ИНТЕГРАЦИЯ ФРАКТАЛЬНЫХ И НЕЙРОСЕТЕВЫХ ТЕХНОЛОГИЙ В ПЕДАГОГИЧЕСКОМ КОНТРОЛЕ И ОЦЕНКЕ ЗНАНИЙ ОБУЧАЕМЫХ

Обложка

Аннотация


Постановка и решение проблемы поиска теоретического обоснования и разработки эффективных дидактических механизмов организации процесса педагогического контроля и оценки знаний обучаемых может быть основана на конвергенции ведущих психолого-педагогических, математических и информационных технологий с учетом современных достижений в науке. В статье обоснована педагогическая целесообразность реализации возможностей средств информационных технологий в оценке сложного математического знания, в управлении познавательной деятельностью студентов. Исследована и реализована на практике интеграция фрактальных методов и нейросетевых технологий в совершенствовании системы педагогического контроля математических знаний обучаемых в составе автоматизированных обучающих систем (АОС). Доказано, что фрактальные методы увеличивают точность и глубину оценивания уровня обученности студентов, комплексов интеллектуальных операций и интегративных качеств, позволяющих осваивать и применять междисциплинарные знания и умения в профессиональной деятельности. Нейросетевые технологии решают проблему реализации личностно-ориентированного обучения с позиций оптимальной индивидуализации математического образования и самореализации личности. Технология проектирования интегративной системы педагогического контроля знаний студентов включает следующие этапы: установление требуемых параметров обучения; определение и подготовка исходных данных для реализации интеграции фрактальной и нейросетевой технологий; разработку диагностического модуля в составе блока искусственного интеллекта АОС, заполнение структурированных системой баз данных; запуск системы для получения прогноза. Новым в разработке интегративной автоматизированной системы педагогического контроля знаний является то, что индивидуальная оценка качества обучения студентов осуществляется на основе двух параметров - глубины усвоения понятия, его взаимосвязи с другими понятиями и оценке величины синергетического эффекта интеграции знаний и деятельности обучаемых. Опыт внедрения и эксплуатации автоматизированной системы педагогического контроля и оценки знаний на основе интеграции фрактального моделирования и нейросетевых технологий позволил повысить уровень объективности оценивания знаний обучаемых, качество управления учебным процессом, его результативность в целом.


С Н Дворяткина

Лицо (автор) для связи с редакцией.
sobdvor@yelets.lipetsk.ru
Елецкий государственный университет им. И.А. Бунина Коммунаров ул., 28, Елец, Россия, 399770

Дворяткина Светлана Николаевна - доктор педагогических наук, доцент, профессор кафедры математики и методики ее преподавания Елецкого государственного университета им. И.А. Бунина (Елец, Россия).

  • Аванесов В.С. Применение педагогических измерений и новых образовательных технологий для модернизации образования // Педагогические измерения. 2015. № 1. С. 3-28.
  • Болотов В.А., Вальдман И.А., Ковалева В.С., Пинская М.А. Российская система оценки качества образования: главные уроки // Качество образования в Евразии. 2013. № 1. С. 85-122.
  • Грушевский С.П., Добровольская Н.Ю., Кольцов Ю.В. Организация учебного процесса на основе нейросетевой компьютерной обучающей системы // Вестник Адыгейского государственного университета. Серия 3: Педагогика и психология. 2008. № 7. С. 142-148.
  • Дворяткина С.Н., Смирнов Е.И. Оценка синергетических эффектов интеграции знаний и деятельности на основе компьютерного моделирования // Современные информационные технологии и ИТ-образование. М.: МГУ, 2016. С. 35-42.
  • Кибзун А.И., Иноземцев А.О. Оценивание уровней сложности тестов на основе метода максимального правдоподобия // Автоматика и механика. 2014. № 4. С. 20-37. doi: 10.22363/2313-1683-2017-14-4:. 10.1134/S000511791404002X
  • Козлов О.А., Михайлов Ю.Ф., Вершинина С.В. Управление формированием индивидуальной образовательной траектории с использованием информационных технологий // Ученые записки ИУО РАО. 2017. № 1-2 (61). С. 62-64.
  • Круглов В.В., Борисов В.В. Искусственные нейронные сети. Теория и практика. М.: Горячая линия-Телеком, 2002. 382 с.
  • Латышев В.Л. Критерии оценки качества образовательного компонента интеллектуальных обучающих систем // Информатизация образования и науки. 2009. № 3. С. 89-96.
  • Монахов В.М. ИТ-образование и некоторые вопросы эволюции отечественной методической системы обучения математике, обеспечивающие технологизацию учебного процесса // Современные информационные технологии и ИТ-образование. 2014. № 10. С. 100-106.
  • Рудинский И.Д., Давыдова Н.А. Перспективные направления в автоматизации подготовки тестовых заданий для контроля знаний // Известия Балтийской государственной академии рыбопромыслового флота: психолого-педагогические науки. 2014. № 1(27). С. 43-47.
  • Роберт И.В. Перспективные фундаментальные исследования в области информатизации образования // Ученые записки ИУО РАО. 2016. № 59. С. 78-85.
  • Шадриков В.Д., Кузнецова И.В. Методика оценки уровня квалификации педагогических кадров // Методическая работа в школе. 2011. № 1. С. 3-33.
  • Углев В.А. О специфике индивидуализации обучения в автоматизированных обучающих системах // Философия образования. 2010. № 2. С. 68-74.
  • Усова А.В. Проверка и пути повышения качества знаний: учеб.-методич. пособие. Челябинск: Чел. гос. пед. ун., 2007. 43 с.
  • Dvoryatkina S., Smirnov E., Lopukhin A. New opportunities of computer assessment of knowledge based on fractal modeling // Proceedings of the 3rd international conference on higher education advances, HEAdʹ17. Valensia: Universitat Politecnica de Valencia, 2017. P. 854-864. doi: 10.22363/2313-1683-2017-14-4:. 10.4995/HEAD17.2017.6713
  • McCalloch W.S., Pitts W. A logical calculus of the ideas immanent in nervous activity // Bull. Math. Biophys. 1943. V. 5. P. 115-133.
  • Hebb D.O. The Organization of Behavior. New York: Wiley & Sons, 1949. 378 p.
  • Hopfield J.J. Neural networks and physical systems with emergent collective computational abilities // Proceedings of National Academy of Sciences. 1982. Vol. 79. № 8. P. 2554-2558.
  • Rosenblatt F. Principles of Neurodynamics: Perceptrons and the Theory of Brain Mechanisms. Washington, DC: Spartan Books, 1962. 506 p.

Просмотры

Аннотация - 287

PDF (Russian) - 70


© Дворяткина С.Н., 2017

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.