Автоматизированное управление практико-ориентированным обучением естественнонаучным дисциплинам (на примере дисциплины «физика»)

 

Кравец Алла Григорьевна

д.т.н., профессор кафедры «Системы автоматизированного проектирования и поискового конструирования» (САПР и ПК),

Волгоградский государственный технический университет,

пр.им.В.И.Ленина, 28, г. Волгоград, 400005, (+7902)3639186

agk@gde.ru

 

Бобков Артём Сергеевич,

аспирант кафедры САПР и ПК,

Волгоградский государственный технический университет,

пр.им.В.И.Ленина, 28, г. Волгоград, 400005, (+7842)2248100

bobkovart@gmail.com

 

Кравец Андрей Дмитриевич

аспирант кафедры САПР и ПК,

Волгоградский государственный технический университет,

пр.им.В.И.Ленина, 28, г. Волгоград, 400005, (+7842)2248100

kad@gde.ru

 

Абрамичев Дмитрий Александрович,

инженер-программист,

ООО «Аудит Новые Технологии»,

ул. Карла Либкнехта, д. 21, голгоград, 400107, (+7902)3639186

ab_12@mail.ru

 

Титова Оксана Васильевна,

соискатель кафедры САПР и ПК,

Волгоградский государственный технический университет,

пр.им.В.И.Ленина, 28, г. Волгоград, 400005, (+7842)2248100

titova-vgtu@mail.ru

 

Аннотация

В данной статье рассмотрена проблема управления практико-ориентированным обучением в области естественных наук в сфере высшего образования на основе автоматизации управления процессом формирования компетенций. Проведен анализ практико-ориентированного обучения, анализ процесса решения задач на примере естественнонаучной дисциплины, обзор и анализ автоматизированных систем, применяемых в практико-ориентированном обучении, моделей представления знаний естественнонаучной дисциплины. На основе проведенного анализа разработана структура системы управления уровнем компетенций, концептуальная схема управления процессом практико-ориентированного обучения,  формализация управления уровнем компетенций, критерии эффективности процесса управления, а также методика автоматизированного управления. Представлены результаты реализации методики автоматизированного управления уровнем компетенций обучающегося и оценка эффективности разработанного программного комплекса. Статья имеет следующую структуру: введение, методология исследования, реализация моделей, методики и программного комплекса, результаты опытного внедрения, заключение и литература.

The paper considered the problem of a natural sciences higher education practice-oriented training control through the competencies formation process automation. The analysis of the practice-based learning, the solving tasks process on the example of the natural sciences, review and analysis of automated systems used in practice-oriented learning, knowledge representation model are described at the paper. The competences level control system structure, conceptual diagram of a practice-oriented education control process, the formalization competencies level control, the criteria of process management efficiency, and automated management method were designed. The results of the competence level automated management method implementation and developed programs performance evaluation are shown. The article is structured as follows: introduction, research methodology, models, method and software design, implementation analysis and evaluation, conclusion and literature.

Ключевые слова

практико-ориентированное обучение, компетенции, автоматизация управления, процесс формирования компетенций;

practice-based learning, competence, automation control, the competencies formation.

Введение

Правительством Российской Федерации принята программа инновационного социально ориентированного развития страны до 2020 года, согласно которой одной из главных задач является  развитие науки и техники.  Для решения поставленной задачи в образовании приоритет отдается техническим и естественнонаучным дисциплинам.

Использование информационных технологий и высокое качество образования позволят обеспечить лидерство России среди высокоразвитых стран. Развитие системы образования в нашей стране придерживается принципов ЮНЕСКО и Болонских соглашений, главными целями которых являются обеспечение общедоступности знаний для творческого развития студента, достижение высокого качества образования и высокого уровня компетентности выпускника вуза.

Для достижения высокого уровня компетентности выпускника вуза предлагается проводить практико-ориентированное обучение через формирование у обучающихся компетенций решения задач. Учитывая развитие информационных технологий и наличие компьютерной техники в образовательных учреждениях, следует ввести в управление процессом обучения автоматизацию [1]. Платформы электронного обучения, на сегодняшний день, широко используются педагогами для повышения интереса учеников к обучению, а также улучшения общего результата учебной деятельности [2, 3, 4].

Ученые [5, 6, 7] предлагают методы оценки, стратегий и технологий, которые позволят ученику влиться в процесс обучения.

Анализ степени научной разработанности данной предметной области показал, что проблема управления процессом практико-ориентированного обучения в области естественных наук в сфере высшего образования остается открытой, продолжаются поиски новых технических, программных, управленческих технологий и методов их применения.

