутся понятным для учащихся языком, чтобы они могли понять цели обучения.Цели могут быть дополнительно разбиты по рубрикам, чтобы наметить шаги, необходимые для достижения «вершины лестницы». Это позволяет учащимся понять путь к успеху и позволяет им лучше участвовать в обучении. Работая над какой-либо деятельностью, они могут оценивать себя и размышлять о своей работе. Они могут определить области улучшения и самостоятельно направлять свою деятельность. Это приводит к большей ответственности за их обучение.Типичная рубрика показана на рисунке 6.

Рисунок 6: Рубрика разбивает цель обучения

Более актуальная инструкция

В традиционных классах многие учителя механически представляют ученикам учебный план — урок 1 в первый день, урок 2 во второй день и т. д. Хотя есть исключения (например, раннее начальное чтение), часто обучение мало корректируется из-за обучения.Поскольку студенты учатся с разной скоростью, некоторым становится скучно из-за слишком медленного темпа. Другие сбиты с толку, потому что инструкции слишком быстрые. Это ежедневная задача в традиционных классах.

В классах SBG учителя лучше понимают мастерство учащихся. В любой момент они знают, какие ученики находятся на уровне 1, 2 или 3. Это помогает учителям предлагать работу, соответствующую уровню.Учащиеся на уровне 1 получают задания, которые помогают им достичь уровня 2. Учащиеся 2-го уровня получают задания, чтобы подняться на 3-й уровень. Классы часто разбиваются на более мелкие группы, в которых учащиеся работают независимо друг от друга над заданиями, соответствующими их уровню. Это называется «дифференцированное обучение» или сокращенно DI.

В такой среде учащиеся меньше расстраиваются из-за плохо подобранного обучения.Школа приносит больше положительных эмоций, когда материал курса актуален и интересен. Улучшая использование учебного времени, учащиеся узнают больше и добиваются более высоких академических успехов.

Рисунок 4: Адаптация инструкции к обучению учащихся

Обучение обеспечивает внутреннюю мотивацию

Некоторые учащиеся могут быть внешне мотивированы показателями и стремиться к улучшению в измеряемых областях.В традиционных классах это часто побуждает учащихся «гоняться за очками». Многие будут выполнять задания, за которые начисляются баллы и повышаются их средние показатели (например, дополнительные баллы).

И наоборот, часто можно услышать, как студенты спрашивают: «Будет ли это оцениваться?» Они часто пропускают любую деятельность, не занесенную в журнал оценок, независимо от заслуг. Это создает нездоровые стимулы, которые искажают поведение и отношение учащихся.

В SBG основное внимание уделяется обучению и мастерству. Стремление к мастерству является внутренним мотиватором и меняет отношение учащихся. Они учатся для собственного удовольствия и поддерживают высокий уровень усилий и достижений.

Эмоциональная безопасность и страх тестирования

В начале каждого контрольного периода учащиеся начинают со 100%.Их средние показатели падают по мере того, как они делают ошибки. Студенты с наименьшим количеством ошибок получают самые высокие оценки. В зависимости от размера ошибки (например, ноль) исправить ошибку и получить «хорошую оценку» может быть невозможно. Эта среда с высокими ставками может создать страх перед сдачей экзамена и вызвать беспокойство, которое мешает обучению.

В SBG баллы растут по мере обучения учащихся. Окончательные оценки отражают мастерство в конце курса, поэтому ранние ошибки не наказываются.Ни одно событие не может «разрушить» их оценку. Это создает эмоционально безопасную среду, в которой учащиеся поощряются напрягаться, делать ошибки и учиться.

Хотя SBG устраняет проблему нулей, организации также часто разрешают повторы. Когда учащийся получает плохой балл, он часто может больше работать над темой, улучшая свое обучение и переоценивая. Способность достичь мастерства прославляется, а не фокусируется на количестве ошибок, сделанных на этом пути.

Рисунок 6: Студенты могут бояться тестирования

Точное измерение обучения

Одной из ловушек традиционной оценки является неточность. Средние показатели учащихся сильно зависят от сложности порученной работы. Если учителя представляют только задания низкой сложности, учащиеся могут получить высокие баллы, лишь слабо владея материалом.

Обратное тоже верно.Очень требовательные преподаватели могут представлять очень сложную работу, что приводит к чрезмерно низким баллам учащихся. Изгибы и дополнительные баллы используются для корректировки средних значений в более подходящее распределение.

В обоих случаях SBG может улучшить ситуацию, предоставив более четкие критерии измерения мастерства. Освоение работы низкой сложности дает более низкие оценки, тогда как освоение работы более высокой сложности дает более высокие оценки.Привязка оценок к сложности, а не к проценту завершения, дает более точные и последовательные оценки.

Как TeacherEase помогает SBG

Этот документ был написан командой, которая производит TeacherEase, программное обеспечение для обучения на основе стандартов. Мы считаем, что для успешного SBG необходимы хорошие технологии, поэтому мы создали TeacherEase, чтобы удовлетворить эту потребность. Он включает в себя все необходимые инструменты: сотрудничество комитетов, цели обучения, рубрики, оценки, управление учебным контентом, аналитика данных, журнал оценок, табели успеваемости и родительский портал.Для получения дополнительной информации ознакомьтесь с: TeacherEase: программное обеспечение для обучения на основе стандартов.

Дополнительные видео SBG

Для получения дополнительной информации мы рекомендуем приведенные ниже видеоролики, связанные с SBG.

границ | Модели диагностической классификации для действенной обратной связи в образовании: влияние размера выборки и продолжительности оценки

1 Введение

Обратная связь в образовании является мощным инструментом для улучшения обучения учащихся (Блэк и Вильям, 1998; Никол и Макфарлейн-Дик, 2006).Его можно представить как информацию, которая предоставляется учащимся в отношении аспектов понимания или производительности. Следуя модели обратной связи Хэтти и Тимперли (2007), эта информация может быть сосредоточена на четырех различных уровнях: обратная связь, ориентированная на задачу (например, в отношении правильности или полноты выполненных задач), обратная связь, ориентированная на процесс (т. процессы, которые необходимы для понимания или выполнения заданий), обратная связь о саморегуляции (т.д., выражающие оценки и впечатления об ученике, как правило, не связанные с поставленными задачами). Чтобы получить положительный эффект от обратной связи, цели обучения должны быть правильно определены, текущие уровни производительности должны сравниваться с желаемыми уровнями производительности, и необходимо предпринимать соответствующие действия, чтобы сократить разрыв между текущей и желаемой производительностью (Sadler, 1989). .

1.1 Практическая обратная связь от электронного обучения в высшем образовании

В академической среде цели обучения часто определяются целями, критериями и стандартами конкретного курса.Обратная связь может предоставить информацию о том, как уровни успеваемости учащихся связаны с этими целями. Тем не менее, различные курсы высшего образования состоят из больших групп студентов, что затрудняет для преподавателей предоставление индивидуальной обратной связи с отдельными студентами. Кроме того, может быть сложно отслеживать прогресс обучения на групповом уровне. Появление средств компьютерного обучения может способствовать этому. Использование сред электронного обучения для поддержки учебных процессов в высшем образовании началось в последние десятилетия, и широкое использование этих новых технологий привело к доступности огромного количества данных о студентах.Хотя эти данные могут быть богатым источником информации для персонализированного преподавания и обучения, сами по себе они не приводят к повышению качества образования. Это должно привести к действенной обратной связи путем анализа, описания и визуализации данных, т.е. e, обратная связь, на которую можно воздействовать. Это требует преобразования данных в значимую информацию с использованием аналитических подходов к обучению, чтобы предоставить как учащимся, так и учителям знания об успеваемости (Ferguson, 2012).Несмотря на возможности, которые влечет за собой развивающаяся область исследований в области аналитики обучения, и имеющийся опыт в университетах, широкомасштабное внедрение аналитики обучения для улучшения преподавания и обучения в высшем образовании отсутствует (Viberg et al., 2018).

Тем не менее, некоторая форма аналитики обучения для обеспечения обратной связи реализована практически во всех средах электронного обучения. Например, практические упражнения часто обеспечиваются немедленной обратной связью о правильности ответов.Хотя было обнаружено, что эта детальная, ориентированная на задачу обратная связь положительно влияет на обучение учащихся (см., например, VanLehn, 2011), она не дает понимания когнитивных сильных и слабых сторон для поддержки самоконтроля. То есть, если учащийся знает, что его ответ на определенный вопрос неверен, это не означает, что он может сделать вывод, каких знаний или навыков ему не хватает, а какие материалы требуют дополнительной практики. Чтобы решить эту проблему, модули электронного обучения обычно включают короткие формирующие оценки после серии уроков по определенной теме.В текущей практике отзывы об этих онлайн-формирующих оценках часто даются в виде пропорций правильно решенных заданий. Эти метрики просты и интуитивно понятны, но они являются чрезмерно упрощенными мерами мастерства и игнорируют факторы учащихся, содержание и контекст. Это может привести к предвзятому представлению сильных и слабых сторон учащихся, что может привести к неправильному выбору обучения. Более того, информация, которую эти показатели предоставляют о прогрессе в обучении, не очень конкретна, и поэтому как ученикам, так и учителям может быть трудно ее использовать.Заинтересованные стороны обычно ищут более подробную диагностическую информацию о знаниях, навыках и способностях (Хафф и Гудман, 2007).

Диагностическая обратная связь — это информация о том, как текущий уровень успеваемости учащихся соотносится с желаемым уровнем успеваемости. Этот тип обратной связи показывает, овладели ли учащиеся навыками, необходимыми для решения определенных задач (Huff and Goodman, 2007). В контексте описанной выше модели обратной связи Хэтти и Тимперли (2007) эта диагностическая информация обеспечивает не только обратную связь, ориентированную на задачу, но также обратную связь, ориентированную на процесс, и обратную связь, которая может поддерживать саморегуляцию.Ее можно рассматривать как обратную связь, ориентированную на процесс, поскольку она дает представление о навыках и процессах, лежащих в основе выполнения задачи. Кроме того, он показывает прогресс учащихся в отношении этих навыков, и эта подробная информация о сильных и слабых сторонах поддерживает самоконтроль (Schunk and Zimmerman, 2003). Это может быть полезно для студентов, поскольку неверная оценка собственной успеваемости и прогресса может привести к неправильному выбору обучения, например, к прекращению учебы или пропуску важных возможностей для обучения (т.г., Браун, 2001). Диагностическая обратная связь позволяет учащимся определить, на чем они должны сосредоточить свое внимание и усилия, чтобы сделать выбор в пользу более эффективного обучения (Bell and Kozlowski, 2002). Таким образом, он может поддерживать саморегулирование, предоставляя полезную информацию (Nicol and Macfarlane-Dick, 2006). Диагностическая информация также может быть полезна для учителей, поскольку она позволяет им своевременно предпринимать соответствующие педагогические действия, такие как персонализированные вмешательства, если учащийся не понимает конкретных понятий или если учащийся отстает и может подвергаться риску отсева или провала курса. .На групповом уровне информация позволяет учителям корректировать образовательные стратегии, например, если определенные навыки или темы не освоены многими учащимися, указывая на то, что они требуют дополнительного внимания в классе.

1.2 Когнитивная диагностическая оценка

Формирующие оценки в электронном обучении дают возможность получить подробную информацию с помощью когнитивной диагностической оценки , целью которой является измерение структуры знаний и навыков обработки у учащихся для получения информации об их когнитивных сильных и слабых сторонах (Leighton and Гирл, 2007b).Для этого используется так называемая когнитивная модель, которая связывает понимание с производительностью (Norris et al., 2007). Эксперты в области образования определяют набор навыков, способностей и когнитивных процессов, необходимых для решения определенных задач, которые называются атрибутами . Обратите внимание, что это ограничивает область когнитивной диагностической оценки четко определенными областями, поскольку определение когнитивной модели требует глубокого понимания области и когнитивных процессов, которые лежат в основе поведения реакции на задание.Целью когнитивной диагностической оценки является классификация учащихся на основе их ответов на задания с точки зрения владения или невладения каждым из атрибутов. Результатом этих классификаций является профилей атрибутов , указывающих, какие атрибуты освоили учащиеся. Например, если кто-то заинтересован в оценке конструкции «решение алгебраических уравнений», диагностическая обратная связь предоставляет информацию об овладении различными атрибутами, задействованными в этой конструкции, такими как понимание значения символов, выполнение алгебраических манипуляций и построение графических представлений.Эта информация может помочь учащимся в выборе учебных материалов, которые им необходимо изучить, чтобы стать мастерами тех атрибутов, которыми они еще не овладели, поэтому эта информация полезна для действий.

Диагностическое оценивание может поддерживать анализ поведения учащихся на различных уровнях детализации путем определения атрибутов на различных уровнях детализации. Например, для оценки конструкта «решение алгебраических уравнений» мы указали (среди прочего) грубо определенный признак «выполнение алгебраических действий».В качестве альтернативы это можно разбить на несколько атрибутов, таких как выполнение основных арифметических операций, упрощение выражений и выполнение факторизации. Можно утверждать, что более детальная оценка дает больше информации и, следовательно, лучше, чем оценка более грубо определенных атрибутов, но это не обязательно верно. Как утверждает Сэдлер (2007), детализированные цели обучения и оценка в образовании приводят к накоплению небольших компонентов знаний и достижению краткосрочных целей, но обратная связь по таким небольшим компонентам не обязательно значима и может не привести к интегрированным знаниям и навыкам. .С другой стороны, грубо определенные атрибуты могут не предоставлять достаточно подробностей, чтобы обеспечить действенную диагностическую обратную связь. Поэтому важно тщательно рассмотреть цель и получателя обратной связи, чтобы определить уровень детализации, который ценен с образовательной точки зрения, в том смысле, что он является одновременно значимым и действенным (см., например, Thompson and Yonekura, 2005).

1.3 Статистические вопросы

Рассмотрение спецификации когнитивной модели выходит за рамки этих образовательных задач.Кроме того, необходимо рассмотреть статистические вопросы, которым посвящено настоящее исследование. Для оценки профилей атрибутов учащихся используются статистические модели, связывающие ответы учащихся на вопросы с их навыками и способностями. Хорошо подходящими моделями для получения диагностической информации в отношении нескольких атрибутов на основе данных ответа элемента являются модели диагностической классификации (DCM; Rupp et al., 2010). Эти модели могут давать многомерные диагностические профили на основе данных оценки.Мы фокусируемся на DCM в рамках модели логарифмически-линейного когнитивного диагноза (LCDM) из-за его гибкости моделирования и простой интерпретации. Это общая структура спецификации модели, которая включает в себя континуум моделей, которые могут быть легко выражены (более подробная информация представлена ​​в разделе 2).

Для получения хорошей подгонки модели и точных оценок диагностических профилей достаточное количество элементов, измеряющих атрибуты, должно быть применено к достаточному количеству учащихся.Если набор атрибутов разбивается на более мелкие атрибуты, количество атрибутов увеличивается, и, следовательно, увеличивается сложность статистической модели. Это предъявляет более высокие требования к структуре данных (например, к продолжительности оценки, размеру выборки респондентов), и может оказаться невозможным оценить профили атрибутов, хотя четкие требования к данным остаются неясными.

Кроме того, определение уровня детализации при определении атрибутов и конструировании элементов требует тщательного рассмотрения лежащих в основе когнитивных процессов, которые вызывают поведение реакции на предмет, и того, как эти процессы могут быть представлены набором различных навыков.На практике уровень детализации атрибутов часто ограничивается целью оценки и практическими соображениями, а не полностью определяется теориями о том, как учащиеся рассуждают и учатся (Bradshaw, 2017). Однако идеально когнитивные модели «отражают наиболее достоверное с научной точки зрения понимание типичных способов, которыми учащиеся представляют знания и приобретают опыт в предметной области» (Pellegrino et al., 2001, стр. 45), что требует набора определенных навыков. Указание нескольких детализированных атрибутов, которые представляют похожие или тесно связанные навыки, может привести к высокой корреляции между атрибутами, отражая, что многомерная модель была вынуждена соответствовать одномерной оценке (Sessoms and Henson, 2018), в результате чего подбаллы не имеют дополнительной ценности. (Синхарай, 2010).В некоторых ситуациях все еще может быть полезно сохранить сильно коррелированные атрибуты как отдельные атрибуты (например, если каждый атрибут связан с конкретным корректирующим действием). Однако, если нет практических причин для их разделения, может быть предпочтительнее определить один составной атрибут, чтобы получить более надежные оценки профилей атрибутов (Templin and Bradshaw, 2013). С другой стороны, укрупненные атрибуты также могут привести к несоответствию модели, если применение определенного навыка варьируется в зависимости от элементов, измеряющих этот навык (Rupp et al., 2010). Это подчеркивает важность оценки соответствия модели после применения DCM к эмпирическим данным. Таким образом, хотя модели диагностических измерений предлагают возможности для получения диагностической обратной связи в высшем образовании на основе данных формативного оценивания в электронном обучении, определение когнитивной модели может оказаться сложной задачей. Спецификация атрибута влияет не только на значимость и применимость обратной связи, но и на результаты статистической модели. Сложность модели, продолжительность оценки и размер выборки респондентов — все это факторы, которые необходимо учитывать при когнитивной диагностической оценке.

1.4 Текущее исследование

В текущем исследовании мы подходим к двум вопросам определения когнитивных моделей со статистической точки зрения, чтобы помочь специалистам-практикам в определении структур атрибутов и разработке формативных оценок, позволяющих применять DCM.

Требования к данным

Первый вопрос, который рассматривается в этом исследовании, касается требований к данным для статистической модели, которая связывает ответы учащихся на задания с их навыками и способностями. Как описано выше, применение DCM к эмпирическим данным требует не только образовательных соображений относительно значимости и действенности обратной связи, но также необходимо учитывать практические вопросы, такие как доступность достаточных данных (т.д., продолжительность оценки, размер выборки респондентов) и соответствие эмпирической модели (Rupp, 2007; Rupp et al., 2010). Когда оцениваются более сложные модели, требования к структуре данных выше. К сожалению, существует относительно мало исследований, в которых сравниваются результаты конкурирующих моделей в диагностических измерениях с использованием реальных или смоделированных наборов данных; хотя есть и исключения, см., например, Kunina-Habenicht et al. (2012) и Cai et al. (2013). Кунина-Хабенихт и др. исследовали влияние размера выборки и неправильных спецификаций модели на результаты DCM, но уровни переменных в их исследовании были ограничены.Учитывались только размеры выборки в 1 000 и 10 000 респондентов и 25 и 50 пунктов, тогда как при формативном онлайн-оценивании в высшем образовании размеры выборки обычно (намного) меньше. Некоторые исследования были проведены в области когнитивной диагностической оценки на основе небольших выборок с моделированием, сравнивающим результаты непараметрических и параметрических методов, см., например, Chiu et al. (2018). Как правило, непараметрические методы лучше работают при меньших размерах выборки (30–50 респондентов), тогда как параметрические методы лучше работают при больших размерах выборки (200–500 респондентов) (Ma et al., 2020). Хотя это показывает возможность применения DCM к данным электронного обучения в высшем образовании, явные требования к размеру выборки не уточняются. В текущем исследовании мы сосредоточимся на университетских курсах с большими группами студентов, следовательно, на параметрических методах. С помощью имитационного исследования мы изучаем, возможно ли использовать логарифмически-линейные DCM для получения диагностической информации об учащихся на основе данных электронного обучения с размерами выборки респондентов, обычными в этой области. Мы стремимся получить представление о возможности делать заявления об овладении атрибутами на основе таких данных, изучая, сколько элементов необходимо назначить скольким учащимся, чтобы получить высокую точность классификации и обеспечить адекватную оценку соответствия модели.

Детализация атрибутов

Второй вопрос, рассматриваемый в этом исследовании, касается последствий неправильного определения размерности лежащей в основе структуры атрибутов; более конкретно, определяющий размер зерна атрибутов. 1 Как уже упоминалось, определение атрибутов требует рассмотрения когнитивных процессов, вовлеченных в поведение ответа на задание, и, следовательно, размера зернистости истинных базовых навыков и механизмов, которые приводят к ответам на задание, поскольку неправильная спецификация детализации может привести к несоответствию модели.Хотя решения о размере зернистости атрибутов часто ограничиваются целью оценивания и/или практическими соображениями, в идеале они основаны на теории того, как учащиеся учатся (Pellegrino et al., 2001). Если имеются ограниченные существенные знания о характере атрибутов, полезно, если эмпирические данные могут поддержать эти решения, например, на основе данных об ответах на вопросы из существующих оценок в интересующей области. Важно отметить, что такие процедуры модернизации могут ограничивать как объем измеряемых атрибутов, так и количество измерений каждого атрибута (Gierl and Cui, 2008; de la Torre and Minchen, 2014), и что это не уверены, что элементы с определенными когнитивными характеристиками существуют в оценках, разработанных без когнитивной модели.Тем не менее, разработка контента для любой оценки, вероятно, потребует разбиения более крупной конструкции на подобласти, которые можно рассматривать как несколько измерений. Поэтому, хотя при модернизации нужно действовать с осторожностью, это может быть полезно для получения дополнительной информации об интересующих конструкциях (Liu et al., 2018).

В текущем исследовании мы изучаем, в какой степени логлинейные DCM могут использоваться для изучения размера зернистости атрибутов. Из прагматических соображений мы предполагаем, что существует истинная размерность.Мы различаем две ситуации: слишком грубая оценка, при которой оцениваются отдельные атрибуты, которые на самом деле представляют несколько различных навыков, и слишком точная оценка, при которой оцениваются несколько атрибутов, которые на самом деле представляют одни и те же (или очень похожие) навыки. . В исследовании моделирования мы изучаем, как такие неправильные спецификации влияют на абсолютные индексы соответствия модели и какова мощность этих индексов соответствия для их обнаружения. Мы также изучаем, могут ли индексы относительного соответствия определять правильную размерность структуры атрибутов.

Подводя итог, следующие исследовательские вопросы рассматриваются в контексте онлайн-формативного оценивания в высшем образовании (т. е. с разумными размерами выборки респондентов в этой области):

получить высокую точность классификации и адекватную оценку соответствия модели при оценке владения различным количеством навыков с использованием логарифмически-линейных DCM?

2. Как на индексы соответствия модели влияет неправильная спецификация размера зерна (т.е., размерность) измеряемых умений?

Отвечая на эти вопросы с помощью симуляционного исследования, мы стремимся предоставить рекомендации по построению оценки в образовательном контексте, в котором желательно получить диагностическую информацию, касающуюся нескольких навыков.

2 Методы

Вопросы исследования решаются с помощью моделирования. Это позволяет генерировать данные при определенных допущениях и сравнивать результаты модели с «истинными» механизмами генерации. В оставшейся части этого раздела сначала приводится некоторая (техническая) информация о моделях диагностической классификации в рамках LCDM, после чего следует описание дизайна исследования и деталей имитационного исследования.

2.1 Структура моделирования лог-линейной когнитивной диагностики

Как уже упоминалось, модели диагностической классификации нацелены на классификацию учащихся как владеющих или не владеющих определенными атрибутами. Поэтому DCM также известны как модели с ограниченным скрытым классом , поскольку они используются для классификации респондентов по ограниченному числу скрытых классов (т. е. профилей атрибутов). Предположим, что оценка с 90 569 1 90 570 элементов измеряет 90 569 – 90 570 бинарных атрибутов. Профиль атрибута для латентного класса C обозначается вектор α C = [ α C 1 , , α CA ], где α ca = 1, если атрибут a освоен, и α ca = 0, если нет.DCM напрямую оценивают вероятность того, что респондент соответствует критериям для данного диагноза (т. е. что респондент попадает в определенный латентный диагностический класс с учетом его ответов на вопросы). Оценки зависят как от экспертных оценок, так и от эмпирических данных. Эксперты предметной области кодируют атрибуты, необходимые для решения каждого элемента, в так называемую Q-матрицу , которая представляет собой матрицу I × A , указывающую для каждого элемента i , измеряет ли он каждый атрибут a ( q ia = 1) или нет ( q ia = 0).Q-матрица в сочетании с данными диагностической оценки позволяет оценить параметры, связанные с характеристиками предмета и респондента.

Как следует из названия, LCDM использует логарифмически-линейную структуру для параметризации связи между освоением атрибутов и вероятностью отклика элемента. В частности, условная вероятность π IC , что респондент с профилем атрибута α C правильно отвечает на элемент I моделируется следующим образом:

Πic = pecjics = 1|αc = expλi,0+λiThαc,qi1+expλi,0+λiThαc,qi(1)

Здесь X ic представляет дихотомически оцененный ответ на вопрос i респондента латентного класса c , который равняется 0 или 1 для неправильного или правильного ответа соответственно.Далее, Q q I = [ Q I 1 , , Q q q IA ] – это вектор бинарных записей Q-Matrix для элемента I , указывающий, какие атрибуты измеряет элемент. Параметр перехвата λ i ,0 представляет логит (логарифм шансов) правильного ответа при условии, что респондент не владеет ни одним из обязательных атрибутов. Вектор λ λ I длиной 2 A A 80570 – 1 содержит параметры, представляющие основные эффекты и эффекты взаимодействия для элемента I , и H ( α C , , Q I I ) – вектор длина 2 A – 1 с линейными комбинациями α C 9064 и Q я .В частности, параметры элемента, профили атрибутов респондентов и элементы Q-матрицы объединяются в показателе степени следующим образом:

λi,0+λiThαc,qi=λi,0+∑a=1Aλi,1,aαcaqia+∑a =1A−1∑a′=a+1Aλi,2,a,a′αcaαca′qiaqia′+⋯(2)

Для элемента i показатель степени включает отрезок ( λ i ,0 ), все основные эффекты (например, λ i ,1, ( a ) указывает на увеличение логита правильного ответа при условии владения атрибутом a ) и все возможные (два- путь до A -способ) взаимодействия между атрибутами (т.g., λ i ,2( a , a ′) представляет собой двустороннее взаимодействие между атрибутами a и a ′ , позволяя логиту правильного ответа на заданное изменение владение обоими атрибутами). Эти параметры элемента λ i оцениваются с использованием, например, алгоритма максимизации ожидания. Параметры подчиняются ограничениям монотонности, чтобы гарантировать, что вероятность правильного ответа монотонно увеличивается с количеством освоенных атрибутов.Функция отклика элемента является гибкой при включении эффектов элемента и атрибута, что позволяет выражать дифференциально сложные DCM путем ограничения определенных параметров из вектора λ i до нуля; LCDM является насыщенной версией многих сокращенных DCM (см., например, Rupp et al., 2010, Ch. 7). Структура предоставляет возможность использовать разную сложность для разных элементов в рамках оценки, которая отражает поведение атрибутов на уровне элемента (т.г., может ли невладение одним атрибутом быть компенсировано овладением другим атрибутом).

Оценка профиля атрибутов респондента α c с учетом его ответов на вопросы обычно выполняется в рамках байесовской схемы. Затем выполняется классификация на основе апостериорных вероятностей профилей атрибутов, полученных из шаблона ответа, через вероятность и априорные вероятности скрытого членства в классе. Классификация может быть основана на максимальных апостериорных (MAP) оценках или ожидаемых апостериорных (EAP) оценках апостериорного распределения.Первый использует скрытые вероятности принадлежности к классу (т. е. апостериорные вероятности каждого профиля атрибута) и не дает прямых оценок вероятности для каждого атрибута в отдельности. Последний основан на вероятности овладения атрибутами для отдельных атрибутов. Huebner and Wang (2011) показали, что для модели DINA (частный случай LCDM) MAP приводит к более высокой доле респондентов с правильным профилем атрибутов (т. е. с более высокой точностью классификации профиля), тогда как EAP приводит к более высокой точности для совокупность отдельных атрибутов (т.е., более высокая точность классификации по атрибутам) и меньше серьезных ошибочных классификаций.

2.2 Дизайн исследования

Целью имитационного исследования является изучение возможности использования LCDM для получения диагностической информации о навыках учащихся на основе данных онлайн-формирующих оценок в высших учебных заведениях. Кроме того, мы исследуем последствия неправильного определения размерности базовой структуры атрибутов. В имитационном исследовании мы манипулировали количеством измеряемых признаков, количеством элементов и количеством респондентов.Кроме того, мы выбрали правдоподобные значения для других параметров, необходимых для имитации ответов на вопросы, а именно сложности с маргинальными атрибутами, ассоциации атрибутов, структуры загрузки заданий (т. е. Q-матрица) и параметры заданий. Ожидается, что результаты моделирования реалистичных сценариев будут информативными для практиков. Для каждого условия генерируется 1000 наборов данных. Дизайн исследования представлен в таблице 1 и будет описан более подробно ниже.

ТАБЛИЦА 1 . План имитационного исследования и условия генерации данных.

Количество атрибутов

Первая регулируемая переменная — это количество атрибутов A . Уровни этой переменной установлены на атрибуты 3, 4, 5 и 6. Этот набор значений включает в себя уровни, которые обычно используются в исследованиях моделирования с помощью DCM (например, Rupp and Templin, 2008; Kunina-Habenicht et al., 2012; Liu et al., 2017) и отражают общие измерения образовательных оценок (например, Синхарай и др., 2011). Хотя в литературе описаны приложения DCM с большим количеством атрибутов (см.g., Sessoms and Henson, 2018), этим приложениям требуется значительно больше данных и могут предъявляться более строгие требования к Q-матрице, чтобы их можно было идентифицировать (Gu and Xu, 2021). Мы стремимся изучить возможность применения DCM для формативного онлайн-оценивания в высшем образовании, где ресурсы ограничены и, следовательно, ограничено максимальное количество атрибутов. В этом контексте уместно получить подробную информацию о различных требованиях к различному количеству атрибутов для информирования практиков.Поэтому мы решили увеличить количество атрибутов с шагом 1 и ограничить максимальное число до 6.

Количество элементов

Второй регулируемой переменной является количество администрируемых элементов I . Цель состоит в том, чтобы изучить возможность применения DCM для формативного оценивания в среде электронного обучения. Поскольку (субъективная) когнитивная усталость увеличивается с увеличением времени выполнения задачи (Ackerman and Kanfer, 2009), количество заданий не должно быть большим. Небольшая продолжительность оценивания гарантирует, что учащиеся будут мотивированы на выполнение всех пунктов оценивания с низкими ставками.Чтобы смоделировать реалистичную длину оценки, уровни этой переменной установлены на 10, 15, 20, 25 и 30 элементов.

Количество респондентов

Третьей регулируемой переменной является количество респондентов R . Как уже было сказано, предыдущее моделирование показало, что непараметрические методы предпочтительны для небольших выборок (30–50 респондентов), а параметрические методы, такие как DCM, — для больших выборок (200–500 респондентов) (Ma et al., 2020). Чтобы получить более конкретную информацию о требованиях к размеру выборки для DCM, уровни этой переменной устанавливаются в диапазоне от 100 до 1000, увеличиваясь с шагом 100.Эти различные уровни предоставляют полезную информацию для университетских курсов, поскольку количество студентов, которые участвуют в этих курсах, сильно различается в зависимости от курсов и университетов.

Пропорции мастерства и ассоциации атрибутов

Для имитации данных ответа на задание сначала создаются профили атрибутов R для каждого количества атрибутов A , принимая во внимание предельные трудности атрибутов (пропорции мастерства) и ассоциации атрибутов (корреляции) .Для каждого респондента вектор p длины A выбирается из многомерного нормального распределения со средним значением μ и корреляционной матрицей Σ , и эти векторы дискретизируются по 0 α C C (IE, α

AC AC = 0 если P A <0, и α AC = 1 если p и > 0).Средний вектор μ и корреляционная матрица Σ определяются на основе правдоподобных значений предельных пропорций мастерства и корреляций между латентными атрибутивными переменными соответственно.

Цель состоит в том, чтобы оценить, применимы ли модели в электронном обучении, которое представляет собой практическую среду с низкими ставками. Учащиеся, скорее всего, будут давать оценки до того, как тщательно изучат все учебные материалы, и некоторые из них могут усвоить некоторые характеристики лучше, чем другие.Поэтому ожидается, что предельные пропорции мастерства 90 569 m 90 570 90 641 90 569 a 90 570 90 644 будут различаться по атрибутам в рамках оценки. В каждой повторности 90 569 μ 90 570 выбирается таким образом, чтобы это приводило к соотношениям маргинальных признаков приблизительно 0,3, 0,5 и 0,7 для условий с тремя признаками; 0,3, 0,5, 0,5 и 0,7 для четырех атрибутов; 0,3, 0,4, 0,5, 0,6 и 0,7 для пяти атрибутов; и 0,3, 0,4, 0,5, 0,5, 0,6 и 0,7 для шести атрибутов. Эти значения были обусловлены аналогичными показателями в литературе.Например, Кунина-Хабенихт и соавт. (2012) изучали условия с пропорциями мастерства, варьирующимися от 0,3 до 0,7, по сравнению с равными пропорциями мастерства 0,5 по всем атрибутам. Результаты не показали существенного влияния на точность классификации, и хотя было бы интересно проверить, соблюдается ли это также в нашей ситуации с меньшими размерами выборки, мы выбрали один реалистичный уровень для этого фактора, чтобы сделать исследование моделирования управляемым. По той же причине мы выбираем один уровень для тетрахорных корреляций атрибутов пар атрибутов.Для каждой пары атрибутов корреляция в Σ выбирается из U (0,5, 0,7), которые являются типичными значениями для ассоциаций подоценок в поддоменах в образовательных приложениях для обучения (Sinharay, 2010; Sinharay et al., 2011; Хофман). и др., 2018). Это отражает умеренную и высокую корреляцию между атрибутами, что является реалистичным сценарием для оценок в рамках университетских курсов, которые обычно охватывают предметы, которые по определению связаны друг с другом. Кроме того, это соответствует значениям, которые используются в аналогичных исследованиях моделирования (например,грамм. Куи и др., 2012; Кунина-Хабенихт и др., 2012; Лю и др., 2017).

Спецификация Q-матрицы

Q-матрица определяется для каждого условия, возникающего в результате пересечения ряда атрибутов и элементов. Для этого исследования мы предполагаем, что Q-матрица задана правильно. Q-матрицы могут различаться по своей сложности, то есть по количеству элементов, измеряющих каждый атрибут, количеству атрибутов, измеренных в каждом элементе, и количеству атрибутов, которые измеряются совместно с другими атрибутами при оценке.Следуя рекомендациям Madison and Bradshaw (2015), 2 , мы гарантируем, что каждый атрибут измеряется как минимум один раз отдельно, а если возможно, то несколько раз. Это согласуется с выводами Kunina-Habenicht et al. (2012), которые продемонстрировали, что элементы, загружающие более трех атрибутов, требуют больших вычислительных ресурсов и приводят к большим стандартным ошибкам оценок параметров. Поэтому мы включаем только одномерные и двумерные элементы (т. е. элементы, измеряющие один или два атрибута).Для каждого количества атрибутов A задаются Q-матрицы для различных длин оценок I . В таблице 2 показано количество одномерных и двумерных элементов, включенных в каждую Q-матрицу. Для одномерных элементов мы обеспечили, чтобы все атрибуты измерялись одинаковое количество раз. Двумерные нагрузочные структуры выбираются случайным образом из всех возможных структур в каждой репликации.

ТАБЛИЦА 2 . Количество одномерных (uni) и двумерных (two) элементов на условие, полученное в результате пересечения количества атрибутов и элементов.

Параметры элемента

Для генерации данных параметры элемента λ i выбираются из равномерного распределения таким образом, чтобы получить правдоподобные вероятности ответа. Для всех элементов, измеряющих один атрибут, точки пересечения λ i ,0 выбираются из U (−1,50, −0,80) и основных эффектов ) из У (2.20, 2.90).Для всех элементов, измеряющих два атрибута, точки пересечения λ i ,0 выбираются из U (−1,50, −0,90), оба основных эффекта λ i ,1,( ) из U (0,90, 1,10), а двусторонние взаимодействия λ i ,2( a , a ′) из 90,7, 0,560 U U Вероятность правильного ответа на вопрос можно рассчитать, используя уравнения 1, 2. Диапазон вероятностей отклика элемента, полученный в результате выборки параметров элемента, показан в таблице 3.Вероятности ответа на эти элементы правдоподобны в том смысле, что вероятности угадывания для полных не мастеров относительно низки, вероятности правильных ответов для полных мастеров относительно высоки, а постепенное увеличение вероятностей мастеров отдельных атрибутов для двумерных предметов нетривиально (см., например, , Liu et al., 2017 и Madison and Bradshaw, 2015 для моделирования с аналогичными диапазонами вероятностей ответа для генерации данных). Путем случайной выборки параметров элементов сгенерированные наборы элементов будут включать в себя смесь элементов более низкого и более высокого качества.

ТАБЛИЦА 3 . Диапазон вероятностей ответа элемента для генерации данных.

2.3 Генерация данных

Данные генерируются с использованием статистического программного обеспечения R (R Core Team, 2019) с насыщенным LCDM в качестве генерирующей модели. Смоделированные профили атрибутов, Q-матрицы и параметры элемента объединяются для вычисления вероятностей ответа на вопрос π ic для каждого респондента с использованием уравнений. 1, 2. Затем, чтобы сгенерировать ответ x ic на элемент i для респондента с профилем атрибута α c , из 507 a выбирается случайное число 6 распределение на интервале от 0 до 1: u u (0, 1).Это значение сравнивается с вероятностью ответа π ic . Если U < π IC , затем x IC = 1, иначе x IC = 0.

