Розділи

• 
  
  • Бахрушин В.Е.

    Классический приватный университет,

    г. Запорожье, Украина

    ОПЫТ ИСПОЛЬЗОВАНИЯ СИСТЕМЫ MOODLE В СЕТЕВОЙ ПОДДЕРЖКЕ УЧЕБНЫХ КУРСОВ ПО МЕТОДАМ АНАЛИЗА ДАННЫХ

    Введение

    Классические и современные методы анализа данных играют большую роль в подготовке специалистов различных направлений - естественнонаучных, технических, экономических, социальных и др. Наряду с базовым курсом теории вероятностей и математической статистики программы подготовки могут включать дополнительное изучение нормативных и выборочных дисциплин, связанных с методами обработки экспериментальных данных. В частности, в КПУ для разных направлений подготовки преподаются такие дисциплины, как:

    • Алгоритмы и программные средства анализа данных;
    • Анализ данных и временные ряды;
    • Временные ряды;
    • Математические методы в психологии;
    • Математико-статистические методы в социологии;
    • Методология статистических исследований;
    • Эмпирические методы программной инженерии и др.

    За последние 10 лет в Классическом приватном университете накоплен богатый опыт использования системы Moodle при разработке и изучении курсов соответствующей направленности для студентов различных форм обучения и направлений подготовки. Целью данного доклада является его обобщение и анализ перспектив дальнейшего развития учебных сред с применением системы Moodle.

    Общая структура электронной дисциплины

    При разработке требований к электронной дисциплине исходили из того, что она предназначена для поддержки всех форм обучения студентов. Поскольку общее число кредитов дисциплины и требования к выходным компетенциям студентов не зависят от формы обучения, в КПУ принято решение о единой структуре дисциплины, независимо от форм обучения. В частности, студентам даются одинаковый теоретический материал, а также один и тот же набор индивидуальных заданий. Различия касаются только разбивки материала между аудиторными и неаудиторными формами работы. Задания для студентов разных групп и разных форм обучения являются однотипными, но могут различаться наборами исходных данных, числовыми параметрами и т. п. Более подробно эти вопросы освещены в докладе Ю.А. Швеца и Г.П. Коломойца: http://2013.moodlemoot.in.ua/course/view.php?id=11.

    Стандартный вид электронной дисциплины включает набор тематических модулей объемом 0,5 кредита ЕКТС. Такой объем соответствует примерно 6 - 10 часам аудиторных занятий для студентов дневной формы обучения. В каждом модуле представлены теоретический материал, индивидуальные задания, методические указания и примеры их выполнения, тесты и дополнительные учебные материалы (видеоролики, презентации, справочная информация, примеры практического использования рассматриваемых методов, ссылки на ресурсы Интернет и др.). 

    В качестве примера приведем перечень модулей для дисциплины "Анализ данных и временные ряды", предназначенной для бакалаврата в области знаний "Системные науки и кибернетика". Ее программа учитывает, что студенты уже имеют базовые знания в области теории вероятностей и классических методов математической статистики. Поэтому основной акцент делается на получении студентами знаний и навыков практического использования современных методов анализа данных для решения прикладных задач. Основными тематическими модулями дисциплины являются:

    1. Основные понятия и задачи анализа данных. Описательная статистика.
    2. Методы проверки статистических гипотез.
    3. Методы проверки связи между данными.
    4. Факторный анализ.
    5. Регрессионный анализ.
    6. Методы классификации данных.
    7. Основные свойства, характеристики и модели временных рядов.
    8. Прогнозирование временных рядов.

    Пример структуры тематических модулей показан на рис. 1.

    

    Рис. 1 - Пример структуры тематических модулей для дисциплины "Анализ данных и временные ряды"

    Кроме тематических имеется нулевой или общий модуль, в котором размещаются программа дисциплины, электронные версии учебно-методических материалов по дисциплине и другие материалы общего характера. Если по дисциплине предусмотрен экзамен, то вводится модуль итогового контроля объемом 1 кредит ЕКТС. Реализована возможность общения студентов и преподавателей в блогах и форумах.

    Текущий и итоговый контроль

    Каждый модуль предполагает получение студентом, как минимум, двух текущих оценок. Обычно, это оценка за выполнение индивидуального практического задания и оценка за тестирование. В зависимости от целей и содержания модуля возможны замена тестов практическими заданиями и наоборот. Все тесты и задания оцениваются по 100-балльной шкале. Итоговая оценка за модуль определяется как средняя или средневзвешенная оценка за задания и тесты соответствующего модуля.

