Цифровизация мотивационных признаков как способ организации самостоятельной работы бакалавров

Полный текст

Постановка проблемы. Направление на цифровизацию профессионального образования включает не только автоматизацию основных этапов обучения, цифровизацию учебных материалов, использование специальных средств и технологий для дистанционной работы, но и применение высокоинтеллектуальных информационных технологий, решающих, прежде всего, задачу индивидуализации обучения. Инновационные информационные технологии, учитывая особенности конкретного обучаемого, позволяют организовать качественную самостоятельную работу, обеспечивая эффективную обратную связь, возможность своевременных корректировок учебных воздействий. Работы С.А. Бешенкова, Т.А. Бороненко, Х.И. Ибрагимова, И.В. Роберт, В.И. Седаковой содержат классификации и типологии различных дидактических возможностей цифровых технологий, их преимущества при интеграции с многообразием форм обучения [1-7]. Однако отсутствует педагогическая технология, позволяющая пошагово выполнять модификацию траектории самостоятельного обучения студентов с применением цифровых технологий. Противоречие между необходимостью адаптации организации самостоятельной работы студента и недостаточностью методик применения интеллектуальных информационных технологий при решении этой задачи определило цель исследования - разработать механизм классификации педагогических воздействий при организации внеаудиторной работы бакалавров прикладной математики. Применение различных технологий искусственного интеллекта, таких как нейронные сети и классификаторы, обеспечивающих кластеризацию многопараметрических объектов, может способствовать эффективной трансформации траектории внеаудиторного обучения, основанной на учете мотивационных факторов обучаемого. Методология. Одним из ключевых аспектов, определяющих эффективность самостоятельной работы студентов, является их заинтересованность в процессе обучения, изучения нового. Мотивация к обучению формирует значимые навыки обучаемого: способность к самообучению и самоорганизации, способность к грамотному распределению времени и других ресурсов. Структура внеаудиторной работы должна позволить учащемуся не только выполнять учебные задания, приобретая узкопрофессиональные навыки, но и развивать общепрофессиональные компетенции, направленные на самостоятельное освоение нового, самодисциплину, самоорганизацию [8-10]. При конструировании адаптивных стратегий самостоятельного обучения бакалавров необходимо учитывать мотивационные характеристики обучаемых. В предлагаемом исследовании основой индивидуализации процесса самостоятельной работы выбраны уровень мотивации учащихся и особенности восприятия ими нового учебного материала. Выявление этих многопараметрических характеристик позволяет классифицировать обучаемых на группы близких по своим значениям параметров, а затем для отдельных групп сконструировать стратегии самостоятельного обучения. В качестве механизма построения и анализа многопараметрической классификации целесообразно выбрать методы кластерного анализа и нейросетевые технологии. Основной этап исследования по формированию мотивационных групп будущих бакалавров прикладной математики проводился на базе Кубанского государственного университета. В эксперименте приняли участие 67 студентов первого курса. Исследование проводилось в несколько этапов: определение мотивационных характеристик обучаемых, построение мотивационных профилей, кластеризация мотивационных профилей, конструирование стратегий самостоятельной работы для каждого кластера, классификация нового мотивационного профиля с целью назначения конкретной стратегии самостоятельного обучения. Мотивационные факторы обучаемого определялись нами на основе диагностики мотивационной структуры личности по В.Э. Мильману. Для более комфортного прохождения психологического теста было принято решение выполнить цифровизацию диагностики в формате мобильного приложения. Результатом работы приложения является мотивационный профиль респондента. Состав профиля: показатели общежитейского мотивационного профиля (МП), общего учебного, идеальный общежитейский и идеальный учебный МП, реальный общежитейский и реальный учебный МП. Результаты теста сгруппированы в мотивационные кортежи и помещены в базу данных. Изображение выглядит как текст, диаграмма, линия, График Автоматически созданное описание Кластерный анализ мотивационных профилей Источник: составлено автором. Изображение выглядит как текст, линия, График, диаграмма Автоматически созданное описание Cluster analysis of motivational profiles Source: compiled by the author. Следующий этап исследования предполагал выделение типовых мотивационных групп, содержащих профили близких значений, и дальнейшего построения индивидуальных траекторий самостоятельной работы будущих бакалавров с учетом особенностей этих групп. В этом случае применялся кластерный анализ. Экспериментально подобраны пять групп мотивационных профилей студентов, характеристики которых наиболее различны (рис.). Основные характеристики мотивационных групп приведены в таблице. Характеристики мотивационных групп № группы Количество Учебная мотивация Общежитейская мотивация Эмоциональный профиль Инициативность 1 28 Сильная Слабая Стенический Есть 2 4 Слабая Низкая Астенический Нет 3 17 Низкая Низкая Смешанный, стенический Нет 4 13 Сильная Cильная Стенический Есть 5 5 Сильная Сильная Смешанный, астенический Нет Characteristics of motivational groups Group number Amount Learning motivation Community motivation Emotional profile Initiative 1 28 Strong Weak Sthenic Yes 2 4 Weak Low Asthenic No 3 17 Low Low Mixed, sthenic No 4 13 Strong Strong Sthenic Yes 5 5 Strong Strong Mixed, asthenic No Основная выборка данных позволила выявить мотивационные группы. Для соотнесения некоторого мотивационного профиля с той или иной группой и дальнейшего назначения адаптивной стратегии самостоятельного обучения необходим эффективный механизм классификации, в нашем случае - нейронная сеть. Изменяя количество слоев и нейронов на них, подбирались различные конфигурации сетей. Лучшие результаты классификации показала нейронная сеть с восьмью нейронами на входном слое, одном - на результирующем, с двумя внутренними слоями. Нейронная сеть классифицирует мотивационный профиль бакалавра, соотнося его с той или иной группой. Для построения стратегий организации самостоятельной работы для конкретных мотивационных групп следует обозначить особенности самостоятельной работы бакалавров прикладной математики. Будущие бакалавры в соответствии с учебными планами и рабочими программами дисциплин достаточно большое количество часов обучения получают вне аудитории. Студенты прорабатывают домашние задания, причем часть из них по математическим дисциплинам выполняется в тетради, а основная часть - это решение задач по программированию. Причем некоторые задания рассчитаны на подготовку решения к следующему занятию, но есть задания, для которых требуется более длительное время, иногда целый семестр. Сюда же относятся групповые самостоятельные проекты, где студенты должны эффективно распределять не только свои ресурсы, но и взаимодействовать с одногруппниками - участниками общего проекта. В этом случае важна слаженность и соблюдение графика работы. Для формирования и развития навыков самоорганизации и самообучения различные мотивационные группы требуют от педагога разного похода и способа работы. Понимание уровня мотивации будущих бакалавров, заинтересованности к получению конкретных профессиональных знаний позволит скорректировать учебные воздействия и максимизировать объем приобретаемых умений и навыков [11; 12]. Результаты и обсуждение. В процессе исследования выявлено пять мотивационных групп, имеющих близкие значения характеристик. Изучалось влияние мотивационных профилей и соотнесенная с ними самостоятельная работа в рамках обучения дисциплинам «Основы программирования» и «Методы программирования» первого курса обучения. Традиционная организация внеаудиторной работы по этим дисциплинам была расширена внедрением вариативных элементов, изменение значений которых позволяет получить адаптивную стратегию организации работы для той или иной мотивационной группы. Сконструированная нейронная сеть позволяет классифицировать профиль бакалавра, назначить студенту стратегию самостоятельной работы, определить конкретные значения ее вариативных элементов. Именно вариативные элементы позволяют адаптировать традиционную организацию самостоятельной работы по некоторой учебной дисциплине к уровню мотивации обучаемого. Выделены следующие вариативные элементы стратегии: глубина и уровень детализации самостоятельного проектирования, объем вспомогательных материалов, наличие очных или удаленных консультаций с преподавателем, доля творческого компонента при проектировании решений, выбор точек контроля и их количество [13-15]. Приведем описание двух стратегий организации самостоятельной работы, предварительно обозначив ключевые характеристики соответствующих мотивационных групп. Группа 1. Бакалавры первого курса, включенные в группу, обладают низкой общежитейской и учебной мотивацией. Представители группы пассивны, не проявляют усилий для организации комфортной жизни или реализации