В первой части исследования 1000 наборов данных генерируются для каждого условия, полученного в результате пересечения количества признаков (4 уровня), количества элементов (5 уровней) и количества респондентов (10 уровней).Во второй части исследования мы рассматриваем последствия неправильного определения размерности структуры атрибутов, для чего мы также генерируем 1000 наборов данных для каждого условия. В этих ситуациях Q-матрицы для генерации данных могут иметь другую размерность, чем Q-матрицы для оценки моделей. То есть мы генерируем данные, предполагая определенное количество базовых атрибутов ( A true ), которые приводят к откликам элемента. Оцениваются как истинные порождающие модели, так и модели с Q-матрицей с несовместимым числом признаков ( A est A true ), т.е.д., предполагая, что в основе поведения ответа элемента лежит разное количество атрибутов. В этом отношении мы различаем две ситуации. Во-первых, мы рассмотрим ситуации, когда атрибуты оцениваемой модели определены слишком грубо. Мы генерируем данные, при условии, TRUE = 2 и = 2 и True = 4 истинные базовые атрибуты, и мы оцениваем MACKECED Models, при условии, A EST = 1 и A est = 2 базовых атрибута соответственно.Таким образом, Q-матрица для оценки является сокращенной версией Q-матрицы, используемой для генерации (т. е. меньшей размерности). Во-вторых, мы рассматриваем ситуации, когда оценочная модель слишком детализирована. Мы рассматриваем ситуации, для которых создается данные A TRUE = 1 и A True = 2 истинные базовые атрибуты и мы оцениваем модели с A EST = 2 и A эст = 4 соответственно.Это достигается путем создания данных для пар атрибутов с корреляциями, установленными на ρ = 0,98, для представления отдельных, неразделимых основных навыков (значение, близкое, но не равное 1, было выбрано для предотвращения вычислительных проблем). Таким образом, для оценки некорректно заданной и истинной моделей нам потребуются производящие Q-матрицы и уменьшенная версия этой матрицы (т. е. требуется только уменьшить размерность, а не увеличить). Набор Q-матриц разной размерности строится следующим образом.Сначала задается матрица с наибольшей размерностью в соответствии с процедурами, описанными в разделе 2.2, и эта размерность уменьшается в зависимости от ее структуры загрузки. Если предполагается, что два атрибута представляют схожие навыки, Q-матрица с уменьшенной размерностью объединяет их в один атрибут. Если элемент загружается с одним или обоими исходными атрибутами, он также загружается с новым атрибутом. Пример такого сокращения показан в Таблице A1 Дополнительного Приложения).

2.4 Model Estimation

Все модели оцениваются с помощью статистического программного обеспечения R (R Core Team, 2019 г.) с использованием пакета R GDINA (Ma and de la Torre, 2020b; обратите внимание, что LCDM эквивалентен обобщенным детерминированным входным данным, зашумленным вентильная модель «и» с логит-связью [G-DINA; de la Torre, 2011] (добавлены необходимые ограничения монотонности). Классификации основаны на ожидаемых апостериорных оценках (EAP). Чтобы ответить на первый исследовательский вопрос о требованиях к структуре данных для LCDM, истинная генерирующая модель была приспособлена к каждому набору данных, т.е.е., используя правильную Q-матрицу и насыщенный LCDM. Оценка точности классификации и индексов соответствия модели дает представление о требованиях к данным, чтобы делать заявления о владении атрибутами респондентов. Чтобы ответить на второй исследовательский вопрос о влиянии неправильных спецификаций размерности на индексы соответствия модели, мы неверно указали количество атрибутов в Q-матрице, следуя процедуре, описанной в разделе 2.3. Оцениваются как истинные, так и неверно определенные модели, а также оценивается поведение индексов соответствия модели.

2.5 Показатели результатов

Точность классификации

Правильная скорость классификации обычно является важным результатом, когда DCM применяются к эмпирическим данным, поскольку образовательные решения принимаются на основе этих классификаций. В образовательной практике выбор обучения студентов, вероятно, будет сделан на основе оценки результатов усвоения отдельных атрибутов, например, решение попрактиковаться с учебными материалами по неосвоенному атрибуту. Таким образом, мы оцениваем коэффициент классификации маргинальных атрибутов (т.е., атрибутивная точность классификации).

Абсолютное соответствие модели

Мы оцениваем поведение двух показателей абсолютного соответствия модели оцениваемых моделей. Во-первых, вычисляется M 2 , который объединяет статистические данные соответствия с ограниченной информацией по парам элементов для получения общего индекса соответствия модели (Maydeu-Olivares and Joe, 2006). Асимптотические p -значения для этой статистики точны, даже когда данных мало. Лю и др. (2016) показали, что M 2 является мощным инструментом для обнаружения неправильной спецификации модели, и рекомендовали использовать статистику M 2 для оценки общего точного соответствия модели в DCM.Однако способность M 2 обнаруживать неправильные спецификации в структуре атрибутов кажется довольно низкой (Hansen et al., 2016).

Кроме того, мы оцениваем качество аппроксимации с помощью двумерной среднеквадратической ошибки статистики аппроксимации ( RMSEA 2 ), которая представляет собой преобразование несоответствия между подобранной моделью и вероятностями совокупности, которое корректирует сложность модели и выражает такое несоответствие в метрике сводной статистики, используемой для оценки соответствия модели (подробности см. в Maydeu-Olivares and Joe, 2014).Он показывает степень несоответствия и может рассматриваться как мера размера эффекта. Исследования моделирования показали, что для RMSEA 2 пороговые значения 0,030 и 0,045 являются разумными критериями отличного и хорошего соответствия LCDM (Liu et al., 2016).

Относительное соответствие модели

Для оценки относительного соответствия модели учитываются как информационный критерий Акаике (AIC; Akaike, 1974), так и байесовский информационный критерий (BIC; Schwarz, 1978), которые представляют собой меры, которые ставят под угрозу соответствие модели и ее сложность.Оценивается, свидетельствуют ли эти индексы в пользу правильно заданных моделей по сравнению с моделями с неправильными спецификациями размерности.

3 Результаты

3.1 Влияние длины оценки и размера выборки респондентов на результаты модели

Чтобы ответить на первый исследовательский вопрос, касающийся требований к данным для LCDM, мы оценили условия, при которых генерирующая модель согласуется с оценочной моделью. Для каждого условия, возникшего в результате пересечения количества атрибутов, элементов и респондентов, мы оценили предельную (по атрибутам) точность классификации и поведение статистики соответствия M 2 и RMSEA 2 .

Точность классификации показана на рисунке 1. На рисунке показана точность, усредненная по повторениям с планками погрешностей 90 % (вертикальные оси начинаются с 0,7 для более четкого представления результатов). Точность не сильно зависит от размера выборки респондентов, хотя меньшие размеры выборки, как ожидается, приведут к большему разбросу между повторениями, как показано большими планками погрешностей, что указывает на то, что эти результаты менее стабильны. Количество элементов, по-видимому, больше влияет на точность, чем количество респондентов.Как и ожидалось, администрирование большего количества элементов приводит к более высокой точности классификации, поскольку классификации основаны на большем количестве информации. Для каждого количества признаков A мы оценили, сколько респондентов R необходимо для достижения точности 0,9 (обозначено горизонтальной пунктирной линией) с разной длиной оценки. Результаты обобщены в таблице 4. Когда оценивается больше атрибутов, требования к данным для достижения точности 0,9, очевидно, становятся более жесткими. В некоторых условиях такой уровень точности не был достигнут при R ≤ 1000.В остальных условиях требования к размеру выборки респондентов варьируются от 100 до 300.

РИСУНОК 1 . Средняя предельная точность классификации (с 90-процентной погрешностью) в условиях, полученных в результате пересечения количества признаков A , элементов I и респондентов R , для которых генерирующая модель соответствовала оценочной модели. Вертикальные оси начинаются с 0,7 для более четкого представления результатов, а горизонтальные пунктирные линии указывают на точность 0.9.

ТАБЛИЦА 4 . Необходимое количество респондентов R для достижения предельной точности классификации 0,9 при оценке A атрибутов с I элементами («-» означает, что этот уровень точности не может быть достигнут с R ≤ 1000).

Помимо точности классификации мы оценили поведение M 2 . Более конкретно, мы оценили процент отказов на уровне 90 569 α 90 570 = 0,05. Поскольку оценочные модели соответствуют механизмам генерации данных, эти значения представляют частоту ошибок первого рода.Все показатели отказа были достаточно близки к номинальному альфа-уровню 0,05, что не указывает на то, что эта статистика является слишком консервативной или слишком либеральной в данных обстоятельствах (уровни отказа для каждого условия представлены в таблице A2 дополнительного приложения). Обратите внимание, что для условия с 10 элементами и 5 или 6 атрибутами нельзя было рассчитать статистику M 2 , поскольку степени свободы были слишком малы, что означает, что модель слишком сложна для имеющихся данных.Подробное описание M 2 и его степеней свободы мы отсылаем читателя к Maydeu-Olivares and Joe (2006) или Hansen et al. (2016).

Последний, RMSEA 2 был оценен. Обратите внимание, что опять же, для условия с 10 элементами и 5 или 6 атрибутами статистика RMSEA 2 не может быть рассчитана из-за слишком низких степеней свободы. Для остальных условий на рис. 2 показано среднее значение 90 569 RMSEA 90 570 90 641 2 90 644 для всех повторений с 90-процентной погрешностью.Все средние значения значительно ниже предложенного порогового значения 0,045 (Liu et al., 2016; обозначены горизонтальными пунктирными линиями), что указывает на хорошее соответствие модели. Для небольших размеров выборки респондентов RMSEA 2 значительно различались в разных повторах, что иллюстрируется большими планками погрешностей, что указывает на то, что эта статистика может быть ненадежной в данных обстоятельствах.

РИСУНОК 2 . Среднее значение RMSEA 2 (с 90%-ми погрешностями) в условиях, полученных в результате пересечения количества признаков A , элементов I и респондентов R , для которых порождающая модель соответствовала расчетной модели.Горизонтальные пунктирные линии обозначают RMSEA 2 из 0,045.

Для изучения взаимосвязи между RMSEA 2 и предельной точностью классификации на рисунке 3 показаны диаграммы рассеяния этой зависимости для различных уровней A и I , с горизонтальными пунктирными линиями, указывающими точность 0,9, и вертикальными пунктирными линиями. RMSEA 2 0,045. Мы ожидаем отрицательное отношение между двумя переменными, так что более высокое значение RMSEA 2 указывает на более низкую точность.Хотя эта тенденция до некоторой степени видна на панелях на рисунке 3, очевидно, что если многие атрибуты оцениваются с помощью небольшого количества элементов (т. е. A = 3 и I = 10; A = 4 и I ≤ 15; A = 5 и I ≤ 20; A = 6 и I ≤ 25), значения RMSEA 2 , несмотря на несколько меньшую точность, не увеличиваются существенно в этих условиях. Таким образом, в этих обстоятельствах RMSEA 2 не может предоставить доказательства снижения производительности модели. 3 Обратите внимание, что это именно те условия, при которых точность 0,9 не может быть достигнута с R ≤ 1000 (см. адекватно оценить производительность модели с помощью RMSEA 2 .

РИСУНОК 3 . Диаграмма рассеяния предельной точности классификации по сравнению с RMSEA 2 в условиях согласованной генерации и расчетных моделей.Горизонтальные и вертикальные пунктирные линии показывают точность 0,9 и RMSEA 2 0,045.

3.2 Чувствительность индексов соответствия модели к неправильным спецификациям размерности

Чтобы ответить на второй исследовательский вопрос, касающийся неправильных спецификаций размерности, мы оценили условия, при которых генерирующая модель несовместима с оценочной моделью. Это означает, что количество атрибутов, предполагаемых при создании данных, отличается от количества атрибутов в предполагаемой модели.Мы различаем две ситуации: структура атрибутов оценочной модели слишком детализирована или структура атрибутов оценочной модели слишком детализирована. Для каждого условия, полученного в результате пересечения количества атрибутов, элементов и респондентов, мы оценили способность M 2 обнаруживать несоответствие и поведение RMSEA 2 . Кроме того, мы рассмотрели чувствительность индексов относительной подгонки (т. е. AIC и BIC) для выбора наилучшей модели среди моделей с различной размерностью.

Слишком грубая оценка

Чтобы имитировать слишком грубую оценку, модели с A оценка = 1 и A оценка 9 были сгенерированы для 5 данных, которые были созданы для 6 A 6 944 9064 верно = 2 и A верно = 4 истинно базовых атрибута соответственно. Верхние панели на рис. 4 показывают коэффициенты отбраковки M 2 для всех условий, которые представляют собой способность обнаруживать несоответствие модели этого типа.Предполагая желаемую мощность 0,8 (обозначенную горизонтальными пунктирными линиями), требуется размер выборки респондентов R = 300, чтобы иметь возможность обнаружить несоответствие, когда I = 10. Когда количество элементов больше, необходимое количество респондентов уменьшается. Для I = 15 достаточны размеры выборки респондентов от R = 100 до R = 200, а когда I ≥ 20, достаточно размера выборки R = 100.

РИСУНОК 4 . M 2 частоты отбраковки и среднее RMSEA 2 (с 90% планками погрешностей) в условиях, полученных в результате скрещивания числа элементов I и респондентов R , для которых расчетная модель была более грубой. более зернистый, чем производящая модель ( A est < A true ). Горизонтальные пунктирные линии обозначают коэффициенты отклонения M 2 , равные 0,8 (желаемая мощность), и RMSEA 2 , равные 0.045.

Нижние панели на рис. 4 показывают среднее значение RMSEA 2 по повторениям с 90% планками погрешностей и горизонтальными пунктирными линиями, указывающими пороговое значение 0,045, предложенное Liu et al. (2016). Для I = 10, RMSEA 2 сильно варьируется в разных повторах со средними значениями, близкими к пороговому значению, что указывает на то, что эта статистика ненадежна в данных обстоятельствах. Это отсутствие надежности остается проблемой для небольших размеров выборки респондентов (90 569 R 90 570 ≤ 200), даже если количество пунктов увеличивается.В остальных условиях RMSEA 2 правильно указывает на несоответствие модели.

В дополнение к абсолютным индексам соответствия модели оценивается возможность использования AIC и BIC для выбора модели среди слишком грубой модели и правильно заданной (порождающей) модели. Обе модели были оценены для каждого смоделированного набора данных, и была выбрана модель с наименьшим значением каждого индекса относительного соответствия. На рис. 5 для каждого условия показана доля повторений, в которых была выбрана истинная модель. 4 При достаточном количестве элементов и респондентов ( I ≥ 20, R ≥ 200) и AIC, и BIC почти всегда выбирали истинную, более сложную модель. Для более коротких оценок и меньших размеров выборки респондентов AIC превзошел BIC. Это согласуется с предыдущими исследованиями, показывающими, что AIC может быть предпочтительнее BIC, когда модели-кандидаты представляют собой чрезмерное упрощение более сложных истинных моделей (Vrieze, 2012). Однако обратите внимание, что когда количество элементов и респондентов невелико (90 569 I 90 570 = 10, 90 569 R 90 570 = 100), AIC по-прежнему выбирал неверно указанную, менее сложную модель значительное количество раз.В целом, в 92,3% всех повторений во всех условиях оба индекса правильно отдавали предпочтение истинной модели, в 6,9% было несоответствие между индексами, при этом AIC всегда превосходил BIC, и только в 0,8% оба индекса ошибочно отдавали предпочтение слишком крупнозернистой модели. модель.

РИСУНОК 5 . Доля повторений, в которых AIC и BIC предпочли настоящую модель слишком грубой модели. Результаты отображаются для условий с A TRUE = 2 и = 2 и est = 1, 2, а с A TRUE = 4 и A EST = 2, 4.

Слишком мелкозернистая оценка

Для имитации слишком мелкозернистой оценки модели с A est = 2 и A est = 5 были сгенерированы для подгонки данных к 6 9 A = 5 истина = 1 и A истина = 2 истина базовых атрибутов соответственно. На рис. 6 показаны коэффициенты отклонения M 2 и среднеквадратичное значение RMSEA 2 с планками ошибок 90% для всех условий.Частота отбраковки низкая во всех условиях (все <0,1), что указывает на то, что мощность M 2 для обнаружения этого типа несоответствия низка. Кроме того, средние значения RMSEA 2 ниже порогового значения 0,045 (обозначенного горизонтальными пунктирными линиями) во всех условиях, что также не дает указания на несоответствие. Таким образом, в то время как индексы абсолютного соответствия могли обнаруживать слишком грубо определенные модели (с достаточно большим количеством элементов и респондентов), эти индексы нельзя использовать для обнаружения несоответствия модели, если оценка слишком детализирована.

РИСУНОК 6 . M 2 коэффициенты отклонения и среднее значение RMSEA 2 (с 90% планками погрешностей) в условиях, полученных в результате скрещивания количества элементов I и респондентов R , для которых оценочная модель была более тонкой. более зернистый, чем производящая модель ( A est > A true ). Горизонтальные пунктирные линии обозначают RMSEA 2 из 0.045.

Слишком мелкие модели более сложны (т.е. включают больше параметров), чем модели, соответствующие механизмам генерации данных. Более сложные модели с большей вероятностью соответствуют эмпирическим данным, что объясняет низкие показатели отклонения M 2 и низкие значения RMSEA 2 . Чтобы учесть это, относительные индексы соответствия AIC и BIC включают штрафные санкции за сложность. Для AIC этот штраф составляет 2 p , а для BIC p ⋅  ln( n ), где p — количество параметров, а n — размер выборки.Мы оценили, предоставляют ли AIC и BIC доказательства в пользу правильно определенных моделей по сравнению с моделями с неправильными спецификациями размерности. Для каждого смоделированного набора данных оценивались как истинная генерирующая модель, так и слишком мелкозернистая модель, и выбиралась модель с наименьшим значением каждого относительного индекса соответствия. Было оценено, как часто AIC и BIC предпочитали истинную модель модели с неправильным указанием, т. Е. В какой части повторений индексы относительного соответствия были ниже для истинной модели, чем у модели с неправильным определением.Результаты показаны на рисунке 7. 5 Очевидно, что BIC превосходит AIC во всех условиях. Это согласуется с выводами Лея и Ли (2016), которые обнаружили, что в когнитивно-диагностическом моделировании AIC имеет тенденцию ошибочно отдавать предпочтение более сложным моделям. Однако, несмотря на штрафной компонент BIC, который увеличивается с размером выборки, эффективность BIC снижается с увеличением размера выборки респондентов для условий с большим количеством элементов. Это говорит о том, что, хотя BIC превосходит AIC, ни один из этих индексов не дает хороших результатов при выборе истинной модели, если конкурирующие модели более сложны.В 24,4% всех повторений во всех условиях оба индекса отдавали предпочтение истинной, более экономной модели, в 32,6% наблюдалось расхождение между индексами, при этом BIC всегда превосходил AIC, а в 43,0% оба индекса ошибочно отдавали предпочтение слишком мелкозернистой модели. . Доля повторений, в которых оба индекса отдают предпочтение неправильной модели, увеличивается с увеличением количества элементов и респондентов. Короче говоря, существует постоянная тенденция как AIC, так и BIC отдавать предпочтение чрезмерно сложным моделям.Мера с более сильным штрафом за сложность может потребоваться при больших размерах выборки.

РИСУНОК 7 . Доля повторений, в которых AIC и BIC предпочли настоящую модель слишком мелкозернистой модели. Результаты отображаются для условий с A TRUE = 1 и = 1 и A est = 1, 2, а с A True = 2 и A EST = 2, 4.

