Интеллектуальная модель оценки уровня расчетно-алгоритмического компонента вычислительного мышления обучающихся
https://doi.org/10.32517/0234-0453-2022-37-4-71-79
Аннотация
Важность развития вычислительного мышления студентов определяет необходимость создания объективного и валидного способа оценивания его уровня. В связи с этим актуальной является проблема создания универсальной модели диагностики вычислительного мышления на основе математических методов.
Цель статьи — разработка модели диагностики расчетно-алгоритмического компонента вычислительного мышления студентов, обеспечивающей возможность автоматизации оценочных процедур и способствующей построению методик развития этой когнитивной способности обучающихся.
Диагностика уровня расчетно-алгоритмического компонента вычислительного мышления студента включает оценку его предметных знаний, когнитивных способностей, познавательной активности. В связи с этим выделены три диагностических критерия. Содержательный критерий (СК) определяется знаниями, полученными в результате предметного обучения. Операционный критерий (ОК) представляет собой совокупность выделенных мыслительных стратегий, необходимых для решения задач с использованием компьютеров. Критерий познавательной активности (КПА) является когнитивно-психологическим откликом на познавательный процесс, выражающимся в интенсификации учебной деятельности, направленности на активность, самостоятельность, творческий подход к обучению. По каждому критерию следует установить показатели, обеспечивающие их три оценочных уровня: низкий, средний и высокий. Интегрированная оценка уровня расчетно-алгоритмического компонента вычислительного мышления студента определяется совокупностью значений этих трех критериев.
Для принятой диагностической модели разработан метод распознавания уровня вычислительного мышления на основе кластерного анализа. В качестве объекта распознавания выступает обучающийся с информационным вектором (СК, ОК, КПА), веса элементов которого определяются экспертно. Множество студентов с их информационными векторами кластеризуются на три класса: L1 (низкий уровень), L2 (средний уровень), L3 (высокий уровень). Диагностика уровня расчетно-алгоритмического компонента вычислительного мышления конкретного студента заключается в определении его принадлежности к соответствующему классу. Разработанный метод распознавания уровня расчетно-алгоритмического компонента вычислительного мышления студентов был реализован в виде программного продукта. Предложенная оригинальная модель диагностики вычислительного мышления студентов обеспечивает возможность автоматизации оценочных процедур и облегчает процесс интегрированных оценок диагностических характеристик учебного процесса.
Статья представляет интерес для преподавателей и работников учебных управлений университетов, а также способствует развитию теории и практики диагностики образовательных результатов.
Об авторах
И. В. БаженоваРоссия
Баженова Ирина Васильевна, канд. пед. наук, доцент базовой кафедры вычислительных и информационных технологий, Институт математики и фундаментальной информатики
г. Красноярск
М. М. Клунникова
Россия
Клунникова Маргарита Михайловна, канд. пед. наук, доцент базовой кафедры вычислительных и информационных технологий, Институт математики и фундаментальной информатики
г. Красноярск
Н. И. Пак
Россия
Пак Николай Инсебович, доктор пед. наук, профессор, зав. кафедрой информатики и информационных технологий в образовании, Институт математики, физики и информатики
г. Красноярск
Список литературы
1. Долганова О. В., Петрова О. О., Шарохина Е. В. Педагогика: конспект лекций. М.: Эксмо; 2008. 190 с.
2. Баженова И. В., Клунникова М. М., Пак Н. И., Пушкарева Т. П., Хеннер Е. К. Кластер дисциплин как платформа развития вычислительного мышления студентов: монография. Красноярск: СФУ; 2021. 184 с.
