О способах анализа качества знаний студентов при дистанционном и смешанном форматах обучения
https://doi.org/10.32517/0234-0453-2023-38-6-59-67
Аннотация
Быстрое развитие дистанционного и смешанного форматов обучения ставит перед преподавателями серьезную проблему объективной и достоверной оценки знаний студентов. Современные системы дистанционного обучения (СДО) часто не предоставляют всесторонней информации о качестве обучения в удобном для преподавателя виде. Краткий обзор СДО, занимающих лидирующие позиции по использованию в вузах Российской Федерации, позволяет в этом убедиться. Проанализированы возможности популярных СДО, их достоинства и недостатки в обработке информации об успеваемости обучающихся. По результатам анализа становится очевидной необходимость дальнейшей пользовательской обработки данных.
Показана методика оценивания качества знаний студентов на примере собственной разработки — системы управления процессом обучения Abins.NET, созданной в Пермском национальном исследовательском политехническом университете. Подтверждена необходимость использования минимум двух независимых критериев оценки качества обучения путем проведения корреляционного анализа между оценкой, временем работы и бонусными баллами.
Проведено сравнение методик начисления бонусных баллов в СДО собственной разработки, iSpring и WebTutor и сделан вывод о необходимости автоматизированного управления бонусами (начисления, списания) по критериям, которые заранее заданы разработчиком. Сформулированы выводы и предложения по выбору значимых критериев и их расчету при работе с любой СДО для оценивания успешности обучения студентов вузов.
Ключевые слова
Об авторе
М. А. СавинРоссия
Савин Максим Анатольевич, канд. тех. наук, доцент кафедры «Сварочное производство, метрология и технология материалов», механико-технологический факультет
Пермь
Список литературы
1. Ertan K., Kocadere S. A. Gamification design to increase motivation in online learning environments: A systematic review. Journal of Learning and Teaching in Digital Age. 2022;7(2):151–159. DOI: 10.53850/joltida.1020044.
2. Говоров А. И., Говорова М. М., Валитова Ю. О. Оценка актуальности разработки методов использования средств геймификации и игровых технологий в системах управления обучением. Компьютерные инструменты в образовании. 2018;(2):39–54. EDN: VMZCPB.
3. Тербушева Е. А., Пиотровская К. Р. Аналитический потенциал платформы Moodle для мониторинга качества персонифицированного обучения. Общество. Коммуникация. Образование. 2021;12(4):19–34. EDN: WSSBWE. DOI: 10.18721/JHSS.12402.
4. Лавриненко И. Ю. Перспективы использования LMS в рамках современного высшего образования. Научно-методический электронный журнал «Концепт». 2023;(1):17–35. EDN: JBMUHS. DOI: 10.24412/2304-120X-2023-11002.
5. Florian B., Glahn C., Drachsler H., Specht M., Fabregat Gesa R. Activity-based learner-models for learner monitoring and recommendations in Moodle. Towards Ubiquitous Learning. EC-TEL 2011. Lecture Notes in Computer Science. Springer, Berlin, Heidelberg, 2011;6964:111–124. DOI: 10.1007/978-3-642-23985-4_10.
6. Горюнова Е. С., Иванова А. С., Степаненко А. А., Фещенко А. В. Опыт применения инструментов оценки и практик управления качеством электронного обучения (кейс Томского государственного университета). Открытое образование. 2022;26(4):4–18. EDN: EJTLSQ. DOI: 10.21686/1818-4243-2022-4-4-18.
7. Басев И. Н., Голунова Л. В. Мониторинг учебной деятельности студентов в LMS Moodle (на примере дисциплины «Информатика»). Вестник Сибирского государственного университета путей сообщения: Гуманитарные исследования. 2019;(2(6)):29–36. EDN: PIVWEL.
8. Dobashi K. Automatic data integration from Moodle course logs to pivot tables for time series cross section analysis. Procedia Computer Science. 2017;112:1835–1844. DOI: 10.1016/j.procs.2017.08.222.
9. Худолей Н. В. Использование LMS Moodle при обучении иностранному языку в вузе (опыт ФГБОУ ВО «Красноярский ГАУ»). Вестник Российского университета дружбы народов. Серия: Информатизация образования. 2018;15(4):410–423. EDN: YXIMOL. DOI: 10.22363/2312-8631-2018-15-4-410-423.
