4.4.1. Организация контроля знаний

При контроле ЗУН в соответствии с целями и задачами конкретного вида контроля обучаемому предъявляется несколько заданий из исходного массива (массивов) заданий – серия. Методы формирования такой серии определяют стратегию (алгоритм, сценарий) контроля. Существуют несколько основных типов стратегий контроля.

Методы организации контроля знаний можно разделить на три класса:

неадаптивные методы;

частично адаптивные методы;

полностью адаптивные методы.

Неадаптивные методы

Последовательная выборка

Наиболее простой алгоритм контроля – последовательная выборка. При этом размеры исходного массива и контрольной серии одинаковы и задания выполняются в последовательности, определенной автором. Последовательная выборка используется, в основном, при самоконтроле. Хотя при этом все обучаемые выполняют одни и те же задания, при самоконтроле это не имеет принципиального значения, т.к. он проходит обычно при самостоятельных занятиях. За счет продуманной последовательности заданий автор может обратить внимание обучаемых на наиболее важные аспекты изучаемой темы. Требования к подбору заданий в последовательную выборку определяются целями контроля.

Основной недостаток последовательной выборки – то, что все обучаемые получают одни и те же задания, что не приемлемо при контроле знаний. Для этого служат сценарии случайной выборки заданий.

Случайная выборка – это выбор случайным образом m неповторяющихся заданий из исходного массива в n заданий. Каждый обучаемый в группе получает свою последовательность заданий. Однако это происходит только при большом отношении n / m . Так, например, при независимой выборке 10 заданий из исходного массива в 100 заданий, вероятность того, что в группе из двух человек они получат хотя бы одно одинаковое задание, близка к 1. Под независимой выборкой понимается, что выбор заданий конкретного обучаемого не зависит от того, какие задания получают другие обучаемые.

Не трудно подсчитать, что при 10 заданиях для каждого из 12 обучаемых (обычное количество рабочих мест в компьютерном классе) исходный массив должен содержать более 86 тысяч заданий! Расчет сделан при сохранении условия, что вероятность получения хотя бы одного одинакового задания у разных обучаемых не превышает 0.08. Создать исходный массив такого размера практически не реально. Поэтому, при проведении контроля в компьютерном классе, необходимо применение более сложных систем контроля. Сетевая система случайной выборки из общего для всего класса массива с вычеркиванием позволяет организовать серию из неповторяющихся заданий для приведенного выше примера при размере исходного массива всего 120 заданий (количество заданий в серии, умноженное на количество обучаемых).

Стратегия случайной выборки хорошо работает на одном массиве при соблюдении правил подбора, описанных выше (одна тема, один уровень трудности). Однако цели контроля часто требуют наличия нескольких исходных массивов заданий – разные темы, уровни знаний и т.п.

Иерархические (многоуровневые) выборки. Наиболее распространенным сценарием иерархической выборки является «билетная» выборка. Контрольные задания распределены в некоторое множество массивов билетов. Каждый билет может включать задания по разным уровням трудности, разным темам. Сначала производится случайная выборка массива (билета), а затем последовательная выборка заданий из выбранного билета. В данном случае мы можем считать, что имеется двумерный массив заданий (номер билета, номер задания). Массивы могут быть и больших измерений – например, тема, трудность заданий, номер задания. Фактически иерархическая выборка означает применение сценария последовательной или случайной выборки на разных уровнях. Можно использовать разнообразные сценарии, лишь бы они соответствовали целям контроля.

Частично адаптивные алгоритмы учитывают некоторые характеристики учащегося и предназначены, в основном, для сокращения времени контроля. Вы можете указать максимальное количество или (и) максимальную сумму штрафных очков, при наборе которых контрольная серия будет прервана и принято решение о неудовлетворительной оценке знаний.

Например, Вы считаете, что при семи неправильных ответах в серии из 15 заданий знания учащегося неудовлетворительны, контроль можно прекратить и не терять время на решения оставшихся заданий. Точно так же при безошибочном выполнении заданий контрольной серии можно досрочно прервать контроль и выставить положительную отметку.

Можно построить алгоритм адаптации, например, к уровню знаний.

Рассмотрим следующую ситуацию. Контрольные задания распределены в три группы – «на тройку», «на четверку» и «на пятерку». Сначала задается серия вопросов средней группы. При положительном результате переходят к вопросам «на пятерку», при отрицательном – «на тройку». Результаты контроля на этом уровне позволяют однозначно выставить обучаемому адекватную отметку.

Очень условно к адаптивным сценариям можно отнести прерывание контроля в случае превышения назначенного общего времени контроля. Решение о результатах можно вычислять либо по результатам выполненных заданий, либо засчитать все невыполненные задания как неправильно решенные.

Адаптивные алгоритмы

Адаптивные алгоритмы учитывают множество параметров модели студента и/или учебного материала. Адаптивные методы максимально используют данные из модели студента (например, уровень подготовленности студента, уровень беспокойства-тревоги, правильность ответа и др.) и/или модели учебного материала (например, взаимосвязи между проверяемыми понятиями) и позволяют организовать контроль индивидуально для каждого студента, поддерживая, например, оптимальный для студента уровень трудности выдаваемых контрольных заданий или формируя индивидуальные стратегии контроля по отдельной теме, разделу или курсу в целом.