4 Обсуждение

В этом имитационном исследовании изучалась возможность применения логарифмически-линейных моделей диагностической классификации к онлайн-формирующему оцениванию в высшем образовании для получения диагностической и действенной обратной связи, особенно на курсах с большими группами студентов. В частности, мы подошли к вопросам построения когнитивных диагностических оценок со статистической точки зрения, изучив требования к данным логарифмически-линейных DCM и влияние неправильного определения размера зерна (т.е., размерность) измеряемых навыков по индексам соответствия модели. Что касается требований к данным, мы предоставили минимальные размеры выборки респондентов, которые необходимы для 1) получения высокой точности при классификации учащихся как владеющих или не владеющих разным количеством атрибутов на основе оценок разной длины и 2) позволяющих адекватно оценить соответствие модели с статистика M 2 и RMSEA 2 . Как и ожидалось, оценка большего количества атрибутов увеличивает требования к структуре данных, при этом минимальный размер выборки респондентов варьируется от 100 до 300; подробные требования см. в таблице 4.Эти требования кажутся возможными для выполнения в больших курсах высшего образования, тем более что количество предметов, по-видимому, больше влияет на точность, чем количество респондентов. Результаты показали, что если атрибуты оцениваются с помощью небольшого количества элементов (т.е. 3, 4, 5 или 6 атрибутов с не более чем 10, 15, 20 или 25 элементами соответственно), соответствие модели не может быть адекватно оценено с помощью RMSEA 2 , но если администрировать больше элементов, эта проблема будет решена. Если есть возможность включить в формативное оценивание не менее 20–30 пунктов, можно точно оценить от 3 до 5 атрибутов на основе размеров выборки респондентов в 200 учащихся, что не является редкостью в этой области.

Что касается неправильных спецификаций размерности, мы оценили ситуации, когда определяются отдельные атрибуты, которые на самом деле представляют несколько различных навыков, и ситуации, когда определяются несколько атрибутов, которые на самом деле представляют одни и те же (или очень похожие) навыки. Результаты показали, что (при наличии достаточного количества данных) индексы абсолютного соответствия модели M 2 и RMSEA 2 можно использовать для обнаружения несоответствия модели, если атрибуты определены слишком грубо, но не в том случае, если размер зерна определения слишком мал. .Более того, индексы относительной подгонки AIC и BIC обычно свидетельствовали в пользу истинных, более мелких и сложных моделей по сравнению со слишком грубыми моделями, но не в пользу истинных, более грубых и экономных моделей по сравнению со слишком четкими моделями. -зернистые модели. Что касается слишком мелких моделей, мы изучили крайний случай с корреляцией атрибутов 0,98, что привело к почти неразделимым атрибутам (т. Е. Одномерным измерениям). Даже в этом крайнем случае индексы соответствия обычно предпочитали неправильные модели с более высокой размерностью, и ожидается, что эта производительность еще больше ухудшится для более низких корреляций атрибутов.Мы рекомендуем быть консервативными в вопросе размерности и отдавать предпочтение экономным моделям. Результаты показали, что модели склонны к переоснащению и что штрафные санкции AIC и BIC за сложность могут быть недостаточно сильными. Проблема заключается в том, что на практике, если размерность изучается эмпирически путем подгонки логлинейных DCM различных размерностей, неизвестно, какая из двух ситуаций применима, и, следовательно, неизвестно, можно ли доверять результатам. Поскольку было обнаружено, что AIC работает лучше в одной ситуации, а BIC — в другой, рекомендуется не полагаться только на один индекс, а оценить их согласие, чтобы оказать большую поддержку при выборе модели.Однако, даже если индексы согласуются, этим результатам нельзя полностью доверять, поскольку существует значительная вероятность переобучения (особенно при больших размерах выборки). Поэтому при оценке размерности атрибутов рекомендуется полагаться на надежные исследования в области образования и познания (например, исследования «думай вслух»; Leighton and Gierl, 2007a).

4.1 Последствия для образовательной практики

Установленные требования к данным служат руководством для специалистов-практиков в области образования при разработке формативных онлайн-оценок, позволяющих применять логарифмически-линейные DCM для получения диагностической и действенной обратной связи.Как описано, этот процесс проектирования начинается с определения когнитивной модели (т. е. определения атрибутов). В зависимости от количества учащихся, которые будут проводить оценку, результаты из Таблицы 4 можно использовать для определения количества атрибутов и элементов. Например, если участвуют 300 студентов, можно выбрать оценку 4 атрибутов по 20 пунктам. Обратите внимание, что если оценка недостаточно длинная, можно рассмотреть возможность включения ковариатов, которые предоставляют вспомогательную информацию для повышения точности классификации (Сан и де ла Торре, 2020), например, о пройденных курсах или полученных оценках (Мислеви и Шихан, 1989).После определения количества атрибутов определяются атрибуты на определенном уровне детализации. С образовательной точки зрения это включает в себя рассмотрение диапазона целей обучения, охватываемых оцениванием, и желаемой специфики обратной связи. Кроме того, результаты моделирования показали важность теоретических соображений, касающихся когнитивных процессов, лежащих в основе поведения ответов на вопросы, для определения набора различных атрибутов, поскольку статистическое обнаружение неправильных спецификаций размерности атрибутов может быть проблематичным.

После определения структуры атрибутов достаточное количество элементов, измеряющих эти атрибуты, объединяются в оценку. Курсы, использующие среду электронного обучения, обычно имеют банк предметов с практическими материалами для студентов. Учителя могут использовать эти элементы для составления оценки, чтобы получить диагностическую информацию и указать, какие атрибуты измеряет каждый элемент (т. е. указать Q-матрицу). Мэдисон и Брэдшоу (2015) предоставляют рекомендации по проектированию Q-матрицы, которые следует учитывать в этом процессе.Они рекомендуют измерять каждый атрибут разумное количество раз, измерять каждый атрибут по крайней мере один раз отдельно (т. е. с одномерными элементами), и, если два атрибута действительно связаны и элементы не могут быть записаны для измерения любого атрибута в отдельности, объединить их в один составной атрибут. Совсем недавно Гу и Сюй (2021) предоставили рекомендации по построению идентифицированной Q-матрицы, которую следует учитывать. Далее в настоящем исследовании предполагалось, что Q-матрица задана корректно.Тем не менее, процесс построения Q-матрицы на основе экспертной оценки носит субъективный характер и может быть подвержен ошибкам. Чтобы решить эту проблему, Q-матрица может быть эмпирически проверена для выявления неверно указанных записей, например, с помощью общего индекса дискриминации (GDI; de la Torre and Chiu, 2016) или пошагового метода Вальда (Ma and de la Torre, 2020a). . Эти методы проверки предоставляют предложения по модификациям, улучшающим соответствие модели, которые должны быть оценены экспертами в предметной области, чтобы принять окончательное решение о Q-матрице для обеспечения теоретической интерпретируемости.

После составления формирующего оценивания оно предоставляется учащимся в онлайн-среде обучения, и на основе данных ответов оцениваются DCM. В текущем исследовании оценивалась насыщенная LCDM, которая соответствовала истинной генерирующей модели. Однако в действительности характер взаимодействий атрибутов может варьироваться в зависимости от элементов для элементов со сложной структурой, что может потребовать использования сокращенных DCM. Если нет априорной теории о поведении атрибутов на уровне элемента, можно использовать структуру LCDM для наблюдения за поведением атрибута, проверяя для каждого элемента, можно ли оценить редуцированную модель без существенной потери соответствия модели с помощью теста Вальда (де Ла Торре и Ли, 2013 г.).Ма и др. (2016) обнаружили, что правильное использование сокращенных DCM для разных элементов может привести к более высокой точности классификации по сравнению с подгонкой насыщенного LCDM ко всем элементам, особенно когда размер выборки невелик и элементы низкого качества. После оценки соответствующих DCM можно получить диагностические профили. Эта подробная диагностическая обратная связь может улучшить образовательную практику, позволяя как учащимся, так и учителям делать более осознанный выбор обучения (Nicol and Macfarlane-Dick, 2006).

В будущем мы планируем внедрить когнитивные диагностические оценки в среду онлайн-обучения в высших учебных заведениях и смоделировать данные ответов на вопросы с помощью логлинейных DCM. Мы продемонстрируем на эмпирических данных, как эти модели можно использовать для обеспечения эффективной обратной связи на основе формирующих онлайн-оценок. Чтобы получить представление о том, как это можно установить, мы отсылаем читателя к Jang (2008) за основой для практического применения когнитивных диагностических оценок и к Roduta Roberts and Gierl (2010) за основой для разработки отчетов о баллах когнитивной диагностики. оценки.Кроме того, примеры применения см. в Park et al. (2020), которые демонстрируют использование DCM для представления подбаллов в образовании медицинских профессий, или Gierl et al. (2010) для реализации когнитивной диагностической оценки в программе по математике.

4.2 Ограничения и будущие исследования

Текущее исследование моделирования не было исчерпывающим в отношении условий (неправильных) спецификаций модели, поскольку это было бы неуправляемым. Мы попытались максимально приблизить обстоятельства в области онлайн-обучения в высшем образовании, указав вероятные значения в дизайне моделирования, такие как пропорции мастерства, корреляции атрибутов и качество элементов.Хотя результаты этого исследования могут быть обобщены за пределы этой конкретной области, выбор условий моделирования был обусловлен этим контекстом. Обратите внимание, что истинные значения могут отклоняться от указанных значений, и хотя предыдущие расчеты не показали существенного влияния таких отклонений на некоторые из этих факторов (например, Kunina-Habenicht et al., 2012), было бы интересно проверить, верно ли это. в нашей ситуации с меньшим размером выборки. Кроме того, на результаты могут повлиять другие типы неправильных спецификаций модели, такие как недообучение или переоснащение Q-матрицы (т.т. е. указание нулей там, где должны быть единицы и наоборот) или неполнота Q-матрицы. Были проведены исследования для изучения влияния таких неверных спецификаций на когнитивную диагностическую оценку (см., например, Rupp and Templin, 2008; Kunina-Habenicht et al., 2012; Lei and Li, 2016), но было бы уместно изучить их более подробно. в контексте формативного оценивания в курсах высшего образования, т.е. с меньшими размерами выборки.

Кроме того, мы включили только одномерные и двумерные элементы.Как указывалось ранее, включение большего количества перекрестных нагрузок в Q-матрицу приведет к большей нестабильности оценок (Кунина-Хабенихт и др., 2012). В случае увеличения сложности Q-матрицы может потребоваться выборка большего размера, чем рекомендуется в нашем исследовании, и было бы интересно расширить исследование моделирования, включив в него более сложные элементы. Обратите внимание, что мы определили наши Q-матрицы в соответствии с рекомендациями Мэдисона и Брэдшоу (2015). Идентифицируемость Q-матрицы является активной областью исследований, и недавно были рекомендованы более четкие требования для обеспечения идентифицируемости; см. Гу и Сюй (2021).Мы оценили наши процедуры построения Q-матрицы и обнаружили, что в условиях с I ≥ 3 A (почти) все наши Q-матрицы удовлетворяют требованиям Гу и Сюй, но не в условиях с I < 3 А . Хотя наши результаты не выявили проблем с идентификацией, важно учитывать идентифицируемость для интерпретируемости результатов модели на практике.

Как и условия моделирования, индексы соответствия модели, использованные для оценки результатов, не были исчерпывающими.Доступны дополнительные индексы соответствия, которые было бы интересно изучить в контексте неправильных спецификаций детализации, таких как двумерная информационная статистика, рассмотренная Chen et al. (2013) или Лей и Ли (2016).

Наконец, мы предположили истинную, статическую размерность атрибута. Обратите внимание, что структура навыков может меняться со временем, например, корреляции между навыками могут увеличиваться и становиться настолько тесно связанными, что их можно рассматривать как одномерный навык (Hofman et al., 2018). Обучение — это динамичный процесс, особенно когда предоставляется обратная связь, и эту динамику следует учитывать и при диагностической оценке (например, Brinkhuis and Maris, 2019). Будущие исследования могут рассмотреть возможность изучения сильно коррелированных атрибутов и влияния размера зернистости определения на выводы об учениках.

4.3 Заключительные замечания

В заключение следует отметить, что модели диагностической классификации могут быть ценным инструментом для получения диагностической информации на основе формирующих онлайн-оценок в высшем образовании.Для этого преподавателям необходимо указать навыки, подлежащие измерению, построить оценки и указать для каждого элемента оценки, какой навык (навыки) он измеряет. Текущее исследование показывает, что DCM могут предоставлять точную диагностическую информацию с достаточным количеством элементов и респондентов, но при этом подчеркивается важность теоретических соображений о когнитивных процессах, которые приводят к ответам на вопросы при определении навыков, подлежащих измерению. Обратите внимание, что построение когнитивных диагностических оценок не требует статистических знаний о моделировании данных, что делает его возможным для учителей в любой образовательной области, которая допускает теоретически обоснованную спецификацию атрибутов.Для этого платформы электронного обучения должны будут разработать удобные для пользователя инструменты, которые позволят создавать такие оценки, включая инструкции для учителей о требованиях, касающихся количества навыков и элементов, а также структур загрузки элементов. Построение этих оценок требует дополнительных усилий со стороны учителей, но это перевешивается преимуществами получения действенной обратной связи, а не (менее значимой) пропорции правильных оценок, которые обычно выставляются в текущей практике.

Заявление о доступности данных

Весь код R для создания и анализа наборов данных в текущем исследовании представлен в дополнительных материалах. Код R включает подробную документацию для воспроизведения всех представленных результатов.

Вклад авторов

Все авторы участвовали в планировании, дизайне и концептуализации исследования. LM выполнил моделирование, проанализировал результаты и взял на себя инициативу в написании рукописи. MB, LK и LW-dM предоставили критические отзывы и помогли сформировать исследование, анализ и рукопись.Все авторы прочитали и одобрили окончательный вариант рукописи.

Финансирование

Это исследование не получило какого-либо специального гранта от финансирующих агентств в государственном, коммерческом или некоммерческом секторах.

Конфликт интересов

Авторы заявляют, что исследование проводилось при отсутствии каких-либо коммерческих или финансовых отношений, которые могли бы быть истолкованы как потенциальный конфликт интересов.

Примечание издателя

Все претензии, изложенные в этой статье, принадлежат исключительно авторам и не обязательно представляют претензии их дочерних организаций или издателя, редакторов и рецензентов.Любой продукт, который может быть оценен в этой статье, или претензии, которые могут быть сделаны его производителем, не гарантируются и не поддерживаются издателем.

Дополнительный материал

Дополнительный материал к этой статье можно найти в Интернете по адресу: https://www.frontiersin.org/articles/10.3389/feduc.2022.802828/full#supplementary-material

Сноски

1 В текущем исследовании мы имеем в виду «неправильные спецификации». Однако обратите внимание, что существуют ситуации, в которых допустимо сохранять сильно коррелированные атрибуты как отдельные или определять составные атрибуты на основе практических ограничений (как описано в разделе 1.3).

2 Мы построили Q-матрицы, следуя рекомендациям Мэдисона и Брэдшоу (2015). Совсем недавно Гу и Сюй (2021) представили рекомендации по обеспечению идентифицируемости Q-матрицы, которые мы кратко обсудим в разделе 4.2

3 Подобные закономерности были обнаружены в условиях с разным количеством респондентов R , см. Дополнительное приложение, рисунок A1.

4 Анализы повторялись с выбором модели только в том случае, если разница в AIC или BIC превышала 2, так как меньшие различия иногда расцениваются как не подтверждающие ни одну из рассматриваемых моделей (например,г., Бернем и Андерсон, 2004, стр. 270-271). Эти результаты были очень похожи на результаты, представленные здесь. и Канфер, Р. (2009). Продолжительность теста и когнитивная усталость: эмпирическое исследование влияния на производительность и реакцию тестируемых. Дж. Экспл. Психол. заявл. 15, 163–181.doi:10.1037/a0015719

CrossRef Полный текст | Google Scholar

Акаике, Х. (1974). Новый взгляд на идентификацию статистической модели. IEEE Trans. Автомат. контр. 19, 716–723. doi:10.1109/TAC.1974.1100705

Полный текст CrossRef | Google Scholar

Белл Б.С. и Козловски С.В.Дж. (2002). Адаптивное руководство: повышение саморегуляции, знаний и производительности в обучении на основе технологий. Кадровая психология. 55, 267–306. дои: 10.1111/j.1744-6570.2002.tb00111.x

Полнотекстовая перекрестная ссылка | Google Scholar

Блэк П. и Вильям Д. (1998). Оценка и обучение в классе. Оценка. Образовательный Принципы, Пол. Практика. 5, 7–74. doi:10.1080/0969595980050102

CrossRef Full Text | Google Scholar

Брэдшоу, Л. (2017). «Модели диагностической классификации», Справочник по познанию и оценке: основы, методологии и приложения . Редакторы А. А. Рупп и Дж.П. Лейтон (Чистер, Соединенное Королевство: онлайн-библиотека Wiley), 297–327. doi:10.1002/9781118956588.ch23

CrossRef Full Text | Google Scholar

Brinkhuis, MJS, and Maris, G. (2019). «Способность отслеживания: определение средств отслеживания для измерения образовательного прогресса», в Теоретические и практические достижения в компьютерной методологии измерения и оценки образования . Редакторы Б. П. Вельдкамп и К. Слейтер (Cham: Springer International Publishing), гл.8, 161–173. doi:10.1007/978-3-030-18480-3_8

CrossRef Full Text | Google Scholar

Браун, К. Г. (2001). Использование компьютеров для обучения: какие сотрудники учатся и почему? Кадровая психология. 54, 271–296. doi:10.1111/j.1744-6570.2001.tb00093.x

Полный текст CrossRef | Google Scholar

Бернхэм, К.П., и Андерсон, Д.Р. (2004). Мультимодельный вывод. Социологические методы Res. 33, 261–304. doi:10.1177/00404268644

CrossRef Full Text | Google Scholar

Цай Ю., Ту, Д., и Дин, С. (2013). Имитационное исследование для сравнения пяти когнитивных диагностических моделей. Acta Psychologica Sinica 45, 1295–1304. doi:10.3724/SP.J.1041.2013.01295

Полный текст CrossRef | Google Scholar

Чен Дж., де ла Торре Дж. и Чжан З. (2013). Относительная и абсолютная оценка соответствия в моделировании когнитивной диагностики. Дж. Образование. Изм. 50, 123–140. doi:10.1111/j.1745-3984.2012.00185.x

Полный текст CrossRef | Google Scholar

Чиу, К.Ю., Сун Ю. и Биан Ю. (2018). Когнитивная диагностика малых образовательных программ: метод общей непараметрической классификации. Психометрика 83, 355–375. doi:10.1007/s11336-017-9595-4

PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar

Cui, Y., Gierl, MJ, and Chang, H.-H. (2012). Оценка согласованности и точности классификации для когнитивной диагностической оценки. Дж. Образование. Изм. 49, 19–38. doi:10.1111/j.1745-3984.2011.00158.x

Полный текст CrossRef | Google Scholar

де ла Торре, Дж.и Ли, Ю.-С. (2013). Оценка теста Вальда для сравнения насыщенных и редуцированных моделей на уровне элементов в когнитивной диагностике. Дж. Образование. Изм. 50, 355–373. doi:10.1111/jedm.12022

Полный текст CrossRef | Google Scholar

де ла Торре, Дж., и Минхен, Н. (2014). Когнитивно-диагностические тесты и модель когнитивной диагностики. Образовательная психология 20, 89–97. doi:10.1016/j.pse.2014.11.001

Полный текст CrossRef | Google Scholar

Фергюсон, Р.(2012). Аналитика обучения: движущие силы, разработки и вызовы. Междунар. Дж. Технол. Расширенное обучение. 4, 304–317. doi:10.1504/IJTEL.2012.051816

Полный текст CrossRef | Google Scholar

Gierl, MJ, Alves, C., and Majeau, R.T. (2010). Использование метода иерархии атрибутов для диагностических выводов о знаниях и навыках испытуемых в области математики: операционная реализация когнитивно-диагностической оценки. Междунар. Дж. Тест. 10, 318–341. дои: 10.1080/15305058.2010.509554

CrossRef Полный текст | Google Scholar

Gierl, MJ, and Cui, Y. (2008). Определение характеристик моделей диагностической классификации и проблема дооснащения в когнитивно-диагностическом оценивании. Изм. междисциплинарный Рез. Перспектива 6, 263–268. doi:10.1080/15366360802497762

CrossRef Full Text | Google Scholar

Гу Ю. и Сюй Г. (2021). Достаточные и необходимые условия идентифицируемости Q-матрицы. Стат. Синица 31, 449–472. doi:10.5705/ss.202018.0410

CrossRef Full Text | Google Scholar

Хансен М., Кай Л., Монро С. и Ли З. (2016). Тестирование на согласие с ограниченной информацией моделей отклика диагностических классификационных элементов. Бр. Дж. Матем. Стат. Психол. 69, 225–252. doi:10.1111/bmsp.12074

Полный текст CrossRef | Google Scholar

Хофман А. Д., Киевит Р., Стивенсон К., Моленаар Д., Виссер И. и ван дер Маас Х.(2018). Динамика развития математических навыков: сравнение теорий развития интеллекта. Препринт ОСФ. doi:10.31219/osf.io/xa2ft

Полный текст CrossRef | Google Scholar

Хюбнер, А., и Ван, К. (2011). Примечание о сравнении методов классификации испытуемых для моделей когнитивной диагностики. Учеб. Психол. Изм. 71, 407–419. doi:10.1177/0013164410388832

Полный текст CrossRef | Google Scholar

Хафф К. и Гудман Д.П. (2007). «Спрос на когнитивно-диагностическое тестирование», в «Когнитивный диагностический тест для образования» . Редакторы Дж. П. Лейтон и М. Дж. Гирл (Нью-Йорк: издательство Кембриджского университета), 19–60. doi:10.1017/CBO9780511611186.002

CrossRef Full Text | Google Scholar

Jang, EE (2008). «Основы когнитивной диагностической оценки», в На пути к адаптивному вызову: обработка естественного языка для диагностической языковой оценки . Редакторы К. Шапель, Ю.-Р. Чанг и Дж. Сюй (Эймс, ИА: Государственный университет Айовы), 117–131.