Таким образом, проблема управления практико-ориентированным обучением в области естественных наук в сфере высшего образования на основе автоматизации управления процессом формирования компетенций обуславливают актуальность настоящего исследования. 

Постановка задачи

Целью исследования является повышение эффективности процесса управления практико-ориентированным обучением в области естественных наук в сфере высшего образования.

Для достижения поставленной цели выделены следующие задачи:

1.     Провести анализ системы практико-ориентированного обучения и методов решения задач на примере дисциплины естественнонаучного цикла;

2.     Провести сравнительный анализ моделей представления знаний предметной области (дисциплины естественнонаучного цикла) и автоматизированных систем, применяемых в практико-ориентированном обучении;   

3.     Разработать методику автоматизированного управления практико-ориентированным обучением;

3.1.    Провести моделирование объектов и процессов предметной области исследования;

3.2.    Определить критерии эффективности процесса управления практико-ориентированным обучением;

3.3.    Разработать способ формального представления процесса решения физических задач;

3.4.    Разработать способ представления пространства компетенций.

4.     Разработать программный комплекс оценки и формирования компетенций решения  задач по физике на базе разработанной методики.

Методология исследования

Анализ практико-ориентированного обучения и процесса решения задач.

Авторами проведен анализ существующей системы практико-ориентированного обучения естественным наукам. На практических занятиях обучающиеся разбирают решения типовых задач, затем самостоятельно решают задачи. В настоящее время распространены тестовые задания, по результатам которых обучаемому могут предлагаться индивидуальные подходы обучения [8, 9, 10, 11].

При использовании тестовых заданий, содержащих задачи, правильность решения задачи проверяется по ответу. Решение задачи преподаватель не видит. Недостаток такого управления заключается в том, что обучающийся не знает, с каким этапом решения задачи он не справляется и при решении следующей задачи допускает те же ошибки.

Методология функционального моделирования IDEF0 (рис.1) использовалась  для исследования процесса решения задачи по физике [12]. В результате исследования получена модель, отображающая структуру и функции системы решения задач, а также потоки информации, связывающих эти функции [13].

Решения задач по различным дисциплинам различаются только содержанием и целью, а по структуре деятельности, нужной для решения, все они практически одинаковы.

Все современные естественные науки предполагают точное формульное определение закономерностей, описывающих рассматриваемые природные явления.

 

Рис.1. Модель процесса решения физических задач

Обзор и анализ автоматизированных систем

Современное программное обеспечение, применяемое в практико-ориентированном обучении, можно распределить на три основные группы:

1.     математические пакеты (Maple, Mathcad, Mathematica, MatLab);

2.     обучающие программы по физике (TeachPro, Курс физики XXI века, Открытая физика);

3.     моделирующие среды (Interactive Physics, среда моделирования МАРС, VisSim).

Все программы имеет различное назначение, но все они служат для оказания помощи пользователю в решении задач.

С помощью рассмотренных программ решается составленная система уравнений (формул) и вычисляется значение искомой величины. Однако анализ текста задачи, формализацию условия и составление системы уравнений должны производиться пользователем вручную.

Анализ и выбор модели представления знаний предметной области

Выбор модели представления предметной области является важным аспектом реализации механизма управления поиском решения задач, так как в значительной степени определяет возможные варианты реализации процедур поиска [14].

Наибольшими возможностями среди моделей представления знаний – продукционные модели, семантические сети, фреймы, формальные логические модели, онтология – обладает онтология. Онтология является сравнительно новой моделью представления знаний, и представляет собой развитие идеи семантических сетей (языковое моделирование), реализует ряд черт, характерных для фреймовой модели (структурное представление, иерархия классов) и представляет развитый аппарат логического описания элементов модели (логическое моделирование).

В результате анализа моделей выбрана онтология с описательной логикой для представления знаний предметной области.

Система управления уровнем компетенций

Введем определения понятий, введенных для описания исследуемых объектов:

-         компетенция решения задач  — это связь между моделью физической задачи и моделью процесса решения задач, которая использует модель обучающегося;

-         целевая компетенция — компетенция, которую должен достичь обучающийся;

-         уровень  компетенции – числовое выражение степени сформированности компетенции, уровень компетенции может принимать значения от 0 до 1;

-         уровень целевой компетенции – это значение 1 (или 100%).  

Структура системы управления уровнем компетенций содержит  управляющую систему (преподаватель и система знаний) и управляемую систему (обучающийся и система компетенций). 

