Автоматизированные информационные системы в образовании как инструмент человеко-машинного взаимодействия: история и перспективы

Марина Владимировна Тумбинская

Стремление учебных заведений России использовать информационные технологии в обучении обусловлено социальными, педагогическими и технологическими причинами. Современное информационное общество характеризуется присутствием на рынке образовательных услуг множества заказчиков. Изменения в экономике влияют на формирование нового социального заказа по качеству подготовки специалистов. Новая экономика и новый подход к человеческим ресурсам требуют адаптации человека к постоянно изменяемым условиям. Электронное обучение способно обеспечить качественную подготовку востребованных и конкурентоспособных специалистов, качественное унифицированное образование.

Поиск путей повышения качества подготовки специалистов, их профессиональной компетентности обуславливают необходимость пересмотра содержания и методологий обучающего процесса, модернизации методов и технологий обучения, внедрения современных информационных технологий в сфере обучения, создания современных алгоритмов человеко-машинного взаимодействия, единого образовательного пространства.

В настоящее время современное обучение выходит на качественно новый уровень – решаются проблемы массового использования автоматизированных информационных систем в учебном процессе, повышения качества обучения. Проблему массовости можно решить путем создания и использования унифицированных инструментальных средств разработки автоматизированных информационных систем обучения. Средство может представлять собой единичный программный продукт, среду разработки автоматизированных информационных систем обучения, платформу, которые позволяют осуществлять человеко-машинное взаимодействие, электронное обучение.

Повышение качества обучения является приоритетным направлением развития системы образования России. Повышение качества обучения можно достичь за счет управления объектом обучения [1] в учебном процессе и адаптации обучающего процесса к возможностям объекта обучения. Управление объектом обучения зависит от его индивидуальных особенностей, знаний, способностей к самостоятельному обучению и характеризуется гибкостью сценариев, выработкой управляющих воздействий, активной обратной связью. Реализация управления объектом обучения предполагает разработку моделей интерактивности, алгоритмов поддержки принятия решений при управлении процессами обучения и тестирования, которые в совокупности отражают классические принципы управления.

Управление процессом обучения предполагает человеко-машинное взаимодействие преподавателя и объекта обучения в автоматизированных информационных системах обучения.

История развития автоматизированных информационных систем обучения

Весь период развития автоматизированных информационных систем обучения можно разбить на пять этапов (табл. 1.1), каждый из которых характеризуется, по сравнению с предыдущим, возрастанием возможностей управления обучающим процессом и программных средств.

Точкой отсчета теоретического развития образовательных ресурсов можно считать 50-е года XX века, в период которых профессором Б. Скиннером была предложена идея программированного обучения (1954 год). Автоматизация программированного обучения началась с использования обучающих и контролирующих устройств различного типа, в основу которых были заложены простейшие методы контроля (в основном выборочного типа). Они достаточно широко применялись в 60–70-е годы, но из-за ограниченных возможностей не обеспечивали достаточной эффективности и адекватности результатов контроля реальному уровню знаний объекта обучения. В этот период было разработано большое количество специализированных пакетов, ориентированных на создание и сопровождение прикладных обучающих программ – автоматизированных учебных курсов на базе ЭВМ третьего поколения. В России одним из самых известных проектов использования вычислительной техники и средств коммуникации в обучении был проект PLATO, а также автоматизированные обучающие системы АОС-ВУЗ, АОС-СПОК, АСТРА, САДКО и др.

Идеи Б. Скиннера получили дальнейшее развитие в работах А. Краудера, который вместо жесткой линейной схемы предложил разветвленный подход, в основу которого заложен алгоритм предъявления учебного материала, который зависит от результатов контроля, то есть ответов обучаемого. В структуру обучающих систем вводится обратная связь, с помощью которой можно управлять процессом обучения. Кроме обратной связи подход А. Краудера отражает адаптивность, которая выражается тем, что обучаемые имеют возможность двигаться по индивидуальным траекториям при повторении учебного материала.

При построении автоматизированных информационных систем обучения используется модель обучения, которая основана на принципах теории управления. Отношения в системе рассматриваются как отношения между объектом управления и управляющим устройством, что позволяет использовать методы теории управления. Этот подход был предложен Л.А. Растригиным, который рассматривает обучение как процесс управления системой, в котором обучаемый является объектом управления, а обучающая система – источником управления. Модель обучения неразрывно связана с «моделью обучаемого». В работах Л.А. Растригина, М.Х. Эренштейна предложено учитывать в модели обучаемого индивидуальные параметры объекта обучения в процессах запоминания и забывания учебного материала.

В середине 1980-х годов (второй этап) возникло новое направление в компьютеризации обучения – интеллектуальные обучающие системы, основанные на работах в области искусственного интеллекта, реализующие рациональные стратегии обучения. В таких системах процесс управления обучением рассматривается как процесс принятия решений, в котором выбор сценария обучения зависит от предыстории обучения, хранимой в виде модели обучаемого. Выбор одного из путей продолжения обучения не определяется до конца работы обучающей программы – задается лишь направление движения на очередной шаг. На следующем шаге процесс принятия решения повторяется с учетом новой информации, полученной в системе управления обучением.

В начале 90-х годов (третий этап) с развитием мультимедийных технологий появились программы имитаторы, лабораторные практикумы, заменяющие реальные лабораторные установки, так называемые, виртуальные лаборатории. Появились диалоговые системы. В этот период наибольшее распространение получили следующие программные средства зарубежного (Private Tutor, LinkWay, Costoc и др.) и отечественного производства (АДОНИС, АСОК, и др.). Такие системы собирали большой объем информации об обучаемом, что позволяло в определенных пределах изменять алгоритмы управления обучением и осуществлять индивидуализированное обучение.

Таблица 1.1. Этапы развития автоматизированных информационных систем обучения

этап	период	характеристики автоматизированных информационных систем обучения
		структура	функции систем	сфера применения	возможности управления	реализация
1 этап	1965–1980 гг.	линейная, жесткая	обучение, контроль знаний;	обучение гуманитарным дисциплинам, в частности лингвистики; иностранным языкам	одна траектория обучения и оценивания знаний	программирование на алгоритмических языках
2 этап	Начало 1980 гг.	разветвленная, модульная, наличие обратной связи	тренаж, решение практических задач	самообучение; традиционное обучение	несколько траекторий обучения и оценивания знаний, обратная связь, модель обучения, адаптивность	программирование с использованием пакетов программ для создания обучающих систем
3 этап	Начало 1990 гг.	разветвленная, модульная, наличие обратной связи	игровое обучение; лабораторные практикумы	системы контроля знаний на основе тестовых технологий; использование для	использование модели обучаемого, преподавателя, появление диалоговых систем и	создание обучающих систем с помощью интегрированных средств, с использованием
4 этап	Конец 1990 – начало 2000 гг.	распределенная сетевая	удаленное обучение и контроль; видеоконференции, электронные форумы, виртуальные лаборатории	сетевое дистанционное обучение, повышение квалификации персонала в корпоративных структурах	интерактивные сценарии обучения, тестирования, гибкие решения	создание обучающих систем на основе специальных продуктов – редакторов гипертекста, программирование на языках высокого уровня с применением функциональных библиотек
5 этап	2000 – 2010 гг.	сетевая на основе Web 2.0	мониторинг успеваемости, качества обучения, накопление данных о результатах процесса обучения		технологии eLearning	создание на основе обучающих порталов

В конце 1990-х – начале 2000-х годов (четвертый этап) появились системы сетевого обучения в режиме online, системы тестирования, видеоконференции, форумы. Появилась сетевая технология дистанционного обучения, функционирование которой осуществляется с помощью Интернет-технологий. На данном этапе получили распространение следующие системы: Macromedia Authorware, CourseBuilder, Everest, HyperStudio, NeoBook Professional, Seminar Author, Дельфин, Дизайнер курсов, STRATUM, Opus Max Producer, Dazzler Deluxe и др. Системы-представители этого периода создавались либо при помощи специальных программных продуктов – редакторов гипертекста (FrontPage, DreamWeaver), либо с помощью языков программирования высокого уровня с применением различных функциональных библиотек.

