1. НАЗВАНИЕ ДОКЛАДА:
Построение нечеткой модели качества состава СТУДЕНТОВ в среде matlab
Development of fuzzy model of the quality of students in MATLAB
2. АВТОРЫ:
Н. Ю. Ершова, А. И. Назаров
N. Ershova, A. Nazarov
3. ОРГАНИЗАЦИЯ:
Петрозаводский государственный университет
Petrozavodsk State University
4. ГОРОД:
Петрозаводск
Petrozavodsk
5. ТЕЛЕФОН: (+781
6. ФАКС: (+7814
7. E-mail: *****@***ru
8. АННОТАЦИЯ:
Разработана модель оценки качества состава учащихся, позволяющая построить нечеткие правила, учитывающие уровни оценки частных показателей. Показаны возможности этой модели для принятия решений о способах повышения качества образовательного процесса.
A model for assessing the quality of students, allowing you to build fuzzy rules that take into account levels of evaluation of particular indicators is developed. The possibilities of this model to make decisions about how to improve the quality of the educational process are described.
9. КЛЮЧЕВЫЕ СЛОВА:
качество образовательного процесса, качество состава учащихся, нечеткое моделирование
quality of education, quality of students, fuzzy modeling
10. ТЕКСТ ТЕЗИСОВ ДОКЛАДА:
Модернизация современной системы образования, появление новых результатов обучения и разработка Федеральных государственных образовательных стандартов (ФГОС) третьего поколения вызывают потребность во внедрении новых технологий в профессиональную деятельность педагога. Требования к оценке качества реализации основных образовательных программ (ООП) закреплены в ФГОС. Итогом освоения ООП должно стать формирование общекультурных и профессиональных компетенций, определенных в соответствующем стандарте. Оценить качество результата обучения достаточно сложно, поскольку показатели достигнутого результата трудноизмеримы и плохо формализуемы, так как являются нечисловыми. Однако они могут быть описаны переменными естественного языка, например, «высокий уровень владения профессиональным иностранным языком» или «легкость в освоении новых программных продуктов». Таким образом, в данном случае целесообразно использовать один из методов интеллектуального анализа данных – нечеткую логику, а для оценивания результата обучения построить нечеткую модель качества образовательной системы.
В монографии [1] качество образования предлагается определять через качество состава учащихся, учебной деятельности студентов, подготовки учащихся к выполнению профессиональной деятельности, качество преподавания, содержания образования и технологии обучения.
Для моделирования определим входные и выходные параметры образовательной системы. Качество состава учащихся является входным параметром, характеризующим контингент студентов, только начинающих обучение. Представляется важным определить частные показатели данного параметра и, построив первичную (упрощенную) модель качества состава учащихся, сформировать рекомендации преподавателям вуза для обеспечения качества других элементов образовательной системы.
На основе анализа литературных источников [1–4] и собственного опыта определим частные входные показатели качества состава учащихся. К таким показателям могут быть отнесены – осознанность выбора профессии, уровень мотивации, участие вуза в подготовке абитуриентов, информативность сайта вуза, средний бал ЕГЭ и другие. Качество состава поступивших на первый курс студентов, скорее всего, проявится в результатах уже первой сессии. Поэтому в качестве выходного показателя выберем лингвистическую переменную «процент успеваемости» по итогам сессии.
Процесс нечеткого моделирования предполагает анализ результатов нечеткого вывода при разных значениях входных показателей с целью установления адекватности разработанной модели. В нашей модели анализируется влияние входных показателей на образовательную систему и анализируется выходной параметр – процент успеваемости за первую сессию при стандартных условиях обучения в вузе.
Целью промежуточного исследования является моделирование итогов первой сессии при заданных входных параметрах и принятие решений по влиянию на некоторые входные параметры, чтобы повысить выходной. Возможно долговременное влияние на показатель, например, чтобы повысить участие вуза в подготовке абитуриентов, нужно вовлекать преподавателей в организацию профильных факультативов, кружков, готовить учащихся для участия в предметных олимпиадах и т. д. Первоначально выберем показатели, называемые в нечеткой логике лингвистическими переменными, которые можно изменить уже в течение семестра (табл. 1), тем самым, изменив смоделированный выходной параметр – результат сессии (табл. 2), и определим для них содержание термов «низкий», «средний», «высокий». Заметим, что наполнение приведенных таблиц субъективно и, следовательно, должно обязательно согласовываться группой экспертов.
