New Educational Strategies in Modern Information Space - 2022
Снегурова В.И.
РГПУ им. А. И. Герцена,
Университет ИТМО
г. Санкт-Петербург
Готская И.Б.
РГПУ им. А. И. Герцена,
Университет ИТМО
г. Санкт-Петербург
Пиотровская К.Р.
РГПУ им. А. И. Герцена,
г. Санкт-Петербург
Кейсы по математике для системы компьютерного диагностического адаптивного тестирования
В статье обосновывается необходимость создания систем компьютерного диагностического адаптивного тестирования, рассматривается их функционал, а также подходы к разработке кейсов по математике для наполнения таких систем.
Snegurova V.I.
HSPU
St. Petersburg, Russia
Gotskaya I.B.
HSPU
St. Petersburg, Russia
Piotrowska X.R.
HSPU
St. Petersburg, Russia
Mathematics cases for computer diagnostic adaptive testing system
The article substantiates the need to create systems for computer diagnostic adaptive testing, discusses their functionality, as well as approaches to the development of cases in mathematics for filling such systems.
Развитие адаптивного обучения, компьютерного адаптивного тестирования (КАТ) рассматриваются большинством зарубежных и российских исследователей как один из трендов современного и перспективного этапа цифровой трансформации образования. За свою почти 70-ти летнюю историю (сам термин «адаптивное обучение» впервые появился в 1945 году, а появление идей адаптивного обучения неразрывно связано с зарождением программированного обучения (Б.Ф. Скиннер) и его дальнейшим развитием) теория и практика адаптивного обучения (в том числе и адаптивного тестирования) находилась в постоянном фокусе учёных: педагогов, психологов, социологов, ИТ-специалистов, переживая при этом периоды подъёма и спада. Развитие технологий электронного обучения в первой четверти XXI века инициировало интерес учёных к накопленному научному потенциалу по адаптивному обучению, что объясняется потребностью и проблемами в обеспечении индивидуализации и персонализации электронного и мобильного обучения.
КАТ занимает особое место в теории и практике адаптивного обучения, поскольку развитие этого направления ведёт не только к эффективности линейного компьютерного тестирования [7, 10, 11], но электронного и мобильного обучения в целом [1, 3, 6, 8]. Данные по результатам эмпирических исследований [9] свидетельствуют не только о том, что применение КАТ позволяет уменьшить количество элементов и время тестирования без снижения точности измерений за счёт наличия функций настройки, что определяет гибкость современных КАТ, но и позволяют улучшить валидацию, снизить нагрузку на тестируемых, повысить мотивацию обучающихся при обеспечении более высокой точности измерений [9, 11].
Особое место в работах российских и зарубежных учёных занимает поиск различных подходов к созданию адаптивных тестов, среди этих подходов можно выделить:
Адаптивность тестов в абсолютном большинстве исследований достигается за счёт вариативности количества заданий и/или уровней их сложности. Однако перспективным направлением представляется разработка адаптивных тестов и систем КАТ на основе учёта преобладающих индивидуальных характеристик тестируемых (стилевых особенностей познавательной деятельности) [2]. Результаты апробации таких КАТ показали их высокий уровень привлекательности для обучаемых и повышение эффективности самого процесса тестирования.
Одновременно анализ российских и зарубежных исследований по проблемам разработки и применения адаптивных тестов и систем КАТ выявил, что большинство из них не предполагает выявление причин неуспешного выполнения тестовых заданий. Однако для системы общего образования выявление неусвоенного предметного содержания (как одной причин неуспеваемости) представляется одной из актуальных и важных задач.
Проводимые с 2019 года в РГПУ им. А.И. Герцена исследования подходов к созданию системы компьютерного диагностического адаптивного тестирования (СКДАТ), позволили выделить три функции, которые должна поддерживать такая система: диагностическая,
корректирующая, оценивающая. Основные функции системы показаны на рисунке 1.
Рисунок 1 – Основные функции системы компьютерного диагностического адаптивного тестирования (СКДАТ)
Задания проектируются в формате кейсов (или наборов кейсов), структура которого продемонстрирована на рисунке 2, каждый из которых включает два блока:
Рисунок 2 – Алгоритм выполнения кейса
Задания по выявлению умений, необходимых для решения исходного комплексного задания ранжируются по уровням в зависимости от сложности сформированных умений, что позволяет реализовать дополнительные эффекты адаптивности.
Дополнительно адаптивность реализуется ранжированием заданий (диагностических и тренажеров) по уровням в зависимости от сложности сформированных умений, необходимых для решения заданий (Рисунок 3):
Рисунок 3 – Общая структура кейса
Количество уровней определяется особенностями учебной дисциплины и самих заданий, например, для большинства заданий по математике достаточно будет третьего уровня, на котором уже возможно выделение элементарных умений.
Структура кейса по математике на примере заданий на решение логарифмического уравнения представлена на рисунке 4.
Рисунок 4 – Решение логарифмического уравнения
В данном примере элементарными умениями являются умения 1.1., 1.2., 1.3.1, 1.3.2., 1.4.1, 1.4.2, 1.5. и 1.6.
Как следует из структуры кейса, для каждого задания, носящего комплексный характер, и соответствующего ему умения в рамках каждой темы, 2выделяются вспомогательные, более простые умения и элементы теоретических знаний.
Алгоритм функционирования СКДАТ должен обеспечить:
Таким образом, СКДАТ позволит не только осуществлять диагностику, но и выстраивать индивидуальную траекторию по устранению ошибок, так как после диагностики каждому обучающемуся выдается индивидуальный, адаптированный к нуждам пользователя набор заданий для устранения пробелов в знаниях и умениях.
В настоящее время для проведения апробации разработанных кейсов и проектирования первой версии СКДАТ была выбрана нереляционная документальная база данных MongoDB, значимым преимуществом которой является удобство взаимодействия с платформами Node.js и Express.js, с помощью которых организуется слой пользовательского интерфейса. Слой инфраструктуры включает не только программную платформу, но и хостинг, а также облачную базу данных. Для хранения сценариев прохождения тестовых заданий и другой информации используется облачный хостинг MongoDB (Atlas).
Литература: