Кластерный анализ результатов оценивания знаний в системе заочного обучения с использованием дистанционных образовательных технологий
| Parent link: | Современные проблемы науки и образования.— , 2005- № 3.— 2013.— [8 c.] |
|---|---|
| Main Author: | |
| Corporate Author: | |
| Other Authors: | , |
| Summary: | Заглавие с экрана Проведен кластерный анализ качества заочного технического образования на основе экзаменационных результатов четвертого семестра по высшей математике при дистанционной сетевой модели организации заочного обучения на примере Института дистанционного образования Томского политехнического университета. Кроме экзаменационных результатов (ЭКЗ – набранные баллы за тест-экзамен в режиме online), в анализе использованы еще два показателя: DT – разность моментов окончания и начала экза-мена и ИДЗ – набранные баллы за 4 индивидуальных домашних задания. В рамках кластерного анализа методом K-средних получена 10-кластерная высококачественная модель результатов оценивания знаний по высшей математике, различающая высоко значимо 10 кластеров не только по совокупности показа-телей DT, ЭКЗ, ИДЗ, но и по каждому показателю. В рамках дисперсионного анализа выделены для каж-дого показателя однородные (различающиеся незначимо) группы кластеров. Проведена качественная классификация результатов оценивания знаний по высшей математике в номинальной шкале измере-ний, детальным образом прописывающая структуру результатов оценивания усвоенных студентом зна-ний при заочной форме обучения с использованием современных дистанционных образовательных тех-нологий (ДОТ). Результаты подобной кластеризации результатов оценивания знаний могут быть учтены при внедрении современных информационных образовательных интернет-технологий в организацию заочного обучения для обеспечения качества образования и контроля знаний. The cluster analysis of quality of correspondence technical education on the basis of examination outcomes of the fourth semester on higher mathematics is carried out at distant network model of the organisation of corre-spondence education on an example of Institute of distant formation of Tomsk polytechnic university. Except examination outcomes (EX - the collected points for test examination in a condition on-line) in the analysis are used two more indicator: DT - a difference of the moments of the termination and the beginning of examination and IHW - the collected points for 4 individual home works. Within the limits of the cluster analysis the method of K-averages receives 10 cluster high-quality model of outcomes of an estimation of knowledge on the higher mathematics, 10 clusters distinguishing highly significantly not only on a population of indicators DT, EX, IHW, but also on each indicator. Within the limits of an analysis of variance are selected for each indicator homogene-ous (differing not significant) groups of clusters. Qualitative classification of outcomes of an estimation of knowledge by higher mathematics in a nominal dial of the measurements, in detail registering structure of out-comes of an estimation of the knowledge acquired by the student is spent at correspondence form of study with use of modern distant educational technologies (DET). Outcomes similar classification outcomes of an estimation of knowledge can be considered at introduction modern informational educational the Internet - technologies in the organisation of correspondence course for security of quality of formation and control of knowledge. Режим доступа: по договору с организацией-держателем ресурса |
| Published: |
2013
|
| Series: | Физико-математические науки |
| Subjects: | |
| Online Access: | http://www.science-education.ru/109-r9506 http://elibrary.ru/item.asp?id=20909441 |
| Format: | Electronic Book Chapter |
| KOHA link: | https://koha.lib.tpu.ru/cgi-bin/koha/opac-detail.pl?biblionumber=638513 |
MARC
| LEADER | 00000naa0a2200000 4500 | ||
|---|---|---|---|
| 001 | 638513 | ||
| 005 | 20250204141000.0 | ||
| 035 | |a (RuTPU)RU\TPU\network\2878 | ||
| 035 | |a RU\TPU\network\2874 | ||
| 090 | |a 638513 | ||
| 100 | |a 20150128d2013 k||y0rusy50 ca | ||
| 101 | 0 | |a rus | |
| 102 | |a RU | ||
| 135 | |a drcn ---uucaa | ||
| 181 | 0 | |a i | |
| 182 | 0 | |a b | |
| 200 | 1 | |a Кластерный анализ результатов оценивания знаний в системе заочного обучения с использованием дистанционных образовательных технологий |d The cluster analysis of outcomes of the estimation of knowledge in system of correspondence course with use of distant educa-tional process engineerings |f В. П. Арефьев, А. А. Михальчук, Н. М. Филипенко | |
| 203 | |a Текст |c электронный | ||
| 225 | 1 | |a Физико-математические науки | |
| 300 | |a Заглавие с экрана | ||
| 320 | |a [Библиогр.: 10 назв.] | ||
| 330 | |a Проведен кластерный анализ качества заочного технического образования на основе экзаменационных результатов четвертого семестра по высшей математике при дистанционной сетевой модели организации заочного обучения на примере Института дистанционного образования Томского политехнического университета. Кроме экзаменационных результатов (ЭКЗ – набранные баллы за тест-экзамен в режиме online), в анализе использованы еще два показателя: DT – разность моментов окончания и начала экза-мена и ИДЗ – набранные баллы за 4 индивидуальных домашних задания. В рамках кластерного анализа методом K-средних получена 10-кластерная высококачественная модель результатов оценивания знаний по высшей математике, различающая высоко значимо 10 кластеров не только по совокупности показа-телей DT, ЭКЗ, ИДЗ, но и по каждому показателю. В рамках дисперсионного анализа выделены для каж-дого показателя однородные (различающиеся незначимо) группы кластеров. Проведена качественная классификация результатов оценивания знаний по высшей математике в номинальной шкале измере-ний, детальным образом прописывающая структуру результатов оценивания усвоенных студентом зна-ний при заочной форме обучения с использованием современных дистанционных образовательных тех-нологий (ДОТ). Результаты подобной кластеризации результатов оценивания знаний могут быть учтены при внедрении современных информационных образовательных интернет-технологий в организацию заочного обучения для обеспечения качества образования и контроля знаний. | ||
| 330 | |a The cluster analysis of quality of correspondence technical education on the basis of examination outcomes of the fourth semester on higher mathematics is carried out at distant network