Пятый этап (конец 2000-го – начало 2010 года) характеризуется бурным развитием глобальной сети Интернет, появлением и использованием технологий e-Learning, Web 2.0. В связи с этим, появляются системы обучения, тестирования, контроля, управления процессами обучения, оценивания приобретенных знаний и компетенций, качества обучения. Появляются виртуальные классы, кафедры, университеты, образовательные порталы, создаются инструментальные среды и платформы для создания обучающих систем и организации электронного обучения. Яркими представителями данного этапа являются системы: Learning Space, CyberProf, IBM LMS, InterBook, AHA!, KBS Hyperbook, Web Tutor, Тор Class, Web CT, «Виртуальный университет», ОРОКС, КОБРА, ПРОМЕТЕЙ, ДОЦЕНТ, Батисфера, eLearning Server 3000 и др. К началу 2014 года создано огромное количество электронных и информационно-образовательных ресурсов – электронных учебников, пособий, справочников, энциклопедий, интеллектуальных обучающих систем, интерактивных обучающих систем, систем автоматизированного тестирования, электронного деканата, электронного университета, образовательных порталов и т.д.

Рассмотренные существующие подходы к управлению электронным обучением не позволяют реализовать качественное управление личностно-ориентированным обучением, которое характеризуется гибкими алгоритмами управления процессами обучения и оценивания знаний и основано на результатах детального оценивания знаний объекта обучения. Результат сравнительного анализа наиболее известных зарубежных и отечественных инструментальных средств создания автоматизированных информационных систем обучения и их функциональных возможностей представлен в таблице 1.2 (обозначения: знак «+» означает, что данная функция присутствует, знак «-»– отсутствует, знак «~ -» – функция реализована на уровне ниже среднего, знак «*» – отсутствие информации по соответствующей функции).

Перспективы развития автоматизированных информационных систем обучения

В России начало 21 века характеризуется серьезными социально-экономическими изменениями и модификациями, среди которых, реформы высшего образования, призванные вывести систему подготовки специалистов на качественно новый уровень. Суть преобразований состоит в переходе с 2011 года Российской школы высшего профессионального образования (ВПО) на уровневую структуру образовательных программ подготовки бакалавров, магистров и специалистов в рамках Федеральных государственных образовательных стандартов третьего поколения (ФГОС) [6], главным принципом которых является компетентностный подход. Достоинство применения компетентностного подхода в системе ВПО заключается в моделировании процесса обучения, ориентируясь на конкретные запросы реального сектора экономики и получении более адекватных результатов обучения, выраженных на языке компетенций.

Таблица 1.2

Сравнительный анализ инструментальных средств создания автоматизированных информационных систем обучения и их возможностей

Название инструментального средства	функциональные возможности
	аудит пользователя	модификация структуры системы	управление процессом тестирования	адаптивность (гибкость алгоритма управления процессом обучения)	имитация работы с приложениями, оборудованием	мультимедийность	интерактивность (обратная связь)	поддержка русифицированного интерфейса
Top Class	-	-	-	~ +	*	-	*	-
Learning Space	+	-	~ +	+	+	*	*	+
Web CT	+	*	~ +	+	*	*	*	*
InterBook	+	*	-	+	*	*	*	*
KBS Hyperbook	+	*	-	+	*	*	*	*
Moodle	+	-	+	*	*	*	+	+
BlackBoard	+	+	~ +	~ +	*	+	+	-
Cours Lab	+	+	-	+	+	+	+	*
AHA!	+	*	-	+	*	*	*	*
ОРОКС	+	*	-	-	*	*	+	+
Прометей	+	*	-	-	-	+	+	+
ДОЦЕНТ	+	+	-	~ +	*	*	*	+
eLerning Server	+	+	~ +	+	*	+	+	+
КОБРА	+	+	-	*	*	*	*	+

