Концепция адаптивного тренажера и оценка его эффективности в математическом обучении

134

Аннотация

Представлена математическая модель самообучающегося адаптивного тренажера. Применяемый подход является альтернативой адаптивным технологиям, основанным на современной теории тестирования (англ. Item Response Theory). Его особенностями являются учёт временной динамики адаптивной процедуры обучения и меньшее количество заданий, которые следует выполнить для обеспечения намеченного результата. Для оценки эффективности данной концепции использовалась веб-реализация тренажера, предназначенная для обучения решению математических задач в рамках школьной программы. Проведенный анализ выявил высокую эффективность и статистически значимое влияние фактора адаптивного обучения на результаты выполнения контрольного теста.

Общая информация

Ключевые слова: адаптивное обучение, марковские процессы, адаптивный тренажер, самообучающиеся системы

Рубрика издания: Анализ данных

Тип материала: научная статья

DOI: https://doi.org/10.17759/mda.2021110401

Финансирование. Работа выполнена в рамках Государственного задания «Разработка и практическая реализация модели адаптивного обучения на основе идентифицируемых марковских процессов» Министерства просвещения Российской Федерации № 073– 00041–21–10 от 10.12.2021 г.

Для цитаты: Куравский Л.С., Поминов Д.А., Юрьев Г.А., Юрьева Н.Е., Сафронова М.А., Куланин Е.Д., Антипова С.Н. Концепция адаптивного тренажера и оценка его эффективности в математическом обучении // Моделирование и анализ данных. 2021. Том 11. № 4. С. 5–20. DOI: 10.17759/mda.2021110401

Литература

  1. Baker F.B. The Basics of Item Response Theory. – ERIC Clearinghouse on Assessment and Evaluation, University of Maryland, College Park, MD. 2001.
  2. Connect with Students and Parents in Your Paperless Classroom. URL: https://www. edmodo.com.
  3. Kats, Y. Learning Management Systems and Instructional Design: Best Practices in Online Education. – IGI Global. 2013. – ISBN 9781466639317
  4. Куравский Л.С., Марголис А.А., Мармалюк П.А., Панфилова А.С., Юрьев Г.А. Математические аспекты концепции адаптивного тренажера // Психологическая наука и образование. 2016. Том 21. № 2. С. 84–95. doi:10.17759/pse.2016210210
  5. Kuravsky L.S., Marmalyuk P.A., Yuryev G.A. and Dumin P.N. A Numerical Technique for the Identification of Discrete-State Continuous-Time Markov Models // Applied Mathematical Sciences. Vol. 9, 2015, No. 8, pp. 379–391. URL: http://dx.doi.org/10.12988/ams. 2015.410882.
  6. Kuravsky L.S., Marmalyuk P.A., Yuryev G.A., Dumin P.N. and Panfilova A.S. Probabilistic Modeling of a Testing Procedure // Applied Mathematical Sciences. Vol. 9, 2015, No. 82, pp. 4053–4066. URL: http://dx.doi.org/10.12988/ams.2015.53234.
  7. Kuravsky L.S., Artemenkov S.L., Yuryev G.A., Grigorenko E.L. A new approach to computerized adaptive testing. – Experimental Psychology, 2017, Vol. 10, No 3, pp. 33–45, http://dx.doi. org/10.17759/exppsy.2017100303.
  8. Куравский Л.С., Марголис А.А., Мармалюк П.А., Юрьев Г.А., Думин П.Н. Обучаемые марковские модели в задачах оптимизации порядка предъявления психологических тестов // Нейрокомпьютеры: разработка, применение. 2013. №4. С.28–38.
  9. Kuravsky L.S., Yuriev G.A. Probabilistic method of filtration artifacts in adaptive testing. – Experimental Psychology, Vol.5, No.1, 2012, p. 119–131 (in Russian).
  10. Куравский Л.С., Юрьев Г.А. Использование марковских моделей при обработке результатов тестирования // Вопросы психологии. 2011 №2. С. 98-107/
  11. Kuravsky L.S., Marmalyuk P.A., Yuryev G.A., Belyaeva O.B. and Prokopieva O.Yu. Mathematical Foundations of Flight Crew Diagnostics Based on Videooculography Data. – Applied Mathematical Sciences, 2016, Vol. 10, No. 30, pp. 1449–1466, http://dx.doi.org/10.12988/ams.2016.6122.
  12. Марковские модели в задачах диагностики и прогнозирования: Учеб. пособие. / Под ред. Л.С. Куравского. – 2-е изд., доп. – М.: Изд-во МГППУ, 2017. – 203 с.: ил. – ISBN 978–5– 94051–168–7.
  13. Moodle Open-Source Learning Platform// Moodle Pty Ltd. URL:https://moodle.org.
  14. Rasch, G. Probabilistic Models for Some Intelligence and Attainment Tests // Copenhagen, Danish Institute for Educational Research, Expanded Edition (1980). Chicago: The University of Chicago Press. 1960/1980.
  15. Wright B.D., Masters G.N. Rating Scale Analysis. Rasch Measurements // Chicago: MESA Press. 206 pp.
  16. Pominov D.A., Kuravsky L.S., Dumin P.N., Yuriev G.A. Adaptive trainer for preparing students for mathematical exams. – International Journal of Advanced Research in Engineering and Technology, 2020, Vol. 11, No 11, pp. 260–268, doi 10.34218/IJARET.11.11.2020.022.
  17. Поминов Д.А. Самообучающийся адаптивный тренажер для подготовки абитуриентов к экзаменам по математике // Нейрокомпьютеры: разработка, применение. 2021. Т. 23. № 2. С. 35–42. – DOI 10.18127/j19998554-202102-04
  18. Поминов Д.А. Модель процесса адаптивного обучения и его программная реализация // Моделирование и анализ данных. 2020. Том 10. № 3. С. 39–52.
  19. Margolis A.A., Safronova M.A., Khaperskaya A.U. The view from Russia: Overcoming students’ learning challenges. Research Intelligence, 2021, issue, pp. 30–31, https://www.bera.ac.uk/publication/autumn-2021.