Структура системы управления уровнем компетенций представлена на рисунке 2.

Рис. 2. Структура системы управления уровнем компетенций

Сначала у обучающихся формируют компетенции решения физических задач, а затем они приступают к решению задач.

Рис. 3. Концептуальная схема модели

Концептуальная схема управления процессом практико-ориентированного обучения естественнонаучным дисциплинам.

Разработана модель управления процессом практико-ориентированного обучения естественнонаучным дисциплинам, предназначенная для управления уровнем компетенций обучающегося [15]. Концептуальная схема модели представлена на рисунке 3.

В схеме модели отображены связи между моделями предметной области, способами представления процесса решения задач и представления пространства компетенций решения задач и информационной базой знаний и программного обеспечения процесса управления.

Наличие всех компонент модели позволит обеспечить управление практико-ориентированным обучением.

Формализация управления уровнем компетенций обучающегося.

В рассматриваемой задаче переменными управления считаются скорости изменения уровня компетенции Vi, тогда как Xi – переменными состояния (фазовыми переменными).

                Повышение уровня компетенций, с одной стороны, приводит к повышению способности решать задачи; обозначается этот положительный фактор через P=P(V). А с другой стороны, – ведет к перегрузке  обучающегося, что способствует повышению усталости и непринятию новой информации. Этот отрицательный фактор обозначается через N=N(V). Очевидно, при увеличении уровня компетенции происходит рост обеих величин, тогда как темп скорости их роста имеют противоположные знаки. Другими словами, имеют место неравенства

P’(V)>0, P’’(V)<0, N’(V)>0, N’’(V)>0                                               (1)

Критерием оптимальности (функционалом), который следует максимизировать, будет интегральная эффективность обучения U=PN за рассматриваемый период от начального момента времени t=0 до конечного t=T, т.е.

                                                            (2)

Тогда задача оптимального управления, к решению которой сведена задача наилучшего повышения уровня компетенции, заключается в максимизации интегрального функционала (2) при условиях

, xi(0)=Xi0, xi(T)≥0, vi(t)>0,  i=1,…,n; 0≤t≤T                   (3)

где числа Xi0 и Хi(T) считаются заданными.

В результате решения задачи получено оптимальное управление

Vi(t)=xi(T)/T                            i=1,..n,                                                  (4)

которое определяет оптимальную траекторию обучения

Xi(t)=vit                    i=1,..n, 0≤tT                                                      (5)

Оптимальная траектория обучения достигается равномерным ростом уровня компетенции на определенном промежутке времени обучения.

Критерии эффективности процесса управления.

В социально ориентированном обществе наиболее эффективным является управление, в максимальной степени реализующее поставленную государственную, общественную цель. Поэтому важным является целевой критерий эффективности.

Целевой критерий эффективности процесса управления выражает отношение цели и результата. Так как цель обучения – получить больше обучающихся с высоким уровнем знаний, то показателем целевого критерия эффективности может  служить уровень обученности. Уровень обученности по Симонову В.П. определяется формулой:

                        (6)          

где a – количество оценок «5», b – количество оценок «4», c – количество оценок «3», d – количество оценок «2».

Так как деятельность управляющей системы направлена на повышение степени упорядоченности (организованности) строения и развития объекта управления для достижения цели, то эта деятельность приводит к увеличению информации об объекте.  Информация необходима для принятия решения и эффективного управления. Следовательно, можно говорить об информационной эффективности. 

Информационная эффективность  включает упорядочивание информации, используемой в управлении, и логизацию процесса управления. Структурирование учебного материала и представление знаний в виде онтологии повышает степень упорядоченности информации, уменьшая энтропию и увеличивая информацию, необходимую для принятия управленческого решения.

Определим критерий информационной эффективности как степень структурированности учебного материала, применяемого на практических занятиях:

                                                                                           (7)

где Vstr – объем структурированного материала, V – объем всего материала.

Получаемую информацию в управлении необходимо обработать.  Для более эффективного управления обработку следует производить с помощью программ, т.е. процесс должен быть автоматизирован.  Таким образом, из информационной эффективности следует логическая эффективность.

Логическая эффективность характеризует степень формализации процесса управления. Использование в управлении математического  и программного обеспечения позволяет превращать данные в информацию, несущую порядок и способствующую принятию управленческого решения. Производя оценку уровня компетенций обучающегося, преподаватель получает больше информации, и появляется возможность направлять процесс обучения по наиболее точным траекториям.

Критерий логической эффективности определим как отношение автоматизированных функций управления ко всем применяемым функциям управления:

                                                                                        (8)

где Kavt – количество автоматизированных функций управления, K – количество функций управления.

