ScD in Education, Professor, Head of the Informatics and Information Technologies in Education Department
доктор педагогических наук, профессор, заведующий кафедрой информатики и информационных технологий в образовании
PhD in Education, Associate Professor of the Computing and Information Technologies Basic Department
кандидат педагогических наук, доцент базовой кафедры вычислительных и информационных технологий
Problem and goal . The issues of criteria-based evaluation of the student's educational results remain relevant for the modern theory and practice of education. As a rule, measures to monitor educational results and resources in educational institutions are carried out by expert, manual, non-automated methods. In accordance with the directions of digital transformation of education, it is necessary to create a technological assessment system that meets the requirements of modern society, subject to automation and intellectualization. The purpose of the work is to substantiate a new model of criteria-based assessment of the quality of the educational result, based on the mathematical methods of the theory of clustering and pattern recognition and allowing to automate the procedures for assessing the quality of educational objects, resources, educational and personal achievements of students. Methodology. The quality of an educational result or resource is determined by criteria indicators, which can be represented as features of the evaluated object using the information vector. By clustering the set of acceptable objects into three classes - with low, medium and high quality - it is possible to evaluate an object by its belonging to one of these classes. Clustering is carried out on the basis of a mining algorithm, the metric of city blocks is taken as a measure of the similarity of objects. Results. A program has been developed that consists of a source data module, a clustering module, and a recognition and training module. The model results of the program correlate with traditional rating assessments, in which the quality of the object is determined by a point scale. The obtained test results confirm the validity of the recognition algorithm and the correctness of the software product. Conclusion. Thus, the proposed model based on clustering and the recognition method showed the possibility of automated assessment of the quality of educational results of trainees and educational resources.
Проблема и цель. Вопросы критериального оценивания образовательных результатов обучаемого сохраняют свою актуальность для современной теории и практики образования. Как правило, мероприятия по мониторингу образовательных результатов и ресурсов в учебных заведениях проводятся экспертными, ручными, неавтоматизированными способами. В соответствии с направлениями цифровой трансформации образования необходимо создание технологичной, отвечающей требованиям современного общества системы оценивания, подлежащей автоматизации и интеллектуализации. Цель работы - обоснование новой модели критериального оценивания качества образовательного результата, опирающейся на математические методы теории кластеризации и распознавания образов и позволяющей автоматизировать процедуры оценки качества образовательных объектов, ресурсов, учебных и личностных достижений обучаемых. Методология. Качество образовательного результата или ресурса определяется критериальными показателями, которые можно представить в виде признаков оцениваемого объекта с помощью информационного вектора. Путем кластеризации множества допустимых объектов на три класса - с низким, средним и высоким качеством - можно осуществлять оценку объекта по его принадлежности к одному из этих классов. Кластеризация проводится на основе горного алгоритма, в качестве меры сходства объектов принимается метрика городских кварталов. Результаты. Разработана программа, которая состоит из модуля исходных данных, модуля кластеризации и модуля распознавания и обучения. Модельные результаты работы программы коррелируют с традиционными рейтинговыми оценками, в которых качество объекта определяется по бальной шкале. Полученные тестовые результаты подтверждают валидность алгоритма распознавания и корректность работы программного продукта. Заключение. Предложенная модель на основе кластеризации и метода распознавания делает возможной автоматизированную оценку качества образовательных результатов обучаемых и образовательных ресурсов.