Информация об авторах

Куравский Лев Семенович, доктор технических наук, профессор, декан факультета информационных технологий, Московский государственный психолого-педагогический университет (ФГБОУ ВО МГППУ), Москва, Россия, ORCID: https://orcid.org/0000-0002-3375-8446, e-mail: l.s.kuravsky@gmail.com

Поминов Денис Александрович, младший научный сотрудник, факультет информационных технологий, Московский государственный психолого-педагогический университет (ФГБОУ ВО МГППУ), Москва, Россия, ORCID: https://orcid.org/0000-0002-1321-3713, e-mail: pominovda@mgppu.ru

Юрьев Григорий Александрович, кандидат физико-математических наук, доцент, заведующий кафедрой, "Прикладная информатика и мультимедийные технологии" факультета "Информационные технологии", ведущий научный сотрудник молодежной лаборатории информационных технологий для психологической диагностики, Московский государственный психолого-педагогический университет (ФГБОУ ВО МГППУ), Москва, Россия, ORCID: https://orcid.org/0000-0002-2960-6562, e-mail: g.a.yuryev@gmail.com

Юрьева Наталия Евгеньевна, кандидат технических наук, заведующая молодежной лабораторией информационных технологий для психологической диагностики, научный сотрудник центра информационных технологий для психологических исследований факультета информационных технологийнаучный сотрудник, центр информационных технологий для психологических исследований факультета информационных технологий, Московский государственный психолого-педагогический университет (ФГБОУ ВО МГППУ), Москва, Россия, ORCID: https://orcid.org/0000-0003-1419-876X, e-mail: yurieva.ne@gmail.com

Сафронова Мария Александровна, кандидат психологических наук, декан факультета "Психология образования", Московский государственный психолого-педагогический университет (ФГБОУ ВО МГППУ), научный сотрудник лаборатории теоретических и экспериментальных проблем культурно-исторической психологии, Москва, Россия, ORCID: https://orcid.org/0000-0002-3597-6375, e-mail: mariasaf@gmail.com

Куланин Евгений Дмитриевич, кандидат физико-математических наук, профессор, Московский государственный психолого-педагогический университет (ФГБОУ ВО МГППУ), Москва, Россия, ORCID: https://orcid.org/0000-0001-6093-7012, e-mail: lucas03@mail.ru

Антипова Светлана Николаевна, заместитель декана по внеучебной работе факультета информационных технологий, Московский государственный психолого-педагогический университет (ФГБОУ ВО МГППУ), Москва, Россия, ORCID: https://orcid.org/0000-0001-6642-7953, e-mail: antipovasn@mgppu.ru

Метрики

Просмотров

Всего: 899
В прошлом месяце: 15
В текущем месяце: 3

Скачиваний

Всего: 134
В прошлом месяце: 1
В текущем месяце: 0