Информационная и логическая эффективности способствуют экономической эффективности процесса управления, которая выражается в оперативности принятия решения.

Оперативность определяется временем принятия решения. Если оценку уровня компетенций производить с помощью программы, то решение, например,  определение траектории обучения,  принимается быстрее.

Критерий экономической эффективности – оперативность принятия решения определим формулой:

                                                                                        (9)

Где tprp – время принятия решения с помощью программы, t – время принятия решения без программы.

Уменьшая время на принятие решения, высвобождаем время преподавателя для выполнения других функций управления.

Методика автоматизированного управления.

В целях повышения эффективности управления процессом обучения предлагается методика  автоматизированного управления процессом обучения. Шаги методики представлены в таблице 1.

Таблица 1

Шаги методики автоматизированного управления

Шаг методики

Описание шага

Исполнитель

1

Составляет тесты для программы оценки уровня компетенций

Преподаватель

2

Вводит тесты в программу

Преподаватель

3

Проверяет работу программы оценки уровня компетенций

Преподаватель

4

Формирует программу занятий первого раздела физики

Преподаватель

5

Проходит диагностическое тестирование, определяет с помощью программы уровень компетенций и получает траекторию обучения

Обучающийся

6

Определяет задания для обучающегося согласно его уровню

Преподаватель

7

Изучает учебный материал, работает с программой формирования компетенций решения задач

Обучающийся

8

Проходит контрольное тестирование

Обучающийся

9

Переход к следующему разделу физики. Шаги повторяются с 4 шага.

Преподаватель

 

Онтологическая модель физической задачи

При проектировании модели физической задачи был применен объектный подход, связанный с декомпозицией объектов, при этом каждый объект рассматривается как экземпляр определенного класса. Объект изучения, физическое явление, физические величины являются ключевыми в поиске решения задачи. Эти понятия определены как классы. Классы (понятия) и связи между классами образуют концептуальную структуру физической задачи или онтологию.

Онтология физической задачи [16] формально описывается кортежами типа

   <C, I, L, P, A, F,G>                                                                                        (10)

где             – понятия (классы), – экземпляры,

L– словарь: LC È LPÈ LI,ÈLA,

           P: V´V – отношения, где ={v| vC или vI}, pÎP,       p(vi,vj): viдомен (domain), vjдиапазон (range).

           А: V´LAатрибуты,

           F: LC®C, G:LP®P.

Все понятия, определенные в модели как  классы, образуют некоторое конечное множество С длины n (где n – любое натуральное число), каждый из элементов которого , где 1≤in. Тогда множество С ={«объект», «материальная точка», «физическое явление», «механическое движение»,  «движение по окружности», и  другие}.

Экземпляры классов, образуют некоторое конечное множество I длины n (где n – любое натуральное число), каждый из элементов которого , где 1≤jn..

 Тогда множество I={«точка», «обращение точки», «время обращения», «радиус окружности»,  «длина окружности», и другие }.

Семантическая модель ключевых понятий физической задачи представлена в виде графа на рисунке 4.

Рис. 4. Семантическая модель ключевых понятий физической задачи

   Знания естественнонаучной дисциплины, содержащиеся в онтологии, используются автоматизированной системой формирования компетенций решения задач.

Модель процесса решения задач

Введем определения понятий «физическая задача» и «решить физическую задачу», принимаемые в данной статье:

-         физическая задача – это система взаимосвязанных объектов (моделей физических тел, физических явлений, величин, законов), обладающих определенными свойствами;

-         решить физическую задачу означает составить математическую модель (систему формул), содержащую известные и искомые физические величины. Количество формул в системе должно быть равно количеству неизвестных величин.  

В статье рассматривается автоматизированный процесс решения задачи, поэтому процесс решения задачи содержит этапы решения, которые производятся с помощью программы.

   На рис.1 рассматривались этапы решения задачи. Первый этап решения задачи «формализация условия задачи» пользователь выполняет вручную.

   Второй этап «составить систему уравнений (формул)» производится автоматизированной системой (рис. 5).

Рис. 5. Автоматизированная система

Функция второго этапа «вывод выражения искомой физической величины через известные величины и получение численного значения» производится в любом математическом пакете, например, в MathCad.

Третий этап решения «анализ результатов» производится пользователем вручную.

С целью управления процессом решения задач была произведена декомпозиция процесса решения задач и построена модель, отображающая структуру и функции системы решения задач, а также потоки информации, связывающие эти функции.