Google Scholar

Кунина-Хабенихт О., Рупп А. А. и Вильгельм О. (2012). Влияние неправильной спецификации модели на оценку параметров и оценку соответствия элементов в моделях лог-линейной диагностической классификации. Дж. Образование. Изм. 49, 59–81. doi:10.1111/j.1745-3984.2011.00160.x

Полный текст CrossRef | Google Scholar

Лей, П. В., и Ли, Х. (2016). Эффективность индексов соответствия при выборе правильных когнитивных диагностических моделей и Q-матриц. Заяв. Психол. Изм. 40, 405–417. doi:10.1177/0146621616647954

PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar

Лейтон, Дж. П., и Гирл, М. Дж. (2007a). «Вербальные отчеты как данные для когнитивной диагностической оценки», в Когнитивная диагностическая оценка для образования . Редакторы Дж. П. Лейтон и М. Дж. Гирл (Нью-Йорк: издательство Кембриджского университета), 146–172. doi:10.1017/CBO9780511611186.006

Полный текст CrossRef | Google Scholar

Лейтон, Дж.П. и Гирл, М. Дж. (2007b). «Зачем нужен когнитивно-диагностический тест», в Когнитивный диагностический тест для образования . Редакторы Дж. П. Лейтон и М. Дж. Гирл (Нью-Йорк: издательство Кембриджского университета), 3–18. doi:10.1017/CBO9780511611186.001

CrossRef Full Text | Google Scholar

Лю Р., Хаггинс-Мэнли А.С. и Брэдшоу Л. (2017). Влияние конструкций Q-Matrix на точность диагностической классификации при наличии иерархии атрибутов. Учеб. Психол.Изм. 77, 220–240. doi:10.1177/0013164416645636

PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar

Лю Р., Хаггинс-Мэнли А. К. и Булут О. (2018). Модернизация моделей диагностической классификации для ответов из форм оценки на основе IRT. Учеб. Психол. Изм. 78, 357–383. doi:10.1177/0013164416685599

PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar

Лю Ю., Тянь В. и Синь Т. (2016). Применение статистики M2 для оценки соответствия когнитивных диагностических моделей. Дж. Образование. Поведение Стат. 41, 3–26. doi:10.3102/1076998615621293

Полный текст CrossRef | Google Scholar

Ма, К., де ла Торре, Дж., и Сюй, Г. (2020). Объединение параметрических и непараметрических методов в когнитивной диагностике. Препринт arXiv arXiv: 2006.15409.

Google Scholar

Ма, В., и де ла Торре, Дж. (2020a). Эмпирический метод проверки Q-матрицы для последовательной обобщенной модели DINA. Бр. Дж. Матем. Стат. Психол. 73, 142–163.doi:10.1111/bmsp.12156

Полный текст CrossRef | Google Scholar

Ма, В., Яконанджело, К., и де ла Торре, Дж. (2016). Сходство моделей, выбор модели и классификация атрибутов. Заяв. Психол. Изм. 40, 200–217. doi:10.1177/0146621615621717

PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar

Ма, В., и де ла Торре, Дж. (2020b). GDINA: пакет R для моделирования когнитивной диагностики. Дж. Стат. Мягкий. 93, 1–26. дои: 10.18637/jss.v093.i14

CrossRef Полный текст | Google Scholar

Мэдисон, М. Дж., и Брэдшоу, Л. П. (2015). Влияние дизайна Q-Matrix на точность классификации в модели лог-линейной когнитивной диагностики. Учеб. Психол. Изм. 75, 491–511. doi:10.1177/0013164414539162

PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar

Майдеу-Оливарес, А., и Джо, Х. (2006). Проверка согласия с ограниченной информацией в многомерных таблицах непредвиденных обстоятельств. Психометрика 71, 713–732.doi:10.1007/s11336-005-1295-9

Полный текст CrossRef | Google Scholar

Мислеви, Р. Дж., и Шихан, К. М. (1989). Роль дополнительной информации об испытуемых в оценке параметров предмета. Психометрика 54, 661–679. doi:10.1007/BF02296402

Полный текст CrossRef | Google Scholar

Никол, Д. Дж., и Макфарлейн-Дик, Д. (2006). Формирующая оценка и саморегулируемое обучение: модель и семь принципов надлежащей практики обратной связи. Шпилька.Высшее образование. 31, 199–218. doi:10.1080/03075070600572090

Полный текст CrossRef | Google Scholar

Норрис, С.П., Макнаб, Дж.С., и Филлипс, Л.М. (2007). «Когнитивное моделирование результатов тестов диагностических достижений: философский анализ и обоснование», в Cognitive Diagnostic Assessment for Education . Редакторы Дж. П. Лейтон и М. Дж. Гирл (Нью-Йорк: издательство Кембриджского университета), 61–84. doi:10.1017/CBO9780511611186.003

CrossRef Full Text | Google Scholar

Парк, Ю.С., Моралес А., Росс Л. и Паниагуа М. (2020). Отчетность о профилях подсчета с использованием моделей диагностической классификации в образовании медицинских профессий. Оценка. Проф. здравоохранения 43, 149–158. doi:10.1177/0163278719871090

PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar

Пеллегрино Дж. В., Чудовски Н. и Глейзер Р. (2001). Знать, что знают учащиеся: наука и разработка системы оценивания образования . Вашингтон (округ Колумбия): Издательство Национальной академии. дои: 10.17226/10019

Полнотекстовая перекрестная ссылка | Google Scholar

R Core Team (2019). R: язык и среда для статистических вычислений . Вена, Австрия: R Foundation for Statistical Computing.

Google Scholar

Родута Робертс М. и Гирл М. Дж. (2010). Разработка отчетов о баллах для когнитивных диагностических тестов. Учеб. Изм. Выпуски практ. 29, 25–38. doi:10.1111/j.1745-3992.2010.00181.x

Полный текст CrossRef | Google Scholar

Рупп А.А., Темплин Дж. и Хенсон Р.А. (2010). Диагностические измерения: теория, методы и приложения . Нью-Йорк: Гилфорд Пресс.

Google Scholar

Рупп А. А. и Темплин Дж. (2008). Влияние неправильной спецификации Q-матрицы на оценки параметров и точность классификации в модели DINA. Учеб. Психол. Изм. 68, 78–96. doi:10.1177/0013164407301545

Полный текст CrossRef | Google Scholar

Рупп А.А. (2007). Ответ содержится в вопросе: Руководство по описанию и исследованию концептуальных основ и статистических свойств когнитивных психометрических моделей. Междунар. Дж. Тест. 7, 95–125. doi:10.1080/153050507011

CrossRef Full Text | Google Scholar

Сэдлер, Д. Р. (1989). Формирующая оценка и разработка учебных систем. Инстр. науч. 18, 119–144. doi:10.1007/BF00117714

Полный текст CrossRef | Google Scholar

Сэдлер, Д. Р. (2007). Опасности в тщательной спецификации целей и критериев оценки. Оценка. Образовательный Принципы, Пол. Практика. 14, 387–392. дои: 10.1080/096959407015

Полнотекстовая перекрестная ссылка | Google Scholar

Шунк, Д. Х., и Циммерман, Б. Дж. (2003). «Саморегуляция и обучение», в Справочник по психологии: Том 7 Педагогическая психология . Редактор И. Б. Вайнер (Хобокен, Нью-Джерси: John Wiley & Sons), 59–78. doi:10.1002/0471264385.wei0704

CrossRef Full Text | Google Scholar

Сессомс, Дж., и Хенсон, Р. А. (2018). Применение моделей диагностической классификации: обзор литературы и критический комментарий. Изм. междисциплинарный Рез. Перспектива. 16, 1–17. doi:10.1080/15366367.2018.1435104

CrossRef Full Text | Google Scholar

Синхарай, С. (2010). Как часто дополнительные оценки имеют дополнительную ценность? Результаты оперативных и смоделированных данных. Дж. Образование. Изм. 47, 150–174. doi:10.1111/j.1745-3984.2010.00106.x

Полный текст CrossRef | Google Scholar

Синхарай С., Пухан Г. и Хаберман С. Дж. (2011). Учебный модуль NCME по подсчетам. Учеб.Изм. Выпуски практ. 30, 29–40. doi:10.1111/j.1745-3992.2011.00208.x

Полный текст CrossRef | Google Scholar

Сан, Ю., и де ла Торре, Дж. (2020). «Повышение точности классификации атрибутов в многомерных данных: четырехэтапный подход к скрытой регрессии», в Инновационное психометрическое моделирование и методы . Редакторы Х. Цзяо и Р. В. Лисситц (Charlotte, NC: Information Age Publishing), 17–44.

Google Scholar

Темплин Дж. и Брэдшоу Л.(2013). Измерение надежности оценок испытуемых модели диагностической классификации. J. Classif 30, 251–275. doi:10.1007/s00357-013-9129-4

Полный текст CrossRef | Google Scholar

Томпсон К. и Йонекура Ф. (2005). Практические рекомендации по детализации изучения объектов в одном высшем учебном заведении. Междисциплинарный. J. Электронное обучение. Объекты 1, 163–179. doi:10.28945/418

CrossRef Полный текст | Google Scholar

ВанЛен, К.(2011). Относительная эффективность обучения людей, интеллектуальных систем обучения и других систем обучения. Учеб. Психол. 46, 197–221. doi:10.1080/00461520.2011.611369

CrossRef Full Text | Google Scholar

Виберг О., Хатакка М., Бэлтер О. и Мавруди А. (2018). Современный ландшафт аналитики обучения в высшем образовании. Вычисл. Гум. Поведение 89, 98–110. doi:10.1016/j.chb.2018.07.027

Полный текст CrossRef | Google Scholar

Вриз, С.И. (2012). Выбор модели и психологическая теория: обсуждение различий между информационным критерием Акаике (AIC) и байесовским информационным критерием (BIC). Психология. Методы 17, 228–243. doi:10.1037/a0027127

PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar

Подход к классификации стилей обучения, основанный на сети глубокого убеждения, для крупномасштабного онлайн-образования | Journal of Cloud Computing

Исследование теории стиля обучения

Концепция «стиля обучения», впервые определенная Гербертом Теленом, с тех пор превратилась в десятки теорий стиля обучения и была применена на практике в сфере образования.Благодаря методам обучения, описанным в разделах «Обучение студентов в соответствии с их способностями» и «Ориентация на учащегося», все большее число ученых переключают свое внимание на стиль обучения учащихся, который, как ожидается, будет полностью учитываться в процессе разработки МООК. В последние годы быстрое развитие онлайн-инструментов обучения, таких как МООК, побудило ученых задуматься о том, как отразить различные стили обучения в онлайн-образовании, чтобы можно было предложить соответствующие материалы и методы для повышения эффективности обучения [11,12,13, 14,15, 17].

Теории стиля обучения стали относительно зрелыми после долгой истории исследований. Многие ученые предложили сложные модели стиля обучения. Согласно модели стиля обучения Карри, все стили обучения можно разделить на три уровня, а именно: «преподавательское предпочтение» — внешний уровень, «режим обработки информации» — средний уровень и «когнитивный стиль» — самый внутренний уровень [18]. Модели стиля обучения этого типа включают модели стиля обучения Колба [19], Хани и Мамфорда [20], Данна [21] и модели стиля обучения Фелдера-Сильвермана [11].Кроме того, другие модели, такие как когнитивные стили, VARK и модель стиля обучения Кифа, предлагают разные определения стиля обучения.

Модель стиля обучения Данна представляет собой репрезентативную теорию «луковичной модели» на внешнем уровне. Данн в основном интересовался стимулами, влияющими на учебную деятельность [19]. Эти стимулы связаны со средой обучения, социальной средой, физиологическими факторами, психологическими факторами и эмоциональными факторами. Однако все эти стимулы крайне нестабильны и уязвимы, что легко заметить.Напротив, Колба интересовал процесс обучения. Он предположил, что каждый процесс обучения проходит через четыре взаимосвязанных этапа. Учащиеся проявляют разные предпочтения по отношению к этим фазам [19]. Основываясь на моделях обучения в [19, 22] и [20], Фелдер-Сильверман представил совершенно новую модель стиля обучения [11], которая фокусируется на индивидуальных когнитивных характеристиках учащихся и обеспечивает всестороннее описание стилей обучения путем объединения информации. обработка, познание информации, ввод информации и понимание информации.

Фелдер также разработал шкалу стиля обучения Соломона, основанную на модели стиля обучения, которая обеспечивает хороший метод измерения стилей обучения. В результате модель Фельдера-Сильвермана не только широко используется на практике, но и подходит для обучения через Интернет. Более того, шкала Соломона обладает достаточно хорошей надежностью и валидностью и стала популярной в сфере образования [23, 24]. Хотя ученые дают разные определения, все они включают три основные характеристики стилей обучения.Во-первых, стиль обучения различается у разных людей, а это означает, что разные учащиеся, как правило, имеют разные предпочтения в отношении стиля обучения. Во-вторых, на формирование стиля обучения влияют стимулы как из внешней среды, так и из внутреннего «я», такие как культурные различия, семейные факторы, образовательные факторы и физиологические факторы. В-третьих, стиль обучения влияет на поведение при обучении. Учащиеся с разными стилями обучения демонстрируют различия в стратегиях обучения и привычках к обучению.

Поскольку подход Фелдера-Сильвермана к измерению, ориентированный на основные характеристики (когнитивные характеристики), подходит для веб-обучения, а модель Фелдера-Сильвермана, как было доказано многочисленными экспериментами, получила высокую частоту на практике, как показано в таблице 1, эта статья выбирает Фелдера-Сильвермана в качестве базовой модели стиля обучения [25].Однако такие характеристики, как социальные взаимодействия в новых учебных средах, таких как МООК, не учитывались в модели Фельдера-Сильвермана, хотя их следует учитывать в веб-обучении. Таким образом, несмотря на то, что эта статья основана на модели Фелдера-Сильвермана, в ней будет расширено измерение социального взаимодействия, чтобы сделать его более подходящим для учебной среды МООК.

Таблица 1. Частота использования типичной модели обучения в реальных условиях

Идентификация стиля обучения

Традиционный опросный подход к измерению стиля обучения не очень хорошо подходит для среды обучения МООК, в первую очередь из-за таких факторов, как субъективное сознание респондентов , непонимание вопросов и предпочтения в обучении, измеренные в определенный момент, негативно повлияли бы на точность результатов.Поэтому все большее число ученых как внутри страны, так и за рубежом вместо этого изучают стили обучения с помощью методов автоматического обнаружения [26,27,28,29,30]. Метод автоматического обнаружения — это способ автоматического определения стилей обучения учащихся путем сбора реальных данных, записанных об учащихся с помощью платформ веб-обучения, и адаптации интеллектуального анализа данных, нейронных сетей или простых правил расчета к набору моделей обучения, возникающих в контексте веб-обучения. 31,32,33,34,35].

Венский университет проанализировал данные платформы обучения и веб-журналы, сформированные во время сеансов платформы обучения, чтобы распознать поведение учащихся при обучении [31]. В [32] авторы предсказали стили обучения студентов путем анализа данных журналов с использованием нейронных сетей BP, а [33] использовали подход байесовской сети для распознавания стилей обучения студентов, посещающих онлайн-курсы по искусственному интеллекту, и обнаружили значительное несоответствие в точности результатов. прогнозирование стилей обучения из разных измерений [34] объединило дерево решений и скрытые марковские модели для оценки поведения при обучении и устранения трудностей в данных последовательности для более точного анализа последовательных и комплексных стилей обучения из измерения понимания.В [26] был проведен контрастный тест эффективности обучения адаптивных стилей обучения. Результаты показывают, что студенты, которые посещали адаптивные курсы, достигли более высокой эффективности обучения и лучше сдали экзамены. Авторы [28] сообщили, что стандартные оценки достижений могут не только оценивать способности учащихся к обучению, но также выявлять индивидуальные характеристики обучения и прогнозировать результаты [29]. проанализировали и обработали веб-страницы, посещаемые учащимися в Интернете, для изучения стилей обучения, и [30] записали учебные потребности и действия учащихся в Интернете и изучили их индивидуальные особенности для изучения оценок эффективности обучения.