3. Wing J. Research notebook: Computational thinking — What and Why? The Link. The Magazine of the Carnegie Mellon University School of Computer Science. Available at: http://www.cs.cmu.edu/link/research-notebook-computational-thinking-what-and-why
4. Lyon J. A., Fennel H. V., Magana A. J. Computational thinking in higher education: A review of the literature. Computer Applications in Engineering Education. 2020;(28):1174–1189. Available at: https://doi.org/10.1002/cae.22295
5. Баженова И. В., Клунникова М. М., Пак Н. И. Школьно-вузовский кластер дисциплин как средство развития расчетно-алгоритмического компонента вычислительного мышления. Информатика и образование. 2021;36(3):42–49. DOI: 10.32517/0234-0453-2021-36-342-49
6. Baird J. A., Andrich D., Hopfenbeck T. N., Stobart G. Assessment and learning: Fields apart? Assessment in Education: Principles, Policy & Practice. 2017;24(3):317–350. DOI: 10.1080/0969594X.2017.1319337
7. Deeley S. J. Using technology to facilitate effective assessment for learning and feedback in higher education. Assessment & Evaluation in Higher Education. 2017;43(3):439– 448. DOI: 10.1080/02602938.2017.1356906
8. Lau A. “Formative good, summative bad?” — A review of the dichotomy in assessment literature. Journal of Further and Higher Education. 2015;40(4):1–17. DOI: 10.1080/0309877X.2014.984600
9. Шмигирилова И. Б., Рванова А. С., Григоренко О. В. Оценивание в образовании: современные тенденции, проблемы и противоречия (обзор научных публикаций). Образование и наука. 2021;23(6):43–83. DOI: 10.17853/19945639-2021-6-43-83
10. Glaser R. Evaluation of instruction and changing educational models. Proceedings of the Symposium on Problems in the Evaluation of Instruction. Los Angeles; 1967. 28 p.
11. Абекова Ж. А., Оралбаев А. Б., Бердалиева М., Избасарова Ж. К. Технология критериального оценивания, методика ее применения в учебном процессе. Международный журнал экспериментального образования. 2016;(2-2):215–218. Режим доступа: https: //expeducation. ru/ru/article/view?id=9559
12. Ступницкая М. Критериальное оценивание. Педагогические измерения. 2015;(1):52–74.
13. Stagg-Taylor J. Cross-course assessment criteria: A study of criteria-based assessment developed for whole program use. ETL Conference; 2004. Available at: http://hdl.handle.net/10072/2893
14. Ibarra-Sáiz M. S., Rodríguez-Gómez G., Boud D. The quality of assessment tasks as a determinant of learning. Assessment & Evaluation in Higher Education. 2021;46(6):943–955. DOI: 10.1080/02602938.2020.1828268
15. Ефремова Н. Ф. Концептуальная модель оценки компетенций студентов. Современные наукоемкие технологии. 2019;(7):169–174. Режим доступа: https: //toptechnologies.ru/ru/article/view?id=37607
16. Bearman M., Dawson P., Bennett S., Hall M., Molloy E., Boud D., Joughin G. How university teachers design assessments: A cross-disciplinary study. Higher Education. 2017;74(1):49–64. DOI: 10.1007/s10734-016-0027-7
17. Fernández-Ruiz J., Panadero E., García-Pérez D. Assessment from a disciplinary approach: Design and implementation in three undergraduate programmes. Assessment in Education: Principles, Policy & Practice. 2021;28(5-6):703– 723. DOI: 10.1080/0969594X.2021.1999210
18. Рубинштейн С. Л. Основы общей психологии. СПб.: Питер; 2010. 720 с.
19. Маркелова О. В. Методика развития познавательной активности студентов техникума в процессе обучения информатике: дис. канд. пед. наук: 13.00.02. Красноярск; 2019. 191 с.
20. Игнатьев Н. А. Кластерный анализ данных и выбор объектов-эталонов в задачах распознавания с учителем. Вычислительные технологии. 2015;20(6):36–45.
Рецензия
Для цитирования:
Баженова И.В., Клунникова М.М., Пак Н.И. Интеллектуальная модель оценки уровня расчетно-алгоритмического компонента вычислительного мышления обучающихся. Информатика и образование. 2022;37(4):71-79. https://doi.org/10.32517/0234-0453-2022-37-4-71-79
For citation:
Bazhenova I.V., Klunnikova M.M., Pak N.I. An intelligent model to assess the level of the computational algorithmic component of students’ computational thinking. Informatics and education. 2022;37(4):71-79. (In Russ.) https://doi.org/10.32517/0234-0453-2022-37-4-71-79