Функции, выделенные в результате анализа, представлены в таблице 2.

Управлением для каждой функции является онтология, так как в онтологии представлены знания предметной области.

Таблица 2

Функции решения задач, составляющие модель процесса решения

Обозначение функции

Описание функции

F1

Проверить объект изучения

F2

Проверить физическое явление

F3

Проверить физические величины

F4

Определить формулы, содержащие физические величины

F5

Определить физические величины, содержащиеся в формуле

Модель обучающегося

Для осуществления автоматизированного управления уровнем компетенций обучающегося предлагается представить модель обучающегося в виде множества:

Mо = {C1, С2, …,Сn},                                             (11)

где Сi i-я  компетенция решения  задач.

Совокупность пакетов знаний, необходимых для решения задач, образует множество:

k={k1, k2, …, km},                                                   (12)

где kii-й пакет знаний. Знаниями являются элементы теоретического материала дисциплины (физики).

Каждая i-я компетенции решения задач базируется на определенных знаниях и представляется в виде множества:

Ci={kk, kj, …, kf}                                                     (13)

   Компетенция представляет собой текст, выражающий определенное действие в процессе решения задач.

Способ формального представления процесса решения задач

Способ формального представления процесса решения задач использует модель процесса решения задач и онтологическую модель физической задачи.

В модели процесса решения задач содержатся функции, а в онтологии – знания дисциплины.

Алгоритм способа формального представления процесса решения задач.

1 шаг. Выбираем функцию Fi из модели процесса решения задач.

2 шаг. По описанию функции выбираем объект, который является в онтологии классом.

3 шаг. Действие решения задачи Fi представляется предикатом 1-го порядка. Предикат содержит классы, экземпляры и атрибуты, связанные знаками логических операций (Ø - не, Ù- и, Ú- или, É - если), а также квантор существования $ и квантор общности ".  Переменные – x, y, z, u, v, w.

Шаги алгоритма отображены в таблице 3.

Таблица 3

Шаги алгоритм способа формального представления процесса решения задач

Алгоритм

1 шаг

2 шаг

3 шаг

Обозначение функции

Описание функции

Класс в онтологии

Предикат

F1

Проверить объект изучения

Объект

$x (объект(х))

F2

Проверить физическое явление

Физическое явление

$y (физическое_явление(y))

F3

Проверить физические величины

Физические величины

$z (физическая_величина(z))

F4

Определить формулы, содержащие физические величины

Формулы, физические величины

$u (формула(u) É физическая_величина(z) Ù содержит_величину(u,z))

F5

Определить физические величины, содержащиеся в формуле

Физические величины, формулы

$z (физическая_величина(z) É формула(u) Ù содержится_в_формуле(z,u))

Способ представления пространства компетенций

В состав концептуальной схемы управления процессом обучения входит способ представления пространства компетенций решения физических задач, состоящий из трёх основных шагов. 

Алгоритм способа  представления пространства компетенций.

1 шаг. Выбираем функцию Fi из модели процесса решения задач. Функцию определяем компетенцией решения задач и обозначаем Ci.

2 шаг. По описанию функции выбираем объект, который является в онтологии классом.

3 шаг. Все экземпляры, атрибуты одного класса определяются как i-й пакет знаний и обозначаем через ki.

Шаги алгоритма представлены в таблице 4.

Таблица 4

Шаги алгоритм способа представления пространства компетенций

Алгоритм

1 шаг

2 шаг

3 шаг

Обозначение функции

Компетенция (Сi)

Класс в онтологии

Пакет знаний (ki)

F1

Способен проверить объект изучения (С1)

Объект

объект(k1)

F2

Способен проверить физическое явление (С2)

Физическое явление

физическое_явление(k2)

F3

Способен проверить физические величины (С3)

Физические величины

физическая_величина(k3)

F4

Способен определить формулы, содержащие физические величины (С4)

Формулы, физические величины

формула(k4), физическая_величина(k3)

F5

Способен определить физические величины, содержащиеся в формуле (С5)

Физические величины, формулы

физическая_

величина(k3), формула(k4)

После декомпозиции процесса решения задач, создается пространство компетенций. Совокупность всех компетенций представлена в виде множества. Каждая компетенции решения задачи базируется на определенных знаниях и представляется в виде множества.

Сформированное пространство компетенций предназначено для оценки уровня компетенций обучающегося и построения индивидуальной траектории практико‑ориентированного обучения. Таким образом, процесс обучения становится управляемым процессом.

