АДАПТИВНАЯ АВТОМАТИЗИРОВАННАЯ СИСТЕМА КАК СРЕДСТВО ДИФФЕРЕНЦИАЦИИ ОБУЧЕНИЯ ПРИ ПОДГОТОВКЕ СПЕЦИАЛИСТОВ В ОБЛАСТИ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ
Работая с нашим сайтом, вы даете свое согласие на использование файлов cookie. Это необходимо для нормального функционирования сайта, показа целевой рекламы и анализа трафика. Статистика использования сайта отправляется в «Яндекс» и «Google»
Научный журнал Моделирование, оптимизация и информационные технологииThe scientific journal Modeling, Optimization and Information Technology
cетевое издание
issn 2310-6018

АДАПТИВНАЯ АВТОМАТИЗИРОВАННАЯ СИСТЕМА КАК СРЕДСТВО ДИФФЕРЕНЦИАЦИИ ОБУЧЕНИЯ ПРИ ПОДГОТОВКЕ СПЕЦИАЛИСТОВ В ОБЛАСТИ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ

Даценко Н.В.   Горбатенко С.А.   Горбатенко В.В.  

УДК 004.9, 37.04
DOI: 10.26102/2310-6018/2019.25.2.007

  • Аннотация
  • Список литературы
  • Об авторах

В статье предложен один из наиболее эффективных способов реализации дифференцированного подхода при подготовке специалистов в области информационных технологий (ИТ), заключающийся в использовании адаптивной автоматизированной системы обучения. Система позволит хранить большой объем учебной информации, при необходимости осуществлять ее модификацию, а также адаптацию к разным категориям пользователей в зависимости от уровня начальной подготовки, проводить проверку сформированности компетенций и анализ ошибок, допущенных студентами в процессе контрольного тестирования. Информационное обеспечение системы включает реляционную базу данных (БД), которая содержит теоретическую информацию по дисциплине, упражнения и контрольные задания по всем темам, адаптированные к различным категориям студентов, а также таблицу, в которую во время проведения контрольного тестирования вносятся все ошибочные ответы пользователей с целью дальнейшего анализа. Программное обеспечение содержит модуль автоматической классификации пользователей, который на основе метода кластерного анализа на этапе входного контроля позволяет сформировать четыре группы студентов в зависимости от уровня остаточных знаний, полученных в процессе изучения предшествующих дисциплин, соответствующих оценкам «отлично», «хорошо», «удовлетворительно» и «неудовлетворительно», с целью проведения дифференциации учебного материала. Программный модуль обучения предназначен для решения задач приобретения новых знаний по ИТ-дисциплинам обучающимися разных групп, использования полученных теоретических знаний при выполнении практических заданий и проверки уровня сформированности компетенций. В том случае, если уровень не достиг базового, модуль анализа ошибок позволяет определить, какие темы дисциплины вызвали наибольшие затруднения у студента с целью прохождения повторного обучения.

1. Горбатенко С.А. Применение адаптивной автоматизированной системы обучения гуманитарным дисциплинам для повышения качества подготовки специалистов / С.А. Горбатенко, Н.В. Даценко // Территория науки. – 2016. – № 4. – С. 33-38.

2. Горбатенко С.А. Автоматизированная система обучения гуманитарным дисциплинам для повышения качества подготовки специалистов / С.А. Горбатенко, Н.В. Даценко // Вестник компьютерных и информационных технологий. – 2011. – № 10. – С. 35-39.

3. Даценко Н.В. Применение автоматизированной консультативной системы для дифференциации обучения дисциплине «Судебная медицина» / Н.В. Даценко // Охрана, безопасность и связь. – 2016. – № 1- 2. – С. 178-181.

4. Даценко Н.В. Использование автоматизированной системы для повышения качества подготовки специалистов гуманитарного профиля / Н.В. Даценко // Процессы информационного обмена в деятельности правоохранительных органов: современное состояние и перспективы совершенствования. Сборник научных статей. Под редакцией Л.Д. Матросовой [и др.]. – Орел, 2015. – С. 46-48.

5. Даценко Н.В. Разработка информационного обеспечения автоматизированной системы обучения дисциплине «Информатика» / Н.В. Даценко // Общественная безопасность, законность и правопорядок в III тысячелетии. 2018.– №4-2. – С. 28-31.

6. Горбатенко С.А. Представление знаний в проблемно-зависимой информационной базе гуманитарной экспертной системы / С.А. Горбатенко, Н.В. Даценко // Вестник Воронежского института МВД России. 2007.– №1. – С. 137-140.

7. Айвазян С.А. Классификация многомерных наблюдений. – М.: Статистика, 1974. – 240 с.

8. Мандель И.Д. Кластерный анализ. – М.: Финансы и статистика, 1988. – 176 с.

9. Даценко Н.В. Классификация задач судебно-медицинской травматологии по неоднородным признакам с использованием методов кластерного анализа / Н.В. Даценко // Охрана, безопасность, связь. –2017. – № 1-2. – С. 149-155.

Даценко Наталия Валерьевна
кандидат технических наук
Email: natdatsenko@mail.ru

Воронежский государственный университет инженерных технологий

Воронеж, Российская Федерация

Горбатенко Светлана Александровна
доктор технических наук
Email: sv_gorbatenko@mail.ru

Воронежский государственный институт физической культуры

Воронеж, Российская Федерация

Горбатенко Владимир Валентинович
кандидат физико-математических наук
Email: vlgorbatenko@mail.ru

Воронежский государственный технический университет

Воронеж, Российская Федерация

Ключевые слова: дифференциация обучения, ит-дисциплины, повышение качества подготовки специалистов, адаптивная автоматизированная система, автоматическая классификация, кластерный анализ

Для цитирования: Даценко Н.В. Горбатенко С.А. Горбатенко В.В. АДАПТИВНАЯ АВТОМАТИЗИРОВАННАЯ СИСТЕМА КАК СРЕДСТВО ДИФФЕРЕНЦИАЦИИ ОБУЧЕНИЯ ПРИ ПОДГОТОВКЕ СПЕЦИАЛИСТОВ В ОБЛАСТИ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ. Моделирование, оптимизация и информационные технологии. 2019;7(2). Доступно по: https://moit.vivt.ru/wp-content/uploads/2019/05/DatsenkоSoavtori_2_19_1.pdf DOI: 10.26102/2310-6018/2019.25.2.007

718

Полный текст статьи в PDF