Как традиционные алгоритмы обучения, так и сетевой алгоритм обратного распространения с адаптивной скоростью обучения (BPAL) имеют два слабых места. Во-первых, необработанные данные не могут включать слишком много свойств; чем больше свойств, тем сложнее составить соответствующий вектор. При выполнении алгоритма классификации вычислительная сложность возрастает экспоненциально по мере увеличения длины вектора. Во-вторых, отношения отображения между свойствами необработанных данных и стилями обучения не могут быть слишком сложными.Таким образом, эти алгоритмы непригодны для сложных отношений отображения. Обычные методы не могут анализировать и обрабатывать сложные отношения между данными о поведении веб-обучения и стилями обучения. Тем не менее, глубокое обучение — это способ поэтапного извлечения характеристик из векторов, позволяющий изучать более полезные функции путем создания модели машинного обучения с несколькими скрытыми слоями и огромными объемами обучающих данных для продвижения классификации и прогнозирования. точность.

Сети глубокого убеждения

Сети глубокого убеждения (DBN) были впервые предложены Hinton et al. в 2006 г. [36]. DBN анализирует потенциальные особенности текстов, изображений и голоса, создавая модель многослойной нейронной сети [37]. Обучающие данные проходят через сеть слой за слоем, и каждый слой извлекает более продвинутые функции, чем предыдущие слои. Глубокое обучение имеет существенные преимущества по сравнению с традиционными методами обучения нейронных сетей по двум аспектам. Во-первых, обучение каждого отдельного слоя значительно повышает эффективность обучения.Во-вторых, они избегают риска попадания в ловушку локальных минимумов традиционных нейронных сетей в неконтролируемой среде обучения. Модель DBN может быть комбинацией многослойной RBM (сеть обучения без учителя) [38], BP (классификатор с учителем) [39] или других моделей прогнозирования.

Как показано на рис. 1, RBM состоит из двух слоев: видимого слоя (видимые единицы) и скрытого слоя (скрытые единицы). Связи между нейронами имеют следующие характеристики: отсутствие связей внутри слоя и полностью связанный внутренний слой, где внутренний слой включает в себя как нейроны видимого слоя, так и нейроны скрытого слоя.i\right) \), i  = 1, 2, ⋯, n s , а выборки независимы и одинаково распределены.Я прав). $$

(10)

Далее для простоты \( {\mathcal{L}}_{\theta, S} \) упрощается до \({\mathcal{L}}_S \).

Затем функция максимального правдоподобия оценивает градиент

$$ \frac{\partial lnP(v)}{\partial \theta}=-{\sum}_hP\left(h|v\right)\frac{\partial E\left(v,h\right) )} {\ парциальное \ тета} + {\ сумма} _ {v, h} P \ влево (v, ч \ вправо) \ гидроразрыва {\ парциальное E \ влево (v, ч \ вправо)}} {\ парциальное \ тета }. $$

(11)

максимальная вероятность функции вероятности w i , j , A I I , B I для частичного вывода

$$ \frac{\partial lnP(v)}{\partial {w}_{i,j}}\приблизительно P\left({h}_i=1|v\right){v}_j-{ \sum}_vP(v)P\left({h}_i=1|v\right){v}_j $$

(12)

$$ \frac{\partial lnP(v)}{\partial {a}_i}\ приблизительно {v}_i-{\sum}_vP(v){v}_i $$

(13)

$$ \frac{\partial lnP(v)}{\partial {b}_i}\приблизительно P\left({h}_i=1|v\right) – {\sum}_vP(v)P\ влево({h}_i=1|v\вправо).$$

(14)

Контрастная дивергенция (CD) — стандартный метод обучения RBM [40]. Шаги в k -шаговом алгоритме CD (сокращенно CD-k) просты. В частности, приблизительно ∀v ∈ S принимает начальное значение v (0)  ≔  v  ; однако реализация k-шаговой выборки Гиббса, которая составляет первые t шагов ( t  = 1, 2, ⋯,  k ), выполняется следующим образом: v ( t  − 1) ) к пробе h ( t  − 1) ;

Использовать P ( h  |  v ( t  − 1) ) для образца v t 9 0;

Затем с помощью k -ступенчатой ​​выборки Гиббса мы получаем формулу v ( k ) для аппроксимации соответствующего требуемого элемента \( {\sum}_vP(v) \) (или среднего члена) , в частности, как показано в (12), (13) и (14).{(к)}\справа). $$

(22)

6 типов оценивания (и как их использовать)

Как вы используете различные  типы оценивания  в своем классе для содействия обучению учащихся?

Закрытие школ и дистанционная или гибридная среда обучения поставили перед педагогами некоторые проблемы, но постоянной целью остается мотивация учащихся учиться и развиваться.

Некоторые студенты потеряли часть своего академического прогресса.Осмысленная оценка учащихся может помочь мотивировать их и дать им возможность расти по мере того, как они становятся проводниками собственного обучения.

Но тестирование может усилить беспокойство по математике у многих учащихся. Оценки могут быть трудными для правильной структуризации и длительными затратами времени на выставление оценок. И как учитель вы знаете, что успеваемость учащихся — это не просто число в табеле успеваемости.

Оценка — это гораздо больше, чем сдача итогового экзамена или подготовка к стандартному тесту. Оценки помогают формировать процесс обучения на всех этапах и дают вам представление об обучении учащихся.Как говорит Джон Хэтти, профессор педагогики и директор Мельбурнского научно-исследовательского института образования Мельбурнского университета, Австралия:

Основная цель оценивания в школах должна состоять в том, чтобы предоставить учителям и школьным руководителям интерпретирующую информацию об их влиянии. на учащихся, чтобы у этих педагогов была как можно более полная информация о том, какие шаги следует предпринять с обучением и как им нужно измениться и адаптироваться. Так часто мы используем оценивание в школах, чтобы информировать учеников об их успехах и достижениях.Конечно, это важно, но гораздо важнее использовать эту информацию для информирования учителей об их влиянии на учащихся. Использование оценок в качестве обратной связи для учителей дает мощный эффект. И эта сила действительно увеличивается, когда оценки своевременны, информативны и связаны с тем, что на самом деле преподают учителя.

Какова цель различных видов оценки?

Различные типы оценок могут помочь вам по-разному понять успеваемость учащихся.Это понимание может дать информацию о стратегиях обучения, которые вы используете, и может привести к различным адаптациям.

В вашем классе, оценки обычно имеют одну из трех целей:

  1. Оценка Обучение
  2. Оценка для
  3. 0 Обучение
  4. Оценка Как Обучение

Оценка обучения

Вы можете использовать оценки, чтобы помочь определить, соответствуют ли учащиеся стандартам уровня своего класса.

Оценки обучения обычно  основаны на оценках и могут включать:

  • Экзамены
  • Портфолио
  • Выпускные проекты
  • Стандартные тесты

, родители, учащиеся, администраторы школьного уровня и руководители округов.

Общие типы оценки обучения включают: когда вы преподаете  — позволяет вам корректировать все, от ваших стратегий управления классом до ваших планов уроков, когда вы идете.

Оценки для обучения всегда должны быть текущими и действенными .При создании оценок помните об этих ключевых вопросах:

  • Что еще нужно знать учащимся?
  • Что ученики вынесли с урока?
  • Этот урок показался ученикам слишком простым? Слишком трудно?
  • Эффективно ли мои стратегии обучения достигли учащихся?
  • Что учащиеся чаще всего неправильно понимают?
  • Что я больше всего хотел, чтобы студенты узнали на этом уроке? Удалось ли мне?

Существует множество способов поставить оценки для обучения, даже в переполненном классе. Вскоре мы расскажем о некоторых из них!

А пока просто помните, что эти оценки предназначены не только для учащихся — они должны предоставить вам действенную обратную связь для улучшения вашего обучения.

Общие типы оценивания для обучения включают формативное оценивание и диагностическое оценивание.

Оценка как обучение


Оценка как обучение  активно вовлекает учащихся  в учебный процесс. Он учит навыкам критического мышления, решению проблем и побуждает учащихся ставить перед собой достижимые цели и объективно измерять свой прогресс.

Они также могут помочь вовлечь учащихся в учебный процесс! Одно исследование «показало, что в большинстве случаев учащиеся указывали на целевые знания как на причину того, что задача была интересной и увлекательной, а затем на то, как содержание было обработано в классе».

Другое найдено:

«Учащиеся проявляют интерес к математическим задачам, которые они понимают, рассматривают как относящиеся к их собственным интересам и с которыми они могут справиться. Недавние исследования эмоциональных реакций учащихся на математику показывают, что их положительные и отрицательные реакции уменьшаются по мере того, как задачи становятся знакомыми, и усиливаются, когда задачи являются новыми» Дуглас Б.McLeod

Некоторые примеры оценивания как обучения включают абстрактные оценивания, самооценку и оценивание сверстников.

6 типов оценивания, которые можно использовать в классе

Каждому типу оценивания свое время и место. Продолжайте читать, чтобы найти творческие способы проведения оценок и понимания процесса обучения ваших учеников!

1. Диагностическая оценка

Допустим, вы начинаете урок по двузначному умножению. Чтобы убедиться, что модуль проходит гладко, вам нужно знать, освоили ли ваши учащиеся семейства фактов, местное значение и умножение одной цифры, прежде чем переходить к более сложным вопросам.

Когда вы структурируете  диагностические тесты  в рамках урока,  вы получите информацию, необходимую для понимания знаний учащихся и вовлечения всего класса .

Некоторые примеры, чтобы попробовать:

  • Короткие квета
  • Запись в журнале
  • Студенческие интервью
  • Студенческие размышления
  • Классные дискуссии
  • Организаторы
  • Графические организаторы (например, Mind Maps, Flow Charts, KWL-диаграммы)

Диагностические оценки также может помочь оценить успеваемость учащихся.Подумайте о том, чтобы поставить такую ​​же оценку в конце модуля, чтобы учащиеся могли видеть, как далеко они продвинулись!

Использование Prodigy для диагностических оценок

Одним из уникальных способов проведения диагностических оценок является использование игровой обучающей платформы, которая вовлекает учащихся.

Инструмент оценки Prodigy поможет вам сопоставить математические вопросы, которые ваши ученики видят в игре, с уроками, которые вы хотите пройти.

Чтобы настроить диагностическое оценивание, используйте свой инструмент оценивания, чтобы создать  План  , который поможет учащимся пройти обучение.Эта адаптивная оценка поможет учащимся выполнить предварительные требования, когда им потребуется дополнительное руководство.

Создать мою бесплатную учетную запись учителя сейчас
«Текущие исследования показывают, что приобретенные знания — это не просто набор понятий и процедурных навыков, хранящихся в долговременной памяти. Скорее, знания структурируются людьми осмысленными способами, которые со временем растут и меняются».

Другими словами, осмысленное обучение похоже на головоломку: наличие кусочков – это одно, а знание того, как их собрать, становится увлекательным процессом, помогающим закрепить обучение.

Формирующее оценивание поможет вам отслеживать, как знания учащихся растут и меняются в вашем классе в режиме реального времени.  Несмотря на то, что это требует немного времени, особенно поначалу, прибыль более чем того стоит.

Исследование, проведенное в марте 2020 года, показало, что предоставление формальных доказательств формативного оценивания, таких как письменные отзывы и викторины в учебных блоках или между ними, помогло повысить эффективность формативного оценивания.

Некоторые примеры формирующих оценок включают:

  • Портфолио
  • Групповые проекты
  • Отчеты о проделанной работе
  • Обсуждения в классе
  • Входные и выходные билеты
  • Короткие, регулярные викторины

При проведении формативного оценивания в классе лучше, чтобы оно было коротким, простым для оценки и последовательным .Знакомство учащихся с формативным оцениванием с низкими ставками может помочь вам оценить их прогресс и уменьшить математическую тревогу.

Найдите здесь больше интересных идей для формативного оценивания!

Как Prodigy помогает вам проводить формативное оценивание

Prodigy позволяет легко создавать, проводить и оценивать формативное оценивание, которое помогает вашим учащимся вовлекаться в учебный процесс и предоставляет вам данные, которые можно использовать для корректировки планов уроков.

Используйте панель управления учителя Prodigy, чтобы создать Задание и сделать формативное оценивание простым!

Задания оценивают ваших учащихся по определенному навыку с помощью заданного количества вопросов и могут быть дифференцированы для отдельных учащихся или групп учащихся.

Создать мою бесплатную учетную запись учителя сейчас

Чтобы узнать больше об использовании Prodigy для формативного оценивания, прочитайте:

3. Суммативное оценивание

Суммативное оценивание  измеряют прогресс учащихся как оценку обучения. Стандартизированные тесты представляют собой тип итогового оценивания, и  предоставляют данные для вас, руководителей школ и районных руководителей .

Они могут помочь сообщить об успехах учащихся, но они не всегда дают четкую обратную связь о процессе обучения и могут способствовать мышлению «обучать на экзамене», если вы не будете осторожны.

Кроме того, они вызывают стресс у учителей. Один из Гарвардских опросов показал, что 60% учителей заявили, что «подготовка учащихся к сдаче обязательных стандартизированных тестов» «определяет большую часть» или «существенно влияет» на их преподавание.

Знакомо?

Но то, что это итоговое оценивание, не означает, что оно не может быть интересным для учащихся и полезным для обучения. Попробуйте составить задания, отличающиеся от стандартного теста с множественным выбором, например:

  • Запись подкаста
  • Написание сценария короткометражного спектакля
  • Создание независимого учебного проекта

студенты, помните о некоторых передовых методах:

  • Держите его актуальным, где это возможно
  • Делайте вопросы ясными и инструкции простыми для понимания
  • Дайте критерий оценки, чтобы учащиеся знали, что от них ожидается
  • Создайте свой окончательный тест после , не раньше, преподавание урока
  • Попробуйте слепое оценивание: не смотрите на название задания, прежде чем поставить отметку

Используйте эти примеры суммативного оценивания, чтобы сделать их эффективными и увлекательными для ваших учащихся!

Подготовка учащихся к итоговому оцениванию с помощью Prodigy
Создайте мою бесплатную учетную запись учителя сейчас

4.Ипсативные оценки

Сколько ваших учеников получают плохую оценку за контрольную и настолько разочаровываются, что прекращают попытки?

Ипсативные оценки являются одним из видов оценивания как обучения, которое сравнивает предыдущие результаты со второй попыткой, мотивируя учащихся ставить цели и улучшать свои навыки .

Когда студент сдает творческое письмо, это только первый черновик. Они практикуют спортивные навыки и музыкальные таланты, чтобы совершенствоваться, но не всегда получают такой же шанс, когда дело доходит до других предметов, таких как математика.

Двухэтапная система оценивания помогает учащимся учиться на своих ошибках и мотивирует их работать лучше. Кроме того, он устраняет мгновенное удовлетворение целей и учит студентов, что обучение — это процесс.

Вы можете внедрить ипсативное оценивание в свой класс с помощью:

Одно исследование ипсативных методов обучения показало, что когда они использовались для дистанционного обучения в высших учебных заведениях, это помогало мотивировать студентов и поощряло их действовать на основании отзывов, чтобы улучшить свои оценки.

В книге Гвинет Хьюз «Ипсативное оценивание: мотивация посредством оценки прогресса» она пишет: «Не все учащиеся могут быть лучшими исполнителями, но все учащиеся потенциально могут добиться прогресса и достичь личных рекордов. Сосредоточиться на обучении, а не на соблюдении стандартов и критерии также могут быть эффективными с точки зрения ресурсов».

Хотя преподаватели могут использовать этот тип оценки во время результатов до и после тестирования, они также могут использовать его при обучении чтению. В зависимости от политики вашей школы, например, вы можете записать учащегося, читающего книгу и обсуждающего ее содержание.Затем в другое время года повторите этот процесс. Затем вместе прослушайте записи и обсудите их улучшения чтения.

Как это могло бы выглядеть в вашем классе?

5. Оценки по нормам

Оценки по нормам  – это тесты, разработанные для сравнения человека с группой его сверстников, обычно основанные на национальных стандартах и ​​иногда с поправкой на возраст, этническую принадлежность или другие демографические характеристики.

В отличие от ипсативных оценок, когда учащийся соревнуется только с самим собой, оценки , основанные на нормах, основаны на широком диапазоне точек данных, чтобы сделать выводы об успеваемости учащегося.

Типы нормированных оценок включают:

  • IQ-тесты
  • Физические оценки
  • Стандартизированные вступительные тесты в колледжи, такие как SAT и GRE

и упрощают анализ крупномасштабных тенденций. Критики утверждают, что они не поощряют сложное мышление и могут непреднамеренно дискриминировать малообеспеченных студентов и представителей меньшинств.

Оценки, основанные на нормах, наиболее полезны при измерении достижений учащихся, чтобы определить:

  • Языковые способности
  • Готовность к классам
  • Физическое развитие
  • Решения о приеме в колледж
  • Потребность в дополнительной поддержке обучения
  • тип оценки, которую вы проводите в своем классе, скорее всего, у вас есть доступ к данным прошлых тестов, которые могут дать вам ценную информацию об успеваемости учащихся.

    6. Оценки на основе критериев

    Оценки на основе критериев   сравнивают баллы отдельного учащегося со стандартом обучения и уровнем успеваемости,  независимо от окружающих его учащихся.

    В классе это означает оценку успеваемости учащихся в соответствии со стандартами уровня класса и может включать в себя заключительные или итоговые тесты для оценки понимания учащихся.

    Вне классной комнаты оценки, основанные на критериях, появляются на экзаменах на профессиональную лицензию, выпускных экзаменах средней школы и тестах на гражданство, где учащийся должен правильно ответить на определенный процент вопросов, чтобы пройти его.

    Критериальные оценки чаще всего сравнивают с нормативными оценками. Хотя они оба считаются типами оценки обучения, оценки на основе критериев не сравнивают учащихся с их сверстниками. Вместо этого каждый студент оценивается, чтобы дать представление об их сильных сторонах и областях для улучшения.

    Как создать эффективное оценивание

    Вы не хотите использовать основанное на нормах оценивание, чтобы выяснить, где есть пробелы в обучении в вашем классе, а ипсативное оценивание не лучший способ дать вашему директору высокий уровень обзор успеваемости учащихся в вашем классе.

    Что касается преподавания, вот несколько рекомендаций, которые помогут вам определить, какой тип оценивания будет работать и как его структурировать, чтобы вы и ваши ученики получали необходимую информацию.

    Создайте рубрику

    Учащиеся лучше всего справляются со своей работой, когда знают, что от них ожидается и как они будут оцениваться. Независимо от того, назначаете ли вы проект совместного обучения или независимый учебный блок, рубрика сообщает учащимся четкие критерии успеха и помогает учителям поддерживать постоянную оценку.

    В идеале ваша рубрика должна содержать подробную разбивку всех отдельных частей проекта, требования к каждому члену группы и объяснение того, как выглядят разные уровни достижений.

    Грамотно составленная рубрика позволяет нескольким учителям оценивать одно и то же задание и получать одинаковые баллы. Это важная часть оценивания обучения и оценивания обучения, которое учит учащихся брать на себя ответственность за качество своей работы.

    Существует множество онлайн-инструментов для определения рубрики, которые помогут вам начать работу. Попробуйте один из них сегодня!

    Спросите себя почему  вы ставите оценку

    Несмотря на то, что оценки учащихся дают полезную картину достижений и помогают вам сообщать о прогрессе руководителям школы и родителям, конечной целью оценок является улучшение обучения учащихся.