Способ оценки уровня компетенций обучающегося и построения индивидуальной траектории обучения

С целью управления уровнем компетенций обучающегося производится оценка уровня компетенций. Тестированием определяется уровень знаний обучающегося. Оцениваются ответы в пакетах знаний по формуле

,                           i=1,2,…m                                            (14)

где kol_prav – количество правильных ответов, kol_vop – всего вопросов в i-м пакете знаний, m – количество пакетов знаний.

Вводится отклонение текущего уровня компетенции обучающегося от уровня целевой компетенции:

,    i=1,2,…n                                                             (15)

где rci=1 уровень целевой компетенции, n – количество компетенций, элементы матрицы определяются следующим правилом:

wij=            1, если i-я компетенция содержит j-й пакет знаний

                   0, если i-я компетенция не содержит j-й пакет знаний.

Отклонения εi компетенции принимают различные значения от  0 до 1/n. Упорядочив их в порядке убывания, получаем порядок формирования компетенций у обучающегося или  индивидуальную траекторию обучения. Критерий включения компетенции в траекторию обучения – ненулевые значения отклонений:

,                                   i=1,2,…n                                                             (16)

Таким образом, процесс обучения представляется управляемым процессом.

Реализация моделей и методики

Алгоритм методики построения онтологии физической задачи

   Для управления процессом решения задач разработан алгоритм построения онтологии физической задачи, представленный на рисунке 6. 

   С начала выделяется раздел физики, затем физические явления, величины, формулы. Следующий этап алгоритма – построение концептуальной схемы этих понятий. Для этого определяются родовые и видовые отношения между понятиями. Располагаются все понятия в иерархическую структуру. Одни понятия определяются как классы, другие - подклассами.

 

Рис. 6. Алгоритм методики построения онтологии физической задачи

    Затем определяются экземпляры классов. Понятия, описывающие свойства экземпляров или классов, определяются как атрибуты. Представление теоретического материала по представленному алгоритму отвечает требованиям управления процессом решения задач.

Онтология физической задачи

Элементом управления процесса решения задач является онтология. Построена онтология физической задачи в программе Protege 4.1, поддерживающей формат RDF/OWL. В онтологии представлена иерархия классов (понятий) физической задачи, необходимых для решения задач. На рисунке 7 показана иерархия классов.

 

Рис. 7. Иерархия классов

Множество RDF‑утверждений, полученных в результате установления связей, образует ориентированный граф, в котором вершинами являются классы и экземпляры, а рёбра помечены отношениями. На рисунке 8 представлена часть онтологии физической  задачи со связями.

Рис. 8. Фрагмент онтологии физической задачи со связями

Программа автоматизированной оценки уровня компетенции обучающегося и построения индивидуальной траектории обучения

Для автоматизированного управления уровнем компетенций обучающегося разработана программа автоматизированной оценки уровня компетенций и построения индивидуальной траектории обучения [17].

Программа автоматизированной оценки уровня компетенций обучающегося и построения индивидуальной траектории обучения разработана в Asp.net MVC 3 RTM (рис. 9).

Рис. 9. Экранная форма программы

С начала проводится проверка знаний обучающегося по определенным пакетам знаний [18]. Так как физика состоит из 5 основных разделов: механика, молекулярная физика, электричество, оптика, атомная и ядерная физика, и каждый раздел состоит из нескольких тем, то для каждой темы определен свой пакет знаний. В каждом пакете знаний для обучающегося случайным образом выбираются 5 вопросов. Проводится проверка ответов, и результаты проверки выдаются на экран. Далее производится расчет уровня каждой компетенции и расчет отклонений уровня компетенций от уровня целевой компетенции и построение траектории обучения, используя критерий  включения компетенции в траекторию.

Программа имеет два режима работы: администрирование преподавателем и прохождение теста обучающимся. Преподаватель вводит новые тестовые задания или корректирует имеющиеся. Обучающийся регистрируется при входе в программу, затем проходит тестирование.

Программа автоматизированного формирования компетенций решения задач

Программный код написан на языке Java в среде разработки Eclipse Classic 3.7.2 Indigo. В программе реализован графический интерфейс, доступный для понимания  обучающегося, знакомого с элементарными понятиями физики (рис. 10).

Программа формирует компетенции решения задач по теме «Равномерное движение материальной точки по окружности». Поиск решения задачи – составление замкнутой системы уравнений – производится по алгоритму, использующему рекурсию.  

   Для работы с базой знаний (онтологией)  используются библиотеки Protege-OWL.

Разработанная программа может использоваться в двух режимах: в режиме обучения и в режиме контроля.