Стоит отметить, что современные работодатели – представители реального сектора экономики, в качестве основных заказчиков услуг труда, активно принимают участие в формировании перечня необходимых компетенций и заинтересованы в квалифицированном, компетентном и конкурентоспособном персонале. Например, опрос руководителей предприятий авиационной и космической промышленности показал, что 80% респондентов считают: «Выпускники вузов для авиационной и космической отрасли должны на 70% обладать специальными компетенциями, они должны придти на предприятие с “полным багажом” знаний и не тратить время для подготовки и переподготовки».

Совокупность компетенций обучаемого характеризует уровень его компетентности. Высокий уровень компетентности выпускника вуза зависит от качества процесса обучения.

Процессы глобализации информационного пространства, внедрение современных информационных технологий в сферу образования изменяют подходы к решению традиционных вопросов повышения качества образования. В последнее десятилетие остро стоит проблема создания единого образовательного пространства. Единое образовательное пространство – это единые электронные образовательные ресурсы, интегрируемые обучающие платформы, автоматизированные системы, общие технологии обучения и управления процессом обучения в вузе, позволяющие выполнять стыковку с мировым образовательным процессом, осуществлять обмен электронными ресурсами.

В настоящее время обилие программного обеспечения для реализации электронного обучения не решает сформулированную проблему. Общим недостатком таких систем является их узкая направленность на решение отдельных задач процесса обучения и разрозненные структуры информационных ресурсов. С другой стороны существует адаптивное программное обеспечение, которое позволяет управлять процессом обучения, но является сложным для пользователя и соответственно менее востребованным. Это вызвано отсутствием моделей обучающих систем, гибких алгоритмов обучения, методов оценивания знаний и выявления компетенций, интерактивных моделей, методов качественного оценивания знаний и выявления компетенций, алгоритмов поддержки принятия решений, позволяющих управлять объектом обучения.

В статье предлагается модель управления в автоматизированной информационной системе обучения, алгоритмы для оценивания знаний и выявления компетенций, алгоритмы подготовки качественного тестового материала для достоверного оценивания компетенций с использованием современных информационных технологий, позволяющие повысить качество процесса обучения и соответственно уровень компетентности обучаемого.

Анализ автоматизированных информационных систем обучения показал [3], что в настоящее время существуют универсальные средства, которые позволяют создавать многофункциональные качественные обучающие системы, однако для массового их использования должны быть разработаны:

• универсальные технологии создания и проектирования автоматизированных информационных систем обучения,
• обобщенные модели интерактивной автоматизированной информационной системы обучения и ее подсистем,
• модели выявления компетенций,
• алгоритмы принятия решений и управления процессом обучения,
• модели адаптации обучающего процесса к возможностям объекта обучения. Современные автоматизированные информационные системы обучения характеризуются:
• заданным сценарием учебных и тестовых материалов, рассчитанным на «среднего» обучаемого,
• жесткой последовательностью действий с пассивной обратной связью алгоритмов управления процессом обучения,
• отсутствием модуля подготовки тестовых материалов,
• оцениванием знаний на основе тестовых технологий по принципу сравнения с эталоном,
• вопросы выявления компетенций, определения компетентности объекта обучения не рассматриваются,
• отсутствием модуля поддержки принятия управленческих решений,
• вопросы исследования личностных характеристик объекта обучения не затрагиваются.

Анализ показал, что существующие автоматизированные информационные системы обучения не являются полнофункциональными и не позволяют всесторонне управлять процессом обучения на базе современных информационных технологий.

Для повышения качества процесса обучения предлагается конечно-автоматная модель управления в автоматизированной информационной системе обучения, в которой используется продукционная модель представления знаний в модели базы знаний. При анализе тестового материала принимаются решения о корректности или некорректности тестовых заданий на основе решающих правил. В процессе анализа тестовых заданий с помощью модуля логического вывода осуществляется поиск решения.