    Задайте себе такие вопросы, как:

    • Каков мой план относительно результатов?
    • Кому будут нужны результаты, кроме меня?
    • Что я хочу узнать из этой оценки?
    • Как лучше всего представить оценку моим ученикам, учитывая то, что я знаю об их успеваемости и стилях обучения?

    Это поможет вам эффективно подготовить учащихся и создать оценку, которая продвинет обучение.

    Не придерживайтесь одних и тех же типов оценок — путайте их!

    Завершающие экзамены — это испытанный и испытанный (каламбур) главный продукт в любом классе.Но зачем останавливаться на достигнутом?

    Допустим, вы учите модуль по умножению дробей . Чтобы помочь вам спланировать свои уроки, проведите диагностическую оценку, чтобы узнать, что учащиеся помнят с прошлого года. Как только вы убедитесь, что они понимают все предварительные условия, вы можете начать проводить уроки более эффективно.

    После каждого урока математики раздавайте короткие выходные билеты, чтобы узнать, что учащиеся понимают и где у них остались вопросы. Если вы видите, что учащиеся испытывают затруднения, вы можете переучить или выступить в небольших группах во время ротации станций.

    Когда вы чувствуете, что учащиеся готовы, им может быть дана оценка обучения. Если учащиеся не соответствуют критериям успеха, им может быть предоставлена ​​дополнительная поддержка и поддержка, чтобы помочь им лучше понять тему. Вы можете способствовать развитию мышления, напоминая учащимся, что ошибки являются важной частью обучения!

    Теперь ваши ученики умеют умножать дроби! А когда наступит сезон стандартизированного тестирования, вы будете знать, кому из ваших учащихся нужна дополнительная поддержка и где.

    Создайте свой обзор на основе данных, которые вы собрали с помощью диагностических, формативных, итоговых и ипсативных оценок, чтобы они хорошо справлялись со стандартными тестами.

    Заключительные мысли о различных типах оценок

    Помните: обучение выходит далеко за рамки одной оценки или оценки!

    Это непрерывный процесс, предоставляющий учащимся множество возможностей для развития мышления и развития новых навыков.

    Prodigy — это увлекательная цифровая обучающая платформа, основанная на играх, которой пользуются более 100 миллионов учащихся и 2.5 миллионов учителей. Присоединяйтесь сегодня, чтобы сделать оценку и дифференциацию обучения математике проще с помощью бесплатной учетной записи учителя!

    Зарегистрируйтесь сейчас!

    Метод классификации онлайн-ресурсов для обучения аэробике на основе технологии искусственного интеллекта система управления отображаемыми образовательными ресурсами, основанная на технологии искусственного интеллекта, реализует классификацию характеристик обучающей информации и строит алгоритм классификации и оценки онлайн-ресурсов курса аэробиологии.Классификация учебных ресурсов онлайн по курсу аэробики достигает своей цели. Наконец, эксперимент показывает, что основанный на искусственном интеллекте метод классификации учебных онлайн-ресурсов для курса аэробики является весьма практичным и полностью отвечает требованиям исследования.

    1. Введение

    Образовательные ресурсы искусственного интеллекта значительно улучшились в количественном и качественном отношении благодаря ускорению информатизации образования в Китае в последние годы, что послужило ключом к развитию информатизации образования в Китае.Однако есть некоторые проблемы, такие как большие различия между городскими и сельскими районами и регионами, низкоуровневое повторное строительство и информационный остров, и это лишь некоторые из них. Эффективное совместное использование образовательных цифровых ресурсов Технология искусственного интеллекта стала камнем преткновения на пути дальнейшего научного развития Китая в области информатизации образования. В контексте эпохи искусственного интеллекта сосредоточение внимания на разработке и интеграции учебных ресурсов по аэробике не только поможет учителям в восприятии новых знаний и технологий, подготовит их к адаптации к требованиям разработки учебных программ новой эпохи в педагогической практике и удовлетворению потребностей учащихся. требования, тем самым повышая эффективность преподавания в классе, но также улучшая инновационные и предпринимательские способности учителей и студентов в этом процессе.

    В результате в этой статье рассматривается текущая ситуация, существующие проблемы, стратегии интеграции ресурсов и поддерживающие условия для создания учебных ресурсов по аэробике, чтобы предоставить полезную информацию для развития образования и обучения аэробике, а также для улучшения качество преподавания и снижение затрат на образование за счет создания современной сетевой системы учебных ресурсов и внедрения более качественных учебных ресурсов. Одновременно мы должны сосредоточиться на разработке открытой и адаптируемой сервисной платформы ресурсов для обучения аэробике, чтобы обеспечить интеграцию и обмен высококачественными учебными ресурсами.Также необходимо полностью интегрировать высококачественные учебные ресурсы, чтобы эффективно использовать и планировать внутренние ресурсы аэробики, интегрировать больше внешних ресурсов, всесторонне повысить конкурентоспособность и качество образования и обучения аэробике, а также повысить уровень подготовки талантов. Используя эпоху больших данных в качестве фона, мы надеемся собрать полезные данные, которые помогут улучшить качество обучения аэробике.

    2. Классификация учебных онлайн-ресурсов по курсам аэробики
    2.1. Создание онлайн-системы управления учебными ресурсами курса аэробики

    Онлайн-система управления учебными ресурсами курса аэробики классифицирует цифровые ресурсы по двум параметрам: статус создания и статус загрузки: первая категория — это завершенные и загруженные цифровые ресурсы; вторая категория — цифровые ресурсы, которые созданы, но не загружены [1]. Третья категория — цифровые ресурсы, находящиеся в стадии создания, но еще не загруженные. Самым большим преимуществом этого метода классификации является простота и ясность, а также простота интеграции цифровых ресурсов и решение многих проблем, существующих при совместном использовании цифровых ресурсов в базовом образовании [2].Предлагаемая модель классификации образовательных ресурсов включает шесть аспектов: систему классификации областей применения ресурсов, систему классификации учебных программ дисциплин ресурсов, систему классификации объектов, применимых к ресурсам, версию учебника ресурсов, классификацию формата ресурсов и тип ресурса (см. рисунок 1), чтобы классифицировать и найти образовательные ресурсы.


    Измерение объекта использует объект обучения, ориентированный на образовательные ресурсы, в качестве основы для классификации, а ресурсы воздействуют на объекты учащихся, что согласуется с заботой учителей об атрибутах ресурсов.Построить иерархическую и объектно-ориентированную систему классификации применимых объектов [3]. Классифицируйте применимые объекты к разным классам на разных этапах обучения. Атрибуты или характеристики объекта классификации определяют основу классификации. Множество разных классов формируются одинаковыми или разными атрибутами информационного содержания. Тип ресурса — это категория ресурса, определяемая значением одного или нескольких атрибутов. С одной стороны, атрибуты и основные характеристики обучающих ресурсов искусственного интеллекта следует учитывать при их классификации [4].С другой стороны, метод классификации должен быть универсальным, совместимым с существующими стандартами и нормами и достаточно расширяемым, чтобы можно было добавлять новые классификации. В этом документе обобщены шесть параметров классификации, показанных на рисунке 2, после изучения нескольких веб-сайтов, посвященных обучению искусственному интеллекту, и обзора соответствующей литературы. На практике эти шесть измерений используются не только по отдельности, но и в сочетании для формирования многомерной системы классификации, которая предоставляет более богатую информацию о функциях для управления ресурсами, поиска и поиска.


    Формула поиска ресурсов относится к строке поиска слов, понятной и вычисляемой поисковой системой, которая состоит из ключевых слов, логических операторов, инструкций поиска (синтаксис поиска) и т. д. Ключевые слова составляют основную часть формулы поиска. [5]. Логические операторы и инструкции поиска выполняют поиск ключевых слов под разными углами в соответствии с конкретными требованиями запроса. Когда простой поиск и расширенный поиск не могут удовлетворить потребности посетителей, можно использовать профессиональный поиск.Обычные посетители мало что знают о правилах написания поиска, но библиотека ресурсов предоставит помощь наряду с профессиональным поиском, чтобы помочь посетителям, как вводить поиск для получения необходимых ресурсов [6]. После ввода скомпилированной формулы поиска в область поиска посетитель может нажать кнопку «Поиск», чтобы получить результаты поиска, соответствующие формуле поиска. Подробная схема модуля поиска ресурсов показана на рисунке 3.


    Механизм совместного использования цифровых ресурсов базового образования построен на основе этой классификации, как показано на схеме ниже.Два модуля составляют механизм обмена. Внутренний пунктир представляет собой механизм цифровых образовательных ресурсов, включающий семь внутренних механизмов [7]. За пределами внутренней пунктирной рамки есть четыре механизма, которые будут влиять на любую ссылку в пунктирной рамке. После прохождения механизмов мониторинга безопасности и аудита качества высококачественные цифровые образовательные ресурсы добавляются к стандартизированной платформе обмена. Все цифровые образовательные ресурсы описываются и классифицируются в соответствии с едиными стандартами на этой платформе, что не только облегчает поиск, приобретение и применение для пользователей, но также облегчает обмен данными и взаимодействие между различными системами управления ресурсами, как показано на рисунке 4.


    Принцип создания системы классификации учебных ресурсов искусственного интеллекта основан на научно обоснованном принципе поддержания строгой иерархической взаимосвязи между учебными ресурсами без ущерба для их практичности. Все преподаватели и учащиеся могут извлечь выгоду из учебных ресурсов искусственного интеллекта. Система классификации учебных ресурсов должна быть простой и практичной [8]. Целью системы классификации учебных ресурсов является обеспечение интеграции тем классификации и использование принципа объединения языка поиска классификации и языка поиска темы, чтобы язык поиска имел две функции запроса: язык поиска классификации и язык поиска темы.Это и есть прямой принцип классификации учебных ресурсов. При создании системы классификации учебные ресурсы искусственного интеллекта должны учитывать потребности различных пользователей, обеспечивать хорошую службу учебных ресурсов искусственного интеллекта и следовать принципу ориентации на пользователя [9]. Учебные ресурсы искусственного интеллекта должны иметь систему классификации, отвечающую потребностям развития информации, с достаточным пространством, зарезервированным в системе классификации для добавления новых знаний, чтобы удовлетворить потребности людей в новых знаниях и новых дисциплинах.

    2.2. Алгоритм оценки классифицированного управления учебными ресурсами

    Чтобы помочь учащимся со схожими интересами общаться, делиться и рекомендовать учебные ресурсы, Шанхайский университет Цзяотун разработал агентный механизм рекомендаций по учебным ресурсам на основе платформы jade [10]. Включает в себя три основные панели: «список учебных ресурсов», «список рекомендуемых ресурсов» и «список соседей». Щелкните каждый объект на панели, чтобы активировать соответствующую функцию и отобразить ее в правой рамке.«Список учебных ресурсов» показывает список ресурсов, которые изучили учащиеся. Щелчок по имени ресурса может активировать панель «сведения об изученном ресурсе» на правой границе [11]. После нажатия можно отобразить подробное содержание ресурса. Учащиеся могут читать и оценить содержание и рекомендовать ресурсы, которые они заинтересованы, как показано в таблице 1.


    Существующий персонализированный рекомендательный механизм Базовый введение

    Система Система в основном использует технологию совместной фильтрации для выработки рекомендаций по учебным ресурсам в соответствии с оценками учащихся.Он может активно анализировать обратную связь между учащимися и ресурсами и получать учебные ресурсы из Интернета, чтобы рекомендовать их учащимся.
    ETEC Университета Нидерландов Целью данного исследования является поиск потенциальных учебных мероприятий и разработка рекомендаций, подходящих для учащихся
    Персонализированная виртуальная среда обучения (PLVE) Обучающие стратегии.Основное исследование по-прежнему сосредоточено на построении концептуальной модели, а не на практике и проверке.

    Система индексов оценки учебных ресурсов искусственного интеллекта способствует стандартизации учебных ресурсов искусственного интеллекта и всесторонне оценивает учебные ресурсы искусственного интеллекта [12]. Применение учебных ресурсов искусственного интеллекта в обучении может коренным образом улучшить методы обучения.В процессе оценки участники используют систему индексов оценки учебных ресурсов искусственного интеллекта в качестве эталонной основы, чтобы помочь участникам оценить ценность учебных ресурсов и определить оценку P . В оценочной работе в качестве стандарта измерения используется система индекса оценки учебных ресурсов искусственного интеллекта. Когда менеджеры вводят обучающие ресурсы ИИ T , они берут за основу систему индексов оценки. Отличные учебные ресурсы ИИ должны быть отражены в системе индексов оценки.Люди записывают высококачественные учебные ресурсы ИИ на основе системы индексов оценки, стандартизируют создание учебных ресурсов ИИ и улучшают качество базы данных учебных ресурсов ИИ. ЦП физической машины устанавливает пороговое значение () для определения оценочного значения количества пользователей [13]. Если оценочное значение больше порогового значения, все физические машины будут разделены поровну, чтобы виртуальная машина не обрабатывала слишком много данных одновременно. Если оценочное значение меньше порогового значения, будет создано подмножество кластера PNP, а объем данных в нем будет равен количеству физических машин.Конкретный принцип расчета следует следующей формуле, где a представляет собой пороговое значение:

    Технология совместной фильтрации на основе памяти охватывает как алгоритмы совместной фильтрации на основе пользователей, так и алгоритмы совместной фильтрации на основе проектов. Их наиболее распространенным недостатком является то, что они имеют разреженные данные и им трудно иметь дело со своевременными результатами при работе с большими объемами данных [14]. В результате разработка алгоритма совместной фильтрации на основе модели имеет важное значение.Процесс обучения модели алгоритма совместной фильтрации на основе модели влечет за собой расчет модели с использованием исторических данных, а затем использование модели для прогнозирования [15]. Байесовская сеть, нейронная сеть, скрытый семантический индекс и другие технологии часто используются в алгоритмах совместной фильтрации на основе моделей. Мы также должны учитывать масштабируемость и сложность алгоритма при его использовании на практике.

    Среди них: реальная оценка, прогнозируемая оценка и прогнозируемая оценка разнообразия всего пользователя.Чтобы устранить дефект индекса PRF при поиске информации, была изобретена карта. Средняя точность темы рассчитывается путем расчета средней точности поиска каждого соответствующего документа. представляет собой единый показатель значения, отражающий эффективность всех связанных документов. Чем выше ранг извлеченных связанных документов, тем выше карта. Формула выглядит следующим образом: где – набор тестовых пользователей, – количество тестовых наборов пользователей, представляет данные элементов, связанных с пользователем, и представляет фактическое ранжирование предпочтений пользователя u для j -го связанного товар, рекомендованный пользователем.Рекомендуемый набор генерируется на основе предпочтений учащихся в отношении ресурсов, но предпочтение учащихся в отношении ресурсов выражается как

    Среди них содержатся учащиеся, чьи интересы наиболее близки к интересам учащегося , n ( s ) представляет набор учащихся, которые действовали на ресурсах, и представляет собой сходство интересов между учеником и учеником, которое представляет интерес пользователя к ресурсам. Поскольку неявные данные обратной связи об одном поведении используются для оптимизации алгоритма управления данными обучающих ресурсов, требуемое количество узлов признаков структуры отображения составляет B , а A является узлом распределения данных обучающих ресурсов, отличных от нашей стороны.Затем характерные категории данных обучающих ресурсов разделяются. Конкретный алгоритм выглядит следующим образом:

    В приведенном выше выражении S AB является значением управления данными, успешно обменявшимся между a и B ; M в фиксированное время; – значение m каждого момента времени в процессе обмена данными, 0 < = m  < 1; сгруппировать и отсортировать n образцов данных обучающих ресурсов и разделить ближайший кластер Z .

    Энтропия похожих наборов файлов, соответствующих шаблону, будет уменьшаться по мере увеличения сходства наборов согласно формуле. Шаг данных считается данными, которые ищет пользователь, когда минимальное сходство l min данных обучающего ресурса меньше установленного расстояния слияния. В результате при создании платформы управления и контроля данными учебных ресурсов мы должны полностью учитывать безопасность картирования и планирования ресурсов и среды, а также внедрять различные технологии и меры предотвращения безопасности, чтобы гарантировать, что данные безопасны, долговременно стабильны и исправны. надежный.

    2.3. Реализация классификации онлайн-ресурсов для обучения курсу аэробики

    Основная цель спецификации руководства по разработке ресурсов, сформулированной для сотрудничества с проектом по созданию образовательных ресурсов с искусственным интеллектом, состоит в том, чтобы унифицировать поведение каждой школы при разработке сетевых образовательных ресурсов, чтобы ресурсы каждая школа может использоваться совместно в больших масштабах [16]. Его основная суть состоит в том, чтобы сформулировать серию соответствующих стандартов аннотаций атрибутов ресурсов в соответствии с различными типами ресурсов.Базовая структура показана на рис. 5.


    Рекомендация домашней страницы, рекомендация результатов поиска и рекомендация интеллектуальной принудительной домашней страницы поведения — это три рекомендуемых содержимого в модуле рекомендаций ресурсов. Посетители могут выбирать в соответствии со своими потребностями и гибко упорядочивать их в зависимости от времени загрузки, времени загрузки и пользовательского рейтинга, если они открывают домашнюю страницу библиотеки ресурсов. Когда посетитель получает доступ к определенному ресурсу после получения соответствующих результатов поиска через вышеуказанный модуль поиска ресурсов, рекомендация результатов поиска относится к другим ресурсам, которые очень похожи на ресурс или принадлежат к той же серии.Туристы и зарегистрированные пользователи могут одновременно просматривать домашнюю страницу и рекомендации результатов поиска. Интеллектуальная рекомендация релевантных ресурсов пользователю на основе длительного просмотра, загрузки и других действий пользователя в библиотеке ресурсов называется рекомендацией поведенческого анализа. Важно отметить, что рекомендательный режим доступен только зарегистрированным пользователям. Долгосрочное поведение пользователя может быть записано только путем входа в свою учетную запись, особенно для активных пользователей, которые часто входят в систему и имеют большой объем данных для записи.Предлагаемые ресурсы более точно соответствуют требованиям. Подробная схема модуля рекомендаций по ресурсам показана на рисунке 6.


    В соответствии с соответствующими стандартами существует 11 необходимых атрибутов учебных ресурсов, а также соответствующие элементы, участвующие в оценке ресурсов, всего 16 элементов. Однако, согласно дизайну этого исследования, атрибутом «дисциплина» является «спорт», а «категория» — «аэробика». Поэтому в таблице 2 показаны только другие необходимые атрибуты.