Режим обучения предусматривает отработку компетенций, необходимых на начальном этапе решения задачи. Обучающему необходимо правильно определить объект изучения и физическое явление в задаче. Чтобы выполнить эти действия обучающийся должен знать модели физических объектов, рассматриваемых в задачах. А также должен уметь определять физические явления. Если он правильно выполнит эти действия, то сможет перейти к следующему этапу решения задачи. После правильного выполнения этих действий, программа произведет поиск системы уравнений (формул), решение которой приведет к нахождению искомой физической величины.

Режим контроля предназначен для проверки решения задачи обучающимся. Обучающийся самостоятельно решает задачу, а затем эту задачу решает с помощью автоматизированной системы. Если решения совпадают, то обучающийся успешно справился с задачей.

Рис. 10. Графический интерфейс программы

Результаты опытного внедрения

На протяжении 3-х лет проводилось обучение студентов, обратившихся в консультационный центр ИКЦ, решению задач с формированием компетенций решения задач [19].

Обучение в консультационном центре платное. Применение методики и программного комплекса позволило, не меняя суммы оплаты за обучение, сократить время обучения на 15%. На рисунке 11 представлена диаграмма уровней обученности в группах.

Эффективность системы практико-ориентированного обучения определяется эффективностью управляемой системы, т.е. эффективностью обучения. В качестве критерия эффективности обучения выбран уровень обученности.

Рис. 11. Диаграмма уровней обученности в группах

Уровень обученности в экспериментальной группе оказался выше на 14,2%.

В результате обучающиеся получили:

1)    улучшение качества обучения на 14,2%;

2)     сокращение  времени обучения на 15%.

Консультационный центр получил экономический эффект:

3)    увеличение дохода на 17,6%;

4)    дополнительное время на 15%.

Следовательно, обучение с формированием компетенций решения физических задач позволяет повысить эффективность процесса практико-ориентированного обучения и работы преподавателей.

Заключение

Таким образом, в качестве результатов исследования можно выделить следующие:

1.       Разработана методика автоматизированного управления процессом практико-ориентированного обучения, в отличие от известных, основана на:

-    Онтологической модели физической задачи, отличающейся от известных, что её создание основано на применении объектного подхода к физической задаче;

-    Модели процесса решения задач, отличающейся от известных тем, что произведена детализация процесса решения на основе системного подхода и определены входные и выходные  данные для каждого этапа решения;

-    Модели обучающегося, отличающейся от известных, что состоит из компетенций  решения задач;

-    Способе формализации процесса решения физических задач, отличающийся от известных тем, что используется модель процесса решения задач и онтологическая модель физической задачи, на которой определен логический вывод решения задачи из исходных данных;

-    Способе представления пространства компетенций решения физических задач, отличающаяся тем, что компетенции решения задач формируются из модели процесса решения.

2.       Разработана концептуальная схема управления процессом практико-ориентированного обучения, направленная на повышение эффективности основана, в отличие от известных, на формировании у обучающихся компетенций решения задач, которые выявляют из модели процесса решения задач и онтологической модели физической задачи,  с применением  программного комплекса  оценки уровня компетенций и с последующим определением траектории обучения и формирования компетенций решения задач по физике; 

3.       Разработано информационное и алгоритмическое обеспечение для управления процессом обучения, в отличие от известных тем, что содержит:

-    Онтологическую базу знаний, содержащую формализованные понятия дисциплины для решения задач, и представленную в форме аксиом на языке OWL DL;

-    Алгоритм методики оценки уровня компетенций и построения индивидуальной траектории обучения для управления процессом обучения, что составляет основу для реализации её в компьютерной среде;

-    Алгоритм поиска решения задачи с использованием онтологии физической задачи, предназначенный для реализации способа формирования компетенций.

4.       Разработана автоматизированная система оценки уровня компетенций обучающегося и построения индивидуальной траектории обучения в Asp.net MVC;

5.       Разработана автоматизированная система решения задач по физике, использующая онтологию физических задач. Программный код написан на языке Java в среде разработки Eclipse Classic 3.7.2 Indigo;

6.       В результате обучения с формированием компетенций решения физических задач установлено, что уровень обученности в экспериментальной группе выше на 14,2%,  чем в контрольной  группе. Применение методик и программ позволили сократить время обучения на 15%. Консультационный IT-центр получил экономический эффект – увеличения дохода на 17,6%. Эффективность процесса  практико-ориентированного обучения  с применением методики управления уровнем компетенции выше.

