Модель обучения математике с эффектом развития вероятностного стиля мышления в цифровой образовательной среде: теоретическое обоснование и эмпирическая проверка

Обложка

Цитировать

Полный текст

Аннотация

Рассматривается проблема развития нелинейного, вероятностного стиля мышления обучаемых в условиях цифровой трансформации современного образования. Целью является разработка эффективного научно-методологического инструментария организации процесса обучения математике в школе и вузе для достижения высоких педагогических, социально-востребованных результатов и создания на его основе усовершенствованной дидактической модели с эффектом развития вероятностного стиля мышления, гибкости, креативности и критичности личности для возможности ее активного участия в жизнедеятельности общества. Модель обучения математике с эффектом развития вероятностного стиля мышления разработана в единстве целевого, теоретико-методологического, содержательного, технологического, диагностического и результативного компонентов. Структурообразующим фактором выступает информационно-насыщенная образовательная среда обучения математике как совокупность цифрового информационного и образовательного контента, способствующая эффективному развитию вероятностного стиля мышления. Содержательный компонент модели реализуется в отборе и структурировании учебного материала на основе фрактального подхода, в методическом обновлении комплексом спиралей фундирования, оснащенного банками прикладных и исследовательских задач с учетом глубины фрактального представления учебных элементов. При решении технологических задач реализации модели, получения гарантируемых результатов обучения в качестве инструмента развития вероятностного стиля мышления обучаемых и объективного средства управления выступала адаптивная обучающая система. Результаты внедрения модели в практику обучения с последующей статистической проверкой на основе методов описательной статистики, t -критерия Стьюдента установили положительную динамику по всем структурным компонентам модели с доверительной вероятностью 95 %. Перспектива исследования состоит в дальнейшей интеллектуализации технологического компонента модели на основе гибридности методов искусственного интеллекта для обеспечения эффективного развития вероятностного стиля мышления с быстрой динамикой изменения значений параметров, согласно заданным обратным связям.

Об авторах

Светлана Николаевна Дворяткина

Елецкий государственный университет имени И.А. Бунина

Автор, ответственный за переписку.
Email: sobdvor@yelets.lipetsk.ru
ORCID iD: 0000-0001-7823-7751

доктор педагогических наук, доцент, заведующая кафедрой математики и методики ее преподавания

Российская Федерация, 399770, Елец, ул. Коммунаров, д. 28

Список литературы

  1. Batanero, C., & Borovcnik, M. (2016). Statistics and probability in high school. Rotterdam: Sense Publishers. https://doi.org/10.1007/978-94-6300-624-8
  2. Biehler, R. (1994). Probabilistic thinking, statistical reasoning, and the search for causes: Do we need a probabilistic revolution after we have taught data analysis. In J. Garfield (Ed.), Research Papers from The Fourth International Conference on Teaching Statistics, Marrakech 1994 (pp. 20-37). Minneapolis: University of Minnesota.
  3. Borovcnik, M. (2016). Probabilistic thinking and probability literacy in the context of risk. Pensamento probabilístico e alfabetização em probabilidade no contexto do risco. Educação Matemática Pesquisa, 18(3), 1491-1516.
  4. Borovcnik, M., & Kapadia, R. (2014). a historical and philosophical perspective on probability. In E. Chernoff & B. Sriraman (Eds.), Probabilistic Thinking. Presenting Plural Perspectives. Advances in Mathematics Education (pp. 7-34). Dordrecht: Springer. https://doi.org/10.1007/978-94-007-7155-0_2
  5. Carnap, R. (1962). Logical foundations of probability. Chicago: University of Chicago Press.
  6. Collins, A., & Michalski, R. (1989). The logic of plausible reasoning: A core theory. Cognitive Science, 13(1), 1-49. https://doi.org/10.1016/0364-0213(89)90010-4
  7. Dobrin, A.V., & Lopukhin, A.M. (2019). Substantial characteristics of probabilistic thinking: The theoretical basis of the study. Educational Psychology in Polycultural Space, (2), 32-48. (In Russ.) https://doi.org/10.24888/2073-8439-2019-46-2-32-48
  8. Dvoryatkina, S., Shcherbatykh, S., & Lopukhin, A. (2019). Automated intellectual training systems in mathematics as a means of development of probability thinking style. 6th SWS International Scientific Conference on Social Sciences ISCSS 2019: Conference Proceedings, 6(4), 47-54. Sofia: STEF92 Technology Ltd. https://doi.org/10.5593/SWS.ISCSS.2019.4/S13.007
  9. Dvoryatkina, S.N. (2013). Development of probabilistic style of thinking in process of teaching mathematics: Theory and practice. Moscow: INFRA-M Publ. (In Russ.)
  10. Dvoryatkina, S.N., & Scherbatykh, S.V. (2020). Conceptual provisions of fractal development of probabilistic thinking style in teaching mathematics and tools for their implementation. Perspectives of Science and Education, 44(2), 195-209. (In Russ.) https://doi.org/10.32744/pse.2020.2.16
  11. Fischbein, E., & Schnarch, D. (1997). The evolution with age of probabilistic, intuitively based misconceptions. Journal for Research in Mathematics Education, 28, 96-105. https://doi.org/10.5951/jresematheduc.28.1.0096
  12. Gigerenzer, G., & Gaissmaier, W. (2011). Heuristic decision making. Annual Review of Psychology, 62(1), 451-482. https://doi.org/10.1146/annurev-psych-120709-145346
  13. Gigerenzer, G., Hoffrage, U., & Kleinbölting, H. (1991). Probabilistic mental models: A Brunswikian theory of confidence. Psychological Review, 98(4), 506-528. https://doi.org/10.1037/0033-295x.98.4.506
  14. Johnson-Laird, P.N. (1994). Mental models and probabilistic thinking. Cognition, 50(1-3), 189-209. https://doi.org/10.1016/0010-0277(94)90028-0
  15. Kahneman, D., & Frederick, S. (2005). A model of heuristic judgment. In K.J. Holyoak & R.G. Morrison (Eds.), The Cambridge Handbook of Thinking and Reasoning (pp. 267-293). New York: Cambridge University Press.
  16. Kahneman, D., & Tversky, A. (1973). On the psychology of prediction. Psychological Review, 80, 237-251.
  17. Keynes, J.M. (1921). A treatise on probability. London: Macmillan & Co.
  18. McGuire, W. (1982) The probabilogical model of cognitive structure and attitude change. In R.E. Petty, Т.М. Ostrom & Т.С Brock (Eds.), Cognitive Responses in Persuasion (pp. 291-308). New York: Psychology Press. https://doi.org/10.4324/9781315803012
  19. Nilsson, P. (2014). Experimentation in Probability teaching and learning. In E. Chernoff & B. Sriraman (Eds.), Probabilistic Thinking. Advances in Mathematics Education (pp. 509-532). Dordrecht: Springer. https://doi.org/10.1007/978-94-007-7155-0_28
  20. Ponomarev, Yu.I., & Shapovalenko, T.G. (2008). Features of probabilistic thinking formation in students. Nauka i Shkola, (3), 20-22. (In Russ.)
  21. Popper, K. (1957). The propensity interpretation of the calculus of probability, and the quantum theory. In S. Körner (Ed.), Observation and Interpretation in the Philosophy of Physics. The Colston Papers, 9, 65-70. New York: Dover Publications.
  22. Prediger, S., & Schnell, S. (2014). Investigating the dynamics of stochastic learning processes: A didactical research perspective, its methodological and theoretical framework, illustrated for the case of the short term-long term distinction. In E. Chernoff & B. Sriraman (Eds.), Probabilistic Thinking. Presenting Plural Perspectives. Advances in Mathematics Education (pp. 533-558). Dordrecht: Springer. https://doi.org/10.1007/978-94-007-7155-0_29
  23. Sánchez, E., & Landín, P.R. (2014). Levels of probabilistic reasoning of high school students about binomial problems. In E. Chernoff & B. Sriraman (Eds.), Probabilistic Thinking. Presenting Plural Perspectives. Advances in Mathematics Education (pp. 581-597). Dordrecht: Springer. https://doi.org/10.1007/978-94-007-7155-0_31
  24. Sari, D.I., & Hermanto, D. (2017). Development of probabilistic thinking-oriented learning tools for probability materials at junior high school students. International Conference on Mathematics: Pure, Applied and Computation: Empowering Engineering Using Mathematics. AIP Conference Proceedings, 1867(1), 020042. https://doi.org/10.1063/1.4994445
  25. Teplov, B.M. (1961). Problems of individual differences. Moscow: Akademiya Pedagogicheskikh Nauk RSFSR Publ. (In Russ.)

© Дворяткина С.Н., 2022

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

Данный сайт использует cookie-файлы

Продолжая использовать наш сайт, вы даете согласие на обработку файлов cookie, которые обеспечивают правильную работу сайта.

О куки-файлах