10. Лейхтер С. Н., Малыгина О. Г., Бажукова Т. А. Компетентностно-ориентированный экзамен по клинической лабораторной диагностике у студентов, обучающихся по специальности «медицинская биохимия». Клиническая лабораторная диагностика. 2020;65(3):197–200. EDN: WPSFUU. DOI: 10.18821/0869-2084-2020-65-3-197-200.
11. Великанова Ю. В., Косарева Е. А. Разработка заданий для самоконтроля и анализ их качества с использованием Moodle. Вектор науки Тольяттинского государственного университета. Серия: Педагогика, психология. 2021;(1(44)):19–28. EDN: XNTVBT. DOI: 10.18323/2221-5662-2021-1-19-28.
12. Xin O. K., Singh D. Development of learning analytics dashboard based on Moodle Learning Management System. International Journal of Advanced Computer Science and Applications. 2021;12(7):838–843. Available at: https://thesai.org/Downloads/Volume12No7/Paper_93-Develop-ment_of_Learning_Analytics_Dashboard.pdf
13. Nwachukwu U., Hernández-García Á., Cuenca-Enrique C., Del-Río-Carazo L. InDash: An interactions dashboard to analyze Moodle logs. Proc. of the Learning Analytics Summer Institute Spain 2022. Salamanca, CEUR Workshop Proceedings; 2022;3238:18–25. Available at: https://ceur-ws.org/Vol-3238/paper3.pdf
14. Barsukov N. D., Sysoev I. M., Pereskokova A. A., Nikiforov I. V., Posmetnijs D. Analysis of student activity on the e-learning course based on “OpenEdu” platform logs. Proc. of the Institute for System Programming of the RAS. 2020;32(3):91–100. EDN: QYVJBQ. DOI: 10.15514/ISPRAS-2020-32(3)-8.
15. Akçapinar G., Bayazit A. MoodleMiner: Data mining analysis tool for Moodle Learning Management System. İlköğretim Online. 2019;18(1):406–415. DOI: 10.17051/ilkonline.2019.527645.
16. Бабанская О. М., Можаева Г. В., Степаненко А. А., Фещенко А. В. Организация системы мониторинга электронного обучения в LMS Moodle. Открытое и дистанционное образование. 2016;(3(63)):27–35. EDN: WMEDIP. DOI: 10.17223/16095944/63/4.
17. Насыров Н. Ф., Горлушкина Н. Н., Валитова Ю. О., Тартынских П. С. Автоматизация организации взаимопроверки работ обучающихся с использованием разработанного плагина для LMS Moodle. Современная наука: актуальные проблемы теории и практики. Серия: Естественные и технические науки. 2020;(8):88–94. EDN: HTEECO. DOI: 10.37882/2223-2966.2020.08.23.
18. Савин М. А., Галягин К. С., Ошивалов М. А., Селянинов Ю. А., Вахрамеев Е. И., Ульрих Т. А. Использование интерактивных автоматизированных систем при обучении студентов вузов. Alma Mater (Вестник высшей школы). 2019;(6):54–60. EDN: LLZOWD. DOI: 10.20339/AM.06-19.054.
19. Гмурман В. Е. Теория вероятностей и математическая статистика: учебник для вузов. М.: Издательство Юрайт; 2023. 479 с.
20. Stiller K. D., Bachmaier R. Using study times for identifying types of learners in a distance training for trainee teachers. Turkish Online Journal of Distance Education. 2019;20(2):21–45. DOI: 10.17718/tojde.557728.
21. Шунайлова С. А. Сочетание балльно-рейтинговой системы и дистанционных образовательных технологий как средство повышения качества математической подготовки студентов заочной формы обучения. Высшее образование сегодня. 2023;(4):69–73. EDN: MLBHRR. DOI: 10.18137/RNU.HET.23.04.P.069.
22. Nisar S., Aslam M. Sh. Is ChatGPT a good tool for T&CM students in studying pharmacology? SSRN. 2023:1–16. DOI: 10.2139/ssrn.4324310.
23. Rahman M., Watanobe Yu. ChatGPT for education and research: Opportunities, threats, and strategies. Applied Sciences. 2023;13(9):5783. DOI: 10.3390/app13095783.
Рецензия
Для цитирования:
Савин М.А. О способах анализа качества знаний студентов при дистанционном и смешанном форматах обучения. Информатика и образование. 2023;38(6):59-67. https://doi.org/10.32517/0234-0453-2023-38-6-59-67
For citation:
Savin M.A. About the methods of the students competences analysis in distance and blended learning. Informatics and education. 2023;38(6):59-67. (In Russ.) https://doi.org/10.32517/0234-0453-2023-38-6-59-67