    Итоговая оценка по дисциплине определяется как среднее арифметическое или взвешенное среднее арифметическое модульных оценок. Если по дисциплине предусмотрен экзамен, то он включается в дисциплину в виде итогового модуля. При этом независимо от формы проведения экзамена оценки вносятся в электронный журнал и учитываются при выставлении итоговой оценки. Удельный вес экзаменационной оценки в итоговом результате студента существенно зависит от общего объема дисциплины и, как правило, находится в интервале от 15 до 67 %.

    Основными типами тестов являются тесты закрытой формы с несколькими правильными ответами и штрафами за ошибки. Также применяются другие виды тестов открытой и закрытой формы. Пример фрагмента теста показан на рис. 2.

    

    Рис. 2. Фрагмент теста 

    Для тестов используется гибкая система настроек параметров, обеспечивающая реализацию различных режимов проверки – контроль, самопроверка, обучение и др. При этом наиболее часто используются такие параметры:

    • время начала и окончания тестирования (без ограничений для самопроверки и жестко фиксированное при контрольном тестировании);
    • время на прохождение теста;
    • интервалы между попытками (обычно в пределах 0,5 - 24 часа между первой и второй попытками, 1 - 2 суток между остальными).

    Также могут регулироваться количество попыток и информация, которая выводится сразу после попытки и позднее. При формировании тестов, как правило, используется случайный выбор заданий из имеющейся базы. Однако, как показывает практика работы, качество работы генератора случайных чисел, с помощью которого осуществляется выбор, не очень высоко. Поэтому желательно использовать более детальные настройки, в частности делать выбор не из всей базы, а по разделам.

    Для оценивания качества тестовых заданий используется рассчитываемая в Moodle таблица статистических характеристик заданий. Ее пример показан на рис. 3.

    

    Рис. 3. Пример таблицы статистических характеристик тестовых заданий

    Из приведенных характеристик наиболее существенными являются показатель легкости заданий, который должен находиться в интервале 20 - 80 %, и коэффициент дискриминации, который должен быть не менее 0,5 [1]. Однако на практике эти требования часто не выполняются [2, 3].

    Задания, как правило, предполагают применение изучаемых методов к анализу реальных данных, которые берутся с сайтов vstup.info, www.ukrstat.gov.ua, www.kinto.com.ua и др. В частности, используются данные о результатах внешнего независимого оценивания абитуриентов, рейтингах университетов, курсах валют, фондовых индексах и т. п. Также возможно использование массивов данных, которые формируются с использованием генераторов случайных чисел. Для студентов старших курсов  используются задания по анализу научных публикаций с описанием методик и примеров реализации рассматриваемых методов. Пример задания показан на рис. 4.

    

    Рис. 4. Пример задания по дисциплине

    В настройках заданий обычно регулируются такие опции, как дата открытия и последний срок сдачи, а также возможность ответа после контрольной даты и обновления отчета.

    Выводы

    Практика использования сайта поддержки образовательных программ КПУ на базе Moodle показала, что используемая среда позволяет решать основные вопросы, связанные с организацией учебного процесса для всех форм обучения. Наиболее удобной она является для дисциплин, где значительная часть аудиторных занятий проводится в компьютерных классах или предполагает выполнение заданий с использованием различных программных средств. В этом случае возможна (при наличии соответствующей нормативной базы) полная реализация организационной и методической поддержки учебного процесса средствами Moodle. В частности здесь возможны размещение полного комплекта методических материалов, ведение электронного журнала, контроль работы студентов и т. п. Также возможен экспорт из электронного журнала стандартных форм  ведомостей итогового контроля.

    Вместе с тем, при организации учебного процесса целесообразно совмещать электронную дисциплину с другими электронными ресурсами, в частности с социальными сетями, микроблогами, средствами коллективной разработки и т. п.

    Список использованных источников

    1. Аванесов В.С. Композиция тестовых заданий / А. А. Андреев. –  М.: Центр тестирования, 2002. – 240 с.
    2. Бахрушин В.Є. Статистичний аналіз тестів ЗНО 2009 – 2011  / В.Є. Бахрушин // Вища освіта України. Тематичний випуск "Вища освіта України в контексті інтеграції до Європейського освітнього простору" / Ред. Кремень В.Г., Савченко О.Я., Маноха О.П. та ін. – 2011. -  Додаток 2 до № 3. Т. 3 (28) – С. 29 – 35.
    3. Bakhrushin V.E. Test technologies in education: The problem of test quality / V.E. Bakhrushin, J.M. Gorban // Ukr. J. Phys. Opt. 2011, V12, Suppl. 2 Sc. Horiz. – S. 1 – 10.
  • Новости и объявления Форум
  • Форум обсуждения доклада
  • Задание 1 Завдання
  • Методы анализа данных (на укр. яз.) URL
  • Презентация по некоторым современным методам анализа данных URL
  • Статистический анализ тестовых заданий ВНО 2009 - 2011 URL
  • Ссылки Сторінка