Литература

1.         Гуртяков, А.С. Организация дистанционного обучения / Гуртяков А.С., Кравец А.Г.// Известия Волгоградского государственного технического университета. 2012. Т. 4. № 13. С. 103-107.

2.         Said Hadjerrouit. Evaluating students’ experiences with wiki-based collaborative writing in teacher education. Proceedings of the IADIS International Conference “e-Society 2013”. Lisbon, Portugal, 2013, pp. 37-34.

3.         Silvia Knittl, Hans Pongratz. Application integration method for learning management systems. Proceedings of the IADIS International Conference on e-learning. Freiburg, Germany, 2010, pp.37-41.

4.         Eugenia Y. Huang, Sheng Wei Lin, Travis K. Huang What type of learning style leads to online participation in the mixed-mode e-learning environment? A study of software usage instruction. Computers & Education 58 (2012),  pp.338–349.

5.         Cecilia Rossignoli, Maria Ferrara, Luisa Varriale. E-learning systems and learner dimensions: an Italian case study. Proceedings of the IADIS International Conference “e-Society 2013”. Lisbon, Portugal, , 2013, pp.99-106.

6.         D. Laurillard, P. Charlton, B. Craft, D. Dimakopoulos, D. Ljubojevic, G. Magoulas, E. Masterman, R. Pujadas, E.A. Whitley & K.Whittlestone A constructionist learning environment for teachers to model learning designs.jJournal of Computer Assisted Learning. 2011, doi: 10.1111/j.1365-2729.2011.00458.x.

7.         Margot McNeill, Maree Gosper, John Hedberg. Academic practice in aligning outcomes, assessment strategies and technologies: joining the dots (or not). Proceedings of the IADIS International Conference on e-learning. Freiburg, Germany, 2010, pp.129-138.

8.         Michael S. Tang, David Hyerle, Toan Tran A Mathematical Analysis of Semantic Maps, with Theoretical and Applied Implications for Blended Learning Software International Jl. on E-Learning (2011) 11 (1), pp.95-104.

9.         Najat Smeda, Eva Dakich, Nalin Sharda. Developing a framework for advancing e-learning through digital storytelling. Proceedings of the IADIS International Conference on e-learning. Freiburg, Germany, 2010, pp.169-176.

10.      Stefanie Sieber, Andreas Henrich. Metadata for learning objects – a cure for information overflow? Proceedings of the IADIS International Conference on e-learning. Freiburg, Germany, 2010, pp.251-255.

11.      Vangel V. Ajanovski. Personalized adaptive system for term enrollments based on curriculum recommendations and student achievement. Proceedings of the IADIS International Conference “Information systems”. 2013, pp.342-346.

12.      Титова, О.В. Диаграммы процесса решения физических задач / О.В. Титова, А.Г. Кравец // Вестник компьютерных и информационных технологий. - 2011. - № 10. - C. 39-42.

13.      Кравец, А.Г. Моделирование процесса решения задач по физике / А.Г. Кравец, О.В. Титова // Открытое образование. - 2011. - № 2. - C. 76-79.

14.      Манако, А.Ф. Подход к построению формализованного описания информационных систем для образования и обучения. // Международный электронный журнал "Образовательные технологии и общество (Educational Technology & Society)" – 2013. – V.16. - №1. — С.536-546.- ISSN 1436-4522. URL: http://ifets.ieee.org/russian/periodical/journal.html

15.      Кравец, А.Г. Гибридное моделирование практико-ориентированного обучения естественно-научным дисциплинам (на примере физики) / А.Г. Кравец, О.В. Титова // Открытое образование. - 2012. - № 2. - C. 15-17.

16.      Кравец, А.Г. Онтология физической задачи / А.Г. Кравец, О.В. Титова // Прикаспийский журнал: управление и высокие технологии. - 2011. - № 4. - C. 12-16.

17.      Titova, O.V., Kravets A.G. E-learning practice-oriented training in physics: the competence assessment. Proceedings of the IADIS International Conference “e-Society 2013”. Lisbon, Portugal, 2013, pp.346-350.

18.      Титенко, С.В. Автоматизация построения тестовых заданий в системах дистанционного обучения на основе понятийно-тезисной модели // Международный электронный журнал "Образовательные технологии и общество (Educational Technology & Society)" – 2013. – V.16. - №1. — С.463-481.- ISSN 1436-4522. URL: http://ifets.ieee.org/russian/periodical/journal.html

19.      Титова, О.В. Консультирование студентов в сети Интернет / О.В. Титова // Известия ТулГУ. Технические науки. - 2011. - Вып. 3. - C. 200-203.