Таблица 1
Содержание уровней оценки входных частных показателей
Частный показатель | Уровни оценки показателей | ||
Низкий | Средний | Высокий | |
Осознанность выбора профессии | Отсутствие выбора (хватило баллов только на эту профессию) | Привлекает материальная обеспеченность профессии | Мечта с детства, целенаправленный выбор, высокая ответственность и заинтересованность в профессии (занятия профессией в кружках, на факультативах и т. п.) |
Уровень мотивации | Советы друзей, родственников, родителей | Стремление к самоутверждению, к повышению своего формального и неформального статуса, побуждение к активности процессом и содержанием деятельности | Стремление получить высокий социальный статус, быть похожим на авторитета в профессии, осознание общественного значения профессии, стремление к саморазвитию, самоусовершенствованию |
Средний балл ЕГЭ | 30–50 | 50–70 | 70–100 |
Таблица 2
Содержание уровня оценки выходного показателя
Выходной показатель | Уровни оценки показателей | ||
Низкий | Средний | Высокий | |
Процент успеваемости по итогам первой сессии | 10–50 | 50–70 | 70–100 |
Определив содержание входных и выходного показателей, поставим в соответствие каждому из них функцию принадлежности, а затем сформулируем нечеткие правила [5]. Выполнение этих действий удобно проводить с помощью специализированного программного обеспечения, например, в среде MATLAB. В интерактивном режиме в MATLAB могут быть использованы графические средства, входящие в состав пакета Fuzzy Logic Toolbox, такие как:
· редактор систем нечеткого вывода FIS,
· редактор функций принадлежности (рис. 1),
· редактор правил системы нечеткого вывода (рис. 2),
· программа просмотра правил системы нечеткого вывода [6].
Рис. 1. Редактор функций принадлежности в среде MATLAB.
Показаны функции принадлежности термов «низкая», «средняя» и «высокая»
для входной переменной «мотивация»
Рис. 2. Редактор правил системы нечеткого вывода в среде MATLAB.
При использовании логической связки «И» достоверность правила определяется минимальной достоверностью операндов, при логической связке "ИЛИ" – максимальной достоверностью операндов
Моделирование показывает, что, если при поступлении абитуриент руководствуется только советами родителей или друзей и в профессии его привлекает лишь высокая заработная плата, даже средний балл ЕГЭ не обеспечивает хорошей успеваемости по итогам сессии. Так при входных параметрах: уровень показателя «ЕГЭ» – СРЕДНИЙ, уровень мотивации – НИЗКИЙ и осознанность выбора профессии – НИЗКАЯ или СРЕДНЯЯ, получаем ожидаемый процент успеваемости – от 28.3% до 49.7 % (рис. 3).
Рис. 3. Проверка адекватности модели
Следовательно, уже в первый месяц обучения необходимо принимать меры для повышения мотивационной составляющей – приглашать успешных студентов, выпускников, больше рассказывать о профессии, использовать стимулирование, балльно-рейтинговую систему (БРС) оценивания результатов обучения и т. д. Здесь большое поле деятельности для кураторов групп, адаптеров и преподавателей.
В дальнейшем модель будет усложняться за счет введения других параметров с целью выявления их влияния на качество системы образования.
Литература
1. , , Трапицын качеством образовательного процесса: Монография. – СПб.: Издательство РГПУ им. , 2001. – 359 с.
2. , , . Некоторые аспекты в формировании качественного образовательного процесса в вузе // Современные проблемы науки и образования. – 2010. – № 2 – С. 101–110. URL: www. *****/36-1585 (дата обращения: 12.05.2013).
3. Вешнева модели в системе управления качеством высшего образования с использованием методов нечеткой логики: Монография. – Саратов: Издательство «Саратовский источник», 2010. – 187 с.
4. Болонский процесс и качество образования. Часть 3. Опыт вузов. – Н. Новгород: Изд-во ННГУ, 2005. – 122 с.
5. Прикладные нечеткие системы: Пер. с япон. / К. Асаи, Д. Ватада, С. Иваи и др.; под редакцией Т. Тэрано, К. Асаи, М. Сугэго. – М.: Мир, 1993. – 368 с.
6. Леоненков моделирование среде MATLAB и fuzzyTECH. – СПб.: БХВ Петербург, 2005. – 736 с.
Работа выполнена при поддержке Программы стратегического развития Петрозаводского государственного университета на 2012–2016 годы.