    Имя Объяснить Примечания

    Идентификационные Этикетка образовательных ресурсов Автоматическая генерация
    Название Название образовательного ресурса ручной завершения
    ключевые слова ключевые слова, описывающие образовательные ресурсы ручной завершения
    Resource Tag текстовая метка, описывающая хотя бы одно из образовательных ресурсов ручной работы
    абстрактный
    Краткий обзор содержания образовательных ресурсов Заполнение вручную

    В процессе эксплуатации и использования база данных учебных ресурсов обычно включает два типа ролей пользователя s, а именно администратор и пользователь.Администраторы имеют разную профессиональную ориентацию, включая администраторов и администраторов ресурсов. Позиционирование базы данных учебных ресурсов, разработанной в этом исследовании, должно служить учителям и учащимся младших классов средней школы. Поэтому он подразделяется с точки зрения идентификации пользователя. Как упоминалось выше, туристы в базе данных учебных ресурсов являются незарегистрированными чистыми посетителями. По сравнению с зарегистрированными пользователями их права использования очень ограничены. Операции, которые могут быть выполнены, являются только отдельными операциями для ресурсов, включая просмотр ресурсов, извлечение и загрузку.Как упоминалось выше, первоначальный замысел этого документа состоит в том, чтобы функциональная схема базы данных ресурсов для обучения аэробике была показана на рисунке 7.


    Библиотека ресурсов содержит большое количество различных типов ресурсов. Одна из ключевых ссылок для рассмотрения библиотеки ресурсов, которая хочет иметь хороший пользовательский интерфейс, — это то, как дать пользователям возможность быстро и точно находить эффективные ресурсы, которые им нужны. Это, без сомнения, цель многомерного проектирования и общая цель всех библиотек ресурсов.Модуль поиска ресурсов — самый важный модуль, о котором следует подумать в этой статье. Простой поиск, расширенный поиск и профессиональный поиск — это три метода поиска, включенные в модуль поиска ресурсов базы данных ресурсов для обучения китайскому языку для младших классов средней школы, разработанный в этой статье. Посетитель вводит ключевые слова, слова и предложения в поле поиска, и метод простого поиска выполняет нечеткий поиск. Поиск должен быть сосредоточен на наиболее важных атрибутах ресурса, таких как заголовок и ключевые слова.Теги ресурсов, рефераты и особенно текстовые ресурсы в основном основаны на этих четырех необходимых атрибутах с добавлением описания атрибута «объект изображения» для поиска ресурсов графики/изображения; «аудиоподсказка» для аудиоресурсов; «видеоподсказка» и «тематическое изображение» для видеоресурсов; и «советы по анимации» и «типы контента» для анимационных ресурсов. Посетители, которые не знакомы с базой данных обучающих ресурсов или которым не требуются высокоточные результаты поиска, должны использовать простой поиск.Требуя от посетителей ввода только ключевых слов и предложений, этот метод поиска может фильтровать все ресурсы в соответствии с несколькими ключевыми атрибутами ресурсов. Рекомендация по домашней странице, рекомендация по результатам поиска и интеллектуальная рекомендация по поведению — это три рекомендуемых содержимого в модуле рекомендаций по ресурсам. Ресурсы, рекомендуемые посетителям, когда они открывают домашнюю страницу библиотеки ресурсов, называются «рекомендациями домашней страницы», и посетители могут гибко упорядочивать их в соответствии со своими потребностями на основе времени загрузки, времени загрузки и оценок пользователей.Когда посетитель получает доступ к определенному ресурсу после получения соответствующих результатов поиска с помощью вышеуказанного модуля поиска ресурсов, рекомендация результатов поиска относится к другим ресурсам, которые очень похожи на ресурс или принадлежат к той же серии. Туристы и зарегистрированные пользователи могут одновременно просматривать рекомендацию домашней страницы и рекомендацию результатов поиска. Интеллектуальная рекомендация релевантных ресурсов пользователю на основе длительного просмотра, загрузки и других действий пользователя в библиотеке ресурсов называется рекомендацией поведенческого анализа.Важно отметить, что рекомендательный режим доступен только зарегистрированным пользователям. Долгосрочное поведение пользователя может быть записано только путем входа в свою учетную запись, особенно для активных пользователей, которые часто входят в систему с большим объемом записанных данных. Рекомендуемые ресурсы ближе к требованиям. Подробная схема модуля рекомендаций по ресурсам показана на рис. 8. принимает идею централизованного управления каталогами и распределенного хранения ресурсов для формирования физически децентрализованной и логически централизованной сетевой системы на уровне провинций, муниципалитетов, округов, округов и школ.На основе унификации стандартов построения контента сетевых ресурсов базового образования всесторонне поддерживать развитие педагогической деятельности. Платформенная модель центра сетевых ресурсов показана на рисунке 9.


    Вышеупомянутая модель предлагается для улучшения конструкции в соответствии с проблемами, существующими в текущей структуре базы данных ресурсов в нашей провинции. Его нижний уровень представляет собой библиотеку ресурсов, соответствующую спецификации метаданных, включая библиотеку медиаматериалов, библиотеку калибров, учебные инструменты и библиотеку шаблонов, библиотеку учебных программ, библиотеку случаев, базу данных литературы и библиотеку индексных каталогов.Преимущество соответствия национальным стандартам заключается в том, что оно может поддерживать совместное использование и интеграцию образовательных и обучающих ресурсов на большой территории. С одной стороны, специализированная поисковая система помогает пользователям быстро находить и находить ресурсы; с другой стороны, образовательные и обучающие ресурсы, разбросанные по Интернету, постоянно пополняются в библиотеке с помощью функций интеллектуального анализа данных и интеллектуального анализа поисковой системы. В дополнение к базовой базовой библиотеке находится специальная библиотека учебных ресурсов для учебного приложения, которая представляет собой библиотеку динамического создания.Ресурсы в библиотеке создаются преподавателями и учащимися с использованием в учебном процессе специальных средств обучения и формируются на основе обработки содержимого базовой библиотеки. Это может не только удовлетворить персонализированные потребности преподавания учителей, но и обеспечить устойчивое развитие построения базы данных ресурсов, чтобы реализовать эффективную классификацию, хранение и обработку массивных учебных ресурсов.

    3. Анализ экспериментальных результатов

    База данных ресурсов для обучения аэробике, которая называется базой данных ресурсов A, базой данных ресурсов B и базой данных ресурсов C, выбрана в качестве объекта оценки в Интернете.Затем, на основе таблицы индексов оценки менеджеров учебных ресурсов искусственного интеллекта и пользователей, 20 менеджеров учебных ресурсов и 50 пользователей учебных ресурсов искусственного интеллекта приглашаются для оценки. В то же время пять экспертов с большим опытом создания базы данных ресурсов были приглашены для качественной оценки преимуществ и недостатков трех обучающих ресурсов искусственного интеллекта по аэробике. Общая качественная оценка трех обучающих ресурсов искусственного интеллекта по аэробике получается путем просмотра и испытания банка ресурсов A, банка ресурсов B и банка ресурсов C пятью экспертами.На основе анализа мнений пяти экспертов установлено, что ресурсный банк А имеет широкий спектр ресурсов и высокий общий уровень качества. Это часть фантастической библиотеки учебных ресурсов по искусственному интеллекту. Однако ресурсы библиотеки ресурсов C недостаточно разнообразны, типов мало, а обновления ресурсов происходят медленно. Общий уровень качества немного ниже. Он является частью библиотеки учебных ресурсов по искусственному интеллекту среднего уровня. Общее качество пула ресурсов B ниже, чем у пулов ресурсов A и C.Количество и типы ресурсов ограничены, но те, что находятся в хранилище, являются квалифицированными и пригодными для использования, что делает этот пул квалифицированных ресурсов в значительной степени. Тест разделен на два типа оценки: менеджеры обучающих ресурсов искусственного интеллекта и пользователи обучающих ресурсов искусственного интеллекта, выраженные в количественной форме и разделенные на количество баллов, путем сравнения результатов менеджеров и пользователей с результатами качественной оценки пяти экспертов. Квалифицированный балл составляет 60–69 баллов, средний балл составляет 70–79 баллов, хороший балл составляет 80–89 баллов, а результат более 90 баллов является отличным.Результаты оценки тестирования Искусство искусственного интеллекта Учебные ресурсы Ресурсных менеджеров перечислены в таблице 3.



    13,5 14,8 25,6

    index Фракция Средний балл ресурсов Pool
    1 2 3
    50 50 50 46.6 36,5 38,6 32848 A 30 28.5 22,5 25,6
    B 20 16,5 15,8 17,8
    С 20 15,2 13,5 16,5
    Форма 22 17,5
    7 5,2 4,2 4,8
    Б 5 4.6 3.6 4,5
    С 7 5,5 4,5 5,0
    D 5 4,3 3,6 3,8
    Технический 32 25,6 20,1
    9 7,2 6,5 6,5
    В 9 7,1 5,2 6.9
    С 8 5,6 5,3 6,5
    D 8 7,5 5,5 6,2

    Это может быть Из результатов оценки тестов в таблице видно, что баллы трех баз данных ресурсов близки по показателям, а баллы очень высоки, что указывает на то, что содержимое ресурса в базе данных ресурсов не содержит ошибок и ложной информации, а надежность высоко.Среди вторичных показателей ресурсный пул А имеет самое богатое ресурсное содержание и большое разнообразие ресурсов. Многие каталоги в пуле ресурсов B пусты и не имеют фактического содержимого. Таким образом, банку ресурсов B следует усилить создание содержимого обучающих ресурсов искусственного интеллекта и дополнительно протестировать модуль поиска платформы обмена обучающими ресурсами, в основном для поиска по имени ресурса и функции расширенного входа в систему, как показано в таблицах 4 и 5.


    Входные Ожидаемые результаты Фактические результаты Pass или не

    Empty Ошибка поиска Войти не удалось Pass
    JAVA Поиск был успешным Поиск был успешным Pass
    щелчка
    Нажмите на расширенную кнопку поиска Перейти к расширенному поиску на страницу Перейти к расширенному поиску Page Pass
    Поиск по автору Поиск удался Поиск ч была успешной Pass


    Входной Ожидаемые результаты Фактические результаты Pass или не

    Нажмите на кнопку скачать Скачать начать Скачать начать Да
    ресурс счет Accept счет Accept оценка Да

    испытание ресурса модуль управления платформой службы обмена учебными ресурсами – это в основном тест загрузки и оценки ресурсов.

    Все функции веб-сайта платформы обмена ресурсами для обучения аэробике прошли вышеуказанные тесты. Тем не менее, мы будем продолжать сталкиваться с такими проблемами при фактическом использовании управления платформой службы обмена ресурсами для обучения аэробике. Чтобы исправить ошибки, мы должны своевременно заниматься исследованиями. Критерии оценки эффективности основаны на точности автоматической классификации и эффективности совместного использования. 100 классифицированных ресурсов ресурсов искусственного интеллекта курса аэробики совместно используются с использованием автоматического обмена классификацией и традиционного обмена классификацией.Чтобы избежать искажения результатов сравнения, в этом эксперименте в качестве стандарта суждения используется только период от начала поиска до конца операции обмена. Было проведено десять экспериментов, чтобы не повлиять на результаты сравнения. На рис. 10 представлены результаты.


    Как видно из рисунка 10, когда ресурсы искусственного интеллекта курса аэробики автоматически классифицируются и совместно используются для совместного использования ресурсов, время запроса ресурсов у первого меньше, чем у второго.После расследования это происходит главным образом потому, что классифицированные ресурсы автоматически классифицируются и совместно используются ресурсами искусственного интеллекта курсов аэробики, которые удобнее найти. Если предположить, что существует 200 учебных ресурсов по аэробике с искусственным интеллектом, их можно разделить на пять категорий сторонним способом. Благодаря автоматической классификации и совместному использованию обучающих ресурсов искусственного интеллекта по аэробике было классифицировано 200 ресурсов, и результаты показаны в таблице 6.


    Категория б с д е

    Количество ресурсов, принадлежащих к этой категории / шт 50 50 50 50 50

    Бумага метод Количество правильно классифицированных ресурсов / шт 50 50 50 48 43
    точность (%) 100 100 100 96 100
    Средняя точность (%) 98

    Традиционный метод Количество правильно классифицированных ресурсов/шт. 47 49 92 854 50 47 50
    Точность (%) 90 96 100 92 100
    Средняя точность (%) 96

    Из таблицы видно, что, основываясь на автоматической классификации и совместном использовании ресурсов обучения искусственному интеллекту, средняя точность составляет 90%. .Основываясь на традиционной классификации, средняя точность составляет всего 95%. Напротив, точность дизайна этой бумаги выше.

    4. Заключение

    Образовательные ресурсы по различным предметам обучения в различных областях значительно выросли количественно и качественно в результате бурного развития сетевого образования. Требования к точному поиску, унифицированному управлению и совместному использованию образовательных ресурсов становятся все более жесткими. В связи с этим крайне важны научные описания и классификации образовательных ресурсов.В этой статье исследуется метод классификации образовательных ресурсов аэробики для искусственного интеллекта, исследуются образовательные ресурсы с шести точек зрения, области применения, учебной программы, применимого объекта, формата ресурса, типа ресурса и версии учебника, предлагается модель образовательных ресурсов, ориентированная на деревню, реализуется унифицированное кодирование, и был успешно реализован, чтобы дать некоторое руководство для системы классификации образовательных ресурсов.

    Доступность данных

    Данные, использованные для поддержки результатов этого исследования, включены в статью.

    Конфликт интересов

    У всех авторов нет возможных конфликтов интересов.

    5 вещей, которые педагоги должны знать о философии образования

    Слово «философия» образовано от двух греческих слов. Первое слово, philo , означает «любовь». Второй, sophy , означает «мудрость». Таким образом, буквально философия означает «любовь к мудрости» (Power, 1982). У каждого человека есть отношение к жизни, детям, политике, учебе и предыдущему личному опыту, которое информирует и формирует его набор убеждений.Хотя вы можете этого не осознавать, этот набор убеждений, или личная философия, влияет на то, как вы живете, работаете и взаимодействуете с другими. То, во что вы верите, напрямую отражается как на вашем обучении, так и на процессе обучения. В данной статье исследуются различные философские взгляды, влияющие на педагогическую профессию.

    Важно понимать, как взаимосвязаны философия и образование. Чтобы стать самым эффективным учителем, которым вы можете быть, вы должны понимать свои собственные убеждения и в то же время сопереживать другим.В этой главе мы рассмотрим изучение философии, основных направлений философии и основных философских направлений в образовании. У вас будет возможность изучить, как эти школы мысли могут помочь вам определить вашу личную образовательную философию. Разработка собственной образовательной философии является ключевой частью вашего пути к тому, чтобы стать учителем. В этой статье мы обсудим 5 вещей, которые педагоги должны знать о философии образования.

    Каковы основные разделы философии? Четыре основных направления философии — это метафизика, эпистемология, аксиология и логика.Метафизика рассматривает вопросы о физической вселенной и природе высшей реальности. Эпистемология исследует, как люди узнают то, что они знают. Аксиология – это изучение фундаментальных принципов или ценностей. Логика преследует организацию процесса рассуждения. Логику можно разделить на два основных компонента: дедуктивное рассуждение, которое берет общие принципы и соотносит их с конкретным случаем; и индуктивное рассуждение, которое строит аргумент на основе конкретных примеров.

    Каковы основные школы философии? Идеализм можно разделить на три категории: классический, религиозный и современный.Классический идеализм, философия греков Сократа и Платона, ищет абсолютную истину. Религиозный идеализм пытается примирить Бога и человечество. Современный идеализм, вытекающий из идей Декарта, связывает восприятие и существование.

    Реализм, школа мысли, основанная Аристотелем, считает, что мир материи отделен от человеческого восприятия. Современная реалистическая мысль привела к представлению о человеческих возможностях как о «чистом листе». Прагматизм считает, что мы должны выбирать идеи, действия и последствия с наиболее желательным результатом, а также учиться на предыдущем опыте для достижения желаемых последствий.Экспериментализм Джона Дьюи привнес научный метод индуктивного рассуждения в образовательную сферу.

    Постмодернизм и экзистенциализм сосредотачиваются на сложном чтении текстов и социальных и политических условностей, исследуя существующие структуры на наличие недостатков. По сути, они в значительной степени сосредоточены на настоящем и на понимании жизни, какой мы ее знаем. Методы деконструкции чтения текстов Жака Деррида предполагают, что универсальная рациональность находится не в объективной реальности, а в тексте.Мишель Фуко, другой постмодернистский философ, исследовал отношения между истиной и силой.

    Каковы основные принципы образования? Основные философии образования можно разделить на три основных типа: философии, ориентированные на учителя, философии, ориентированные на учащихся, и философии, ориентированные на общество. К ним относятся эссенциализм, перенниализм, прогрессивизм, социальный реконструкционизм, экзистенциализм, бихевиоризм, конструктивизм, консерватизм и гуманизм.

    Эссенциализм и перенниализм — два типа философии образования, ориентированной на учителя. Эссенциализм в настоящее время является ведущим стилем государственного образования в Соединенных Штатах. Это обучение базовым навыкам, которые со временем доказали свою необходимость в обществе. Перенниализм фокусируется на преподавании великих дел.

    Существует три типа философии образования, ориентированной на студента. Прогрессивизм фокусируется на развитии морального компаса ученика. Гуманизм заключается в том, чтобы максимально раскрыть потенциал каждого ученика.Конструктивизм фокусируется на использовании образования для формирования мировоззрения ученика.

    Существует два типа социально ориентированных философий образования. Реконструкционизм – это точка зрения, согласно которой образование является средством решения социальных проблем. Бихевиоризм фокусируется на культивировании поведения, полезного для общества.

    Какие существуют дополнительные идеологии философии образования? Другие известные идеологии философии образования включают национализм, американский эксклюзивизм, этнонационализм, либерализм, консерватизм и марксизм.Национализм — это национальный дух или любовь к стране, которая связывает интересы нации с символами, которые ее представляют. Американский эксклюзивизм — это форма национализма, подразумевающая, что Соединенные Штаты — это особая страна, которой выпала честь иметь явную судьбу. Этнонационализм подобен национализму, но верность не своей нации, а своей этнической или расовой группе. Либерализм — это идеология, согласно которой люди должны пользоваться максимально возможными индивидуальными свободами и что они должны быть гарантированы надлежащей правовой процедурой.Противоположностью либерализму является консерватизм. Консерватизм — это вера в то, что институты должны функционировать в соответствии с их первоначальной целью, и любые концепции, которые не были сохранены, должны быть восстановлены. Наконец, марксизм — это идеологическое и политическое движение, рассматривающее классовую систему как форму конфликта в социальной, политической и образовательной сферах.

    Как определяется образовательная философия педагога? Важно определить свою собственную философию образования, чтобы понять свою собственную систему ценностей и убеждений, чтобы вы могли легко описать свой стиль преподавания потенциальным работодателям.

    При написании собственного заявления о философии образования жизненно важно учитывать несколько ключевых компонентов: Как я думаю? Какова цель образования? Какова роль учителя? Как учитель должен учить? Какова роль ученика? Чему следует учить? Кроме того, убедитесь, что вы говорите четко и лаконично. Проведите небольшое исследование о школе, в которую вы подаете заявление, и расскажите об их задачах и целях в своем заявлении. Помните, что образование касается студентов, а также не забывайте сосредоточиться на своей дисциплине.Подумайте о великих учителях, которые были у вас в жизни. Не забудьте получить обратную связь. Кроме того, не делайте это долго и не болтайте. Не перефразируйте свое резюме, не будьте всезнайкой и не используйте резких заявлений.

    Мы ничего не пропустили?

    Нажмите здесь, чтобы прочитать все статьи из этой серии.

    .
  • Добавить комментарий

    Ваш адрес email не будет опубликован.