Основное преимущество предложенной модели управления заключается в интерактивном управлении. Гибкость системы, отклик на различные отклонения от типового сценария обучения, тестирования должен выражаться в реакциях системы в качестве управляющих воздействий. Конечно-автоматная модель управления в автоматизированной информационной системе обучения по результатам выявления компетенций формирует управляющие воздействия: ⟨F = A, X, Y, g, f⟩, где A = {a₀ , a₂ ,..., a₁₈ } – конечное множество внутренних состояний, X = {x₁, x₂,..., x₂₃} – множество входных сигналов, Y = {y₁, y₂,..., y₂₆} – множество выходных сигналов, функция перехода δ: A×X → G, функция выхода λ: A×X → F.

Повышение качества обучения, эффективность обучения находится в прямой зависимости от компетентности объекта обучения, что определяется достоверностью метода оценивания и качеством тестового материала. Качество выявления компетенций объекта обучения определяется качеством тестового материала, гибкостью алгоритмов управления процессом тестирования и достоверностью метода оценивания. Тестовый материал – совокупность тестовых заданий различных форм. Тестовое задание (ТЗ) – составная часть педагогического теста, отвечающая требованиям технологичности, формы, содержания и статистическим требованиям:

• известной трудности;
• достаточной вариации тестовых баллов;
• положительной корреляции баллов задания с баллами по всему тесту [1].

Для определения точного и достоверного результата выявления компетенций автором предложен алгоритм поддержки принятия решений о назначении веса ТЗ. Алгоритм поддержки принятия решений о назначении веса ТЗ базируется на весах сложности содержания ТЗ и весах сложности формы ТЗ. В общем виде, вес ТЗ (x_i) определяется: V (x_i) = v^m (ξ₁×p₁(x_i) + ξ₂×p₂(x_i)) , i = 1,m , где v^m – весовой коэффициент уровня сложности класса ТЗ, p₁(x_i)=d_i – вес сложности содержания ТЗ, который основан на методе парных сравнений, p₂(x_i) – вес формы ТЗ, основанный на методе анализа иерархий, ξ₁,ξ₂ ∈ [0;1] – свободные параметры.

Алгоритм сводится к следующим шагам:

1.  ∀ x_i ∈ X классифицируется по степени сложности, т.е. X разбивается на классы простых (Kl^п), сложных ТЗ (Kl^с) и ТЗ средней сложности (Kl^ср);
2. элементы ∀ класса Kl^п, Kl^ср, Kl^с упорядочиваются по степени сложности;
3. упорядоченные ТЗ ранжируются: ∀ x_i ∈ Kl^m, m = 1,3, d_i = d_{i -1} +∆, i = 1,j_m, d_i ∈ [a, b] , j_m – количество элементов в классе Kl^m , ∆ – шаг приращения, [a, b] – минимальная и максимальная градации в классе Kl^m, определяемые экспертным путем, ∆ = (b-a)/n, n – количество градаций в классе Kl^m , d_o = 0 , d₀ ∉ [a, b] .

Процедура упорядочения рассматривается на примере одного класса Kl m и заключается в следующем:

1. Выбирается пара ТЗ x_p, x_q ∈ Kl^m
2. Пара ТЗ x_p и x_q оценивается по сложности содержания, то есть между ними устанавливается соотношение: x_p > x_q, x_p < x_q, x_p ~ x_q [2]. Выбирается следующий элемент x_r из класса Kl^m и в соответствии с (1) утанавливается весовое соответствие x_i1^m < x_i2^m < x_i3^m между выбранными элементами, x_ij^m ∈ { x_p, x_q, x_r}, j=1,3, i ∈ {q, p, r}. Однако, может возникнуть такая ситуация, когда x_q < x_p ~ x_r или x_q ~ x_p < x_r (при сравнении рассматриваются эквивалентные ТЗ). В этом случае x_p и x_r или x_p и x_q будут иметь одинаковый ранг.
3. Определяется местонахождение элемента x_i класса Kl^m в построенном упорядоченном ряду элементов
4. Процесс упорядочения происходит до тех пор, пока все элементы класса Kl^m не будут представлены в виде следующего упорядоченного ряда: x_i1^m < x_i2^m < … < x_is^m, где s ≤ m1

Вес формы x_i ТЗ (p₂ (x_i)) определяется на основе сложности формы ТЗ SL(γ_j) и сложности конструкции ответов формы ТЗ Ω(γ_j), где γ_j – j-я форма ТЗ. Значения параметра SL(γ_j) определяются экспериментальным путем. Значения параметра Ω(γ_j) определяются методом анализа иерархий [5].

В статье предложен алгоритм выявления компетенций с помощью которого можно определить уровень компетентности объекта обучения. Алгоритм выявления компетенций основан на следующих параметрах: p₁ – вес сложности содержания ТЗ, p₂ – вес формы ТЗ, p₃ – параметр качества ответа на ТЗ, который оценивается градациями: правильный ответ на ТЗ, неполный правильный, неопределенный и ложный. Семантическая структура алгоритма выявления компетенций представлена на рис. 1. «Правильный» ответ (P_σ) для конкретной конструкции ответа ТЗ – это полное совпадение с эталоном, «неполный правильный» (NP_j) – определяется правильными элементами в ответе на ТЗ, «ложный ответ» (L_ϕ) – это отсутствие правильных элементов в ответе, «неопределенный» ответ (N_γ) – содержит правильные и ложные элементы в ответе на ТЗ.

Конструкции ответа ТЗ, определяемой множеством элементов Э^xi = {э^xi_j | s=1,j´}, ∀ э^xi_j = {0,1}.ставится в соответствие набор параметров p´, l´, s´, где p´ – мощность множества истинных элементов, l´ – мощность множества ложных элементов, s´ – мощность множества Э^xi = {э^xi_j | s=1,j´}, s´ = p´ + l´. Ложные э^xi_j = {0}, истинные э^xi_j = {1} и элемент «Ловушка»  ͂э^xi_j = {0} определяет эксперт [2]. Элемент «Ловушка» – максимально

правдоподобный ответ на ТЗ. Выбор элемента «Ловушка» объектом обучения означает отсутствие знаний по соответствующему материалу.

Ответ объекта обучения на ТЗ x_i характеризуется конструкцией O^xi = {o^xi_γ | γ =1,s´´}, ∀ o^xi_γ = {0,1}. Объект обучения указывает в ответе на ТЗ истинные o^xi_γ = {1} и ложные элементы o^xi_γ = {0}. Таким образом, конструкции ставится в соответствие набор параметров p´´, l´´, s´´, где p´´ – мощность множества истинных элементов, l´´ – мощность множества ложных элементов, s´´ – мощность множества O^xi, s´´ = p´´ + l´´.

Итоговая оценка компетенций определяется формулой:

, a_j (x_i) – оценка за ответ на x_i ТЗ, значения этого параметра представлены в табл. 2.

Таблица 2. Значения параметров a_j (x_i)

Где β₁ ÷ β₅ свободные параметры.

Итоговая оценка ŷ может быть представлена в шкалах бально-рейтинговой аттестации (y´) или традиционной оценкой (y´´).

Методами кластерного анализа на основе параметров алгоритма выявления компетенций, формируются образы объекта обучения (Obr_i), которые рекомендуется использовать как уровни компетентности, Kom = {Obr_i}, i = 1,k. Компетентность объекта обучения – совокупность приобретенных компетенций объекта обучения K = {k_j | j = 1,n}, которые выявляются с помощью тестов {ӿ₁, ӿ₂, … ӿ_n}, f₁: {ӿ_j} → {k_j}, f₂: {k_j} → Kom.

Компетенция k_j определяется на основе значений ŷ,

пороговое значение, определяемое экспертом [6].