учебных задач. Однако студенты группы обладают позитивным эмоциональным настроем. Группа 2. Представители группы достаточно активны, причем их интерес наиболее выражен в учебной деятельности. Внеучебная деятельность интересует их гораздо меньше, тяготение к созданию комфортных условий существования минимально. Пассивное отношение к организации бытовых процессов существенно влияет на организацию всего распорядка деятельности и может затронуть выполнение в срок этапов самостоятельной работы. Однако эмоциональное состояние представителей этой группы положительно. В соответствии со значениями мотивационных признаков бакалавров первой и второй групп определим значения вариативных элементов стратегий организации самостоятельной работы. Стратегия 1. Уровень самостоятельного проектирования предполагает минимальное участие обучаемого. План выполнения задания формирует преподаватель. Творческая составляющая в учебной задаче отсутствует, задача максимально формализована. Сопровождающие методические материалы включают достаточное число примеров по тематике учебной задачи, приведено пошаговое описание процесса выполнения задания. Контроль преподавателя осуществляется на всех этапах выполнения учебной задачи. Предполагается наличие дополнительных консультаций. Стратегия 2. Самостоятельное построение плана выполнения учебного задания. Учебная задача не формализована, условие задания не отвечает шаблонному. Методические материалы, сопровождающие учебную задачу, включают пошаговое описание процесса выполнения задания. Контроль со стороны преподавателя осуществляется только на ключевых этапах решения учебной задачи. Дополнительные консультации по выполнению учебного задания не предусмотрены. Построение индивидуальных траекторий самостоятельной работы с использованием вариативных элементов показало не только развитие навыков самоорганизации, но и рост профессиональных компетенций будущих бакалавров. Студенты научились грамотно распределять время, вовремя выполнять этапы работ и, как следствие, получать более качественные программные решения учебных заданий. После изучения дисциплины проведено анкетирование студентов первого курса с целью выявления их отношения к использованию вариативной самостоятельной работы. Дифференциация самостоятельного обучения, введение вариативных элементов отмечена слабоуспевающими и слабо мотивированными студентами как положительный фактор в обучении. Постоянный контроль, большой объем справочного материала позволяет выполнять задания в срок и приучает к распределению своих ресурсов. Студенты с сильной мотивацией позитивно отметили свободный график выполнения заданий, возможность самостоятельно выбирать подходы к решению. Мотивационные признаки являются многопараметрическими объектами, часто не стационарными. Поэтому цифровая обработка и анализ мотивационных профилей, в частности применение методов кластерного анализа и нейросетевой классификации, является целесообразным и эффективным. Практическая значимость исследования заключается в определении адаптивных стратегий организации самостоятельной работы бакалавров прикладной математики, основанных на уровне мотивации к обучению, которые могут быть применены для большинства учебных дисциплин математических и IT-направлений. Заключение. Дифференциация стратегий организации самостоятельной работы будущих бакалавров прикладной математики, основанная на определении значений вариативных элементов и мотивационных характеристик обучаемых, позволяет не только развить и закрепить профессиональные навыки и умения, но и научить студентов первого курса регламентировать свой рабочий процесс, грамотно распределять собственные ресурсы, планировать и структурировать рабочие задачи. Процесс адаптации стратегий к особенностям конкретного обучаемого эффективно выполняют нейросетевые технологии и методы кластерного анализа. Использование диагностики мотивационных характеристик, кластеризация полученных мотивационных кортежей по группам позволяет сформировать у студентов навыки самообучения и самоорганизации, перераспределить ресурсы преподавателя от более мотивированных обучаемых к менее мотивированным, направлять самостоятельную работу будущих бакалавров по индивидуальным траекториям.

Об авторах

Наталья Юрьевна Добровольская

Кубанский государственный университет

Автор, ответственный за переписку.
Email: dnu10@mail.ru
ORCID iD: 0000-0002-8480-1643

кандидат педагогических наук, доцент, доцент кафедры информационных технологий, факультет компьютерных технологий и прикладной математики

Российская Федерация, 350040, Краснодар, ул. Ставропольская, д. 149

Список литературы