Кластерный анализ данных балльно-рейтинговой системы (на примере дисциплины «Математика»)

Автор: Вайндорф-Сысоева Марина Ефимовна, Фаткуллин Николай Юрьевич, Шамшович Валентина Федоровна

Журнал: Вестник Южно-Уральского государственного университета. Серия: Образование. Педагогические науки @vestnik-susu-ped

Рубрика: Теория и методика профессионального образования

Статья в выпуске: 2 т.8, 2016 года.

Бесплатный доступ

Балльно-рейтинговая система - широко распространенный и достаточно эффективный инструмент оценки знаний обучающихся. В то же время анализ массива данных рейтинга весьма трудоемок в силу их объема. Обработка данных стандартными статистическими методами зачастую приводит к выведению усредненных показателей, что не отвечает концепции индивидуального подхода к обучающимся. Особую актуальность приобретает реализация индивидуального подхода в виде дифференциации по степени мотивации множества (кластера) обучающихся с низкой успеваемостью, особенно на младших курсах, при сложной демографической ситуации, обусловливающей проблемность набора и необходимость сохранения контингента обучающихся. В данной работе ставится задача внутренней дифференциации обучающихся в выявленных множествах (подгруппах) исходной учебной группы по степени успешности (величине рейтингового балла) методами кластерного анализа. В исследовании выдвигается гипотеза: данные балльно-рейтинговой системы в динамике своего формирования несут скрытую информацию о наличии (или отсутствии) тенденций по трансформации кластеров обучающихся. Выявление таких тенденций позволит в дальнейшем определить степень стабильности подобных кластеров, как характеристики мотивированности обучающихся и степени успешности проводимого процесса обучения. По результатам проведенного кластерного анализа установлено: при сохранении четкой кластеризации на «успешных» и «малоуспешных» обучающихся скрыто присутствует достаточно стабильный кластер «перехода», трудно выявляемый стандартными статистическими методами анализа; кластер «малоуспешных» обучающихся в свою очередь обладает собственной структурой кластеров, аналогичной структуре кластеров полной исходной учебной группы. С точки зрения теории педагогики данный факт служит подтверждением выдвинутой гипотезы о наличии динамики в формально сформировавшихся кластерах и выявлении потенциала для увеличения контингента «успешных» обучающихся. С практической точки зрения, именно выявленный состав кластера «перехода» - первоочередной контингент обучающихся для работы преподавателей по переводу их на следующую ступень успешности обучения.

Еще

Балльно-рейтинговая система, рейтинговый балл, кластерный анализ, кластеры, тенденции, дифференциация обучающихся

Короткий адрес: https://sciup.org/147157804

IDR: 147157804   |   DOI: 10.14529/ped160209

Список литературы Кластерный анализ данных балльно-рейтинговой системы (на примере дисциплины «Математика»)

  • Вайндорф-Сысоева, М.Е. Дифференциация студентов по признаку изменения рейтинговых достижений на основе анализа трендов прогнозных данных/М.Е. Вайндорф-Сысоева, Н.Ю. Фаткуллин, В.Ф. Шамшович//Вестник ЮУрГУ. Серия «Образование. Педагогические науки». -2014. -Т. 6, № 2. -С. 74-83.
  • Вайндорф-Сысоева, М.Е. Проверка педагогической гипотезы о повышении рейтинговых характеристик студентов при введении в учебный процесс консультационных занятий в дистанционном формате/М.Е. Вайндорф-Сысоева, Н.Ю. Фаткуллин, В.Ф. Шамшович//Вестник ЮУрГУ. Серия «Образование. Педагогические науки». -2014. -Т. 6, № 3. -С. 82-88.
  • Гмурман, В.Е. Теория вероятностей и математическая статистика/В.Е. Гмурман. -М.: Юрайт, 2012. -480 с.
  • Григорьева, Т.В. Психолого-педагогический анализ состояния готовности студентов-первокурсников к учебно-познавательной деятельности в техническом вузе/Т.В. Григорьева, Г.М. Мифтахова//Вестник МГОУ. Серия «Педагогика». -2009. -№ 4. -С. 74-79.
  • Доронин, А.М. Кластерный анализ в структуре информатизации дидактического процесса//Успехи современного естествознания/А.М. Доронин, Д.А. Романов, М.Л. Романова. -2010. -№ 9. -С. 157-159. -http://www.natural-sciences.ru/ru/article/view? id=8855 (дата обращения: 01.02.2016).
  • Дроздова, С.О. Применение кластерного анализа для оценки качества образования университета Дубна/С.О. Дроздова, Е.А. Пахомова//Устойчивое развитие: наука и практика: междунар. электрон. журн. -2014. -Вып. 1 (12). -С. 15. -http://www. yrazvitie.ru/wp-content/uploads/2014/06/15-Pakhomova.pdf (дата обращения: 01.02.2016).
  • Дьячук, А.А. Математические методы в психологических и педагогических исследованиях: учеб. пособие/А.А. Дьячук. -Красноярск: Изд-во Краснояр. гос. пед. ун-т им. В.П. Астафьева, 2013. -347 с.
  • Сакович, С.М. Роль информационных и коммуникационных технологий в обеспечении качества и доступности высшего образования/С.М. Сакович//Вестник МГОУ. Серия «Педагогика». -2010. -№ 3. -С. 40-45.
  • Солдатенков, Р.М. Математическая подготовка студентов высших учебных заведений и направления её преобразования/Р.М. Солдатенков//Вестник МГОУ. Серия «Педагогика». -2010. -№ 1. -С. 136-141.
  • Фаткуллин, Н.Ю. Балльно-рейтинговая система оценки знаний студентов по математике с использованием информационно-коммуникационных технологий в ГОУ ВПО «Уфимский государственный нефтяной технический университет»/Н.Ю. Фаткуллин, В.Ф. Шамшович, Р.Н. Бахтизин//Материалы четвертой международной конференции по вопросам обучения с применением технологий e-learning «Moscoweducationonline 2010». -М.: ООО «Globalconferances», 2010. -С. 62-64.
  • Фаткуллин, Н.Ю. Практическая реализация методов дистанционного обучения на основе информационно-коммуникационных технологий при балльно-рейтинговой системе оценке знаний студентов/Н.Ю. Фаткуллин, В.Ф. Шамшович, Р.Н. Бахтизин//Тез. докл. науч.-метод. семинара «Дистанционные технологии в учебном процессе», Иркутск, 28-29 апреля 2010 г. -Иркутск: Изд-во ИГТУ, 2010. -С. 46-47.
  • Халафян, А.А. STATISTICA 6. Статистический анализ данных: учеб. -Изд. 2-е. -М.: Бином, 2009. -528 с.
  • Шамшович, В.Ф. Внедрение балльно-рейтинговой системы оценки знаний студентов с использованием информационно-коммуникационных технологий и поведение процедур мониторинга и прогнозирования оценки успеваемости студентов по математике методами нейросетевых технологий/Н.Ю. Фаткуллин, В.Ф. Шамшович, Р.Н. Бахтизин//Материалы второй всероссийской научно-практической конференции (Казань, 16-22 апреля 2010 года) «Электронная Казань 2010». -Казань: ЮНИВЕРСУМ, 2010. -С. 255-258.
  • Xu R., Wunsch Ii D.C. Clustering. -New York: Wiley and Sons, 2009.
  • Zhao Y., Karypis G., Fayyad U. Hierarchical clustering algorithms for document datasets//Data mining and knowledge discovery. -2005. -№ 10 (2). -С. 141-168.
Еще
Статья научная