На основе предложенных моделей и алгоритмов разработана автоматизированная информационная система оценивания качества тестового материала, позволяющая осуществлять анализ тестового материала и определять вес тестового задания.

Проведена апробация автоматизированной информационной системы оценивани3 качества тестового материала Серия экспериментов показала, что использование корректных тестовых заданий сокращает общее время тестирования на 25%, увеличивает процент правильных ответов на 79% за счет сокращения длины вопроса тестового задания и на 17% за счет удаления размытых формулировок. Экспериментально определен вес форм тестового задания. Закрытая форма тестовых заданий с одним правильным элементом в ответе имеет минимальный вес – 0,04, другие формы имеют более высокий вес (на соответствие – 0,66, на упорядочивание – 0,91).

В результате экспериментальных исследований выявлена эффективность предложенных моделей и алгоритмов. Эксперимент показал, что использование предложенной модели управления в автоматизированной информационной системе обучения позволяет обеспечить переход к более качественному выявлению компетенций объекта обучения, увеличить процент обучаемых, имеющих достаточный уровень компетентности в среднем на 16,7%, что в дальнейшем способствует более эффективному трудоустройству объекта обучения и его адаптации на рынке труда.

Ниже приведена семантическая структура алгоритма выявления компетенций.

В результате экспериментальных исследований выявлена эффективность предложенных моделей и алгоритмов. Эксперимент показал, что использование предложенной модели управления в автоматизированной информационной системе обучения позволяет обеспечить переход к более качественному выявлению компетенций объекта обучения, увеличить процент обучаемых, имеющих достаточный уровень компетентности в среднем на 16,7%, что в дальнейшем способствует более эффективному трудоустройству объекта обучения и его адаптации на рынке труда.

Разработанные модели и алгоритмы могут быть использованы: в качестве информационной, методологической и технологической поддержки образовательной деятельности учреждений; в качестве поддержки принятия решений в диагностике, оценивании социальных и организационных процессов; в качестве основного инструмента при работе с бально-рейтинговой системой; в качестве ассистирующего инструментария при оценивании ТЗ, формировании банка ТЗ; для сертификации качества тестового материала.

Список литературы

1. Аванесов, В.С. Теория и методика педагогических измерений. [Электронный ресурс]: web-портал. – Режим доступа: www. testolog.narod.ru, свободный – Дата обращения 04.03.2014.

2. Григорьева И. В. Виртуальный методический кабинет преподавателя – стратегический механизм организации медиаобразовательного пространства современного вуза // Вестник иркутского государственного лингвистического университета. № 15(3), 2011.

3. Зайнутдинова, Л.Х. Создание и применение электронных учебников (например, технических дисциплин) / Л.Х. Зайнутдинова – Астрахань: Изд-во«ЦНТЭП», 1999. 364 с.

4. Тумбинская М.В., Сафиуллина А.М. Программное обеспечение оценивания тестовых заданий для выявления компетенций кадрового резерва с элементами защиты информации // Национальные интересы приоритеты и безопасность. №35 (176), 2012.

5. Тумбинская М.В., Сафиуллина А.М. Информационная система поддержки принятия решений при выявлении компетенций управленческого персонала предприятий различных форм собственности // Менеджмент в России и за рубежом. №6, 2013.

6. Чучалин А.И. Модернизация бакалавриата в области техники и технологий с учетом международных стандартов инженерного образования // Высшее образование в России. №10. 2011

Примечания.

1. Подобъектом обучения понимается пользователь автоматизированной информационной системы обучения–обучаемый, студент

2. знак > означает превосходство одного ТЗ над другим по степени сложности содержания; знак ~ означает эквивалентность ТЗ по сложности содержания.

Об авторе: Казанский национальный исследовательский технический университет им. А.Н. Туполева-КАИ
Казань, Россия
tumbinskaya@inbox.ru
Материалы международной конференции Sorucom 2014 (13-17 октября 2014)
Помещена в музей с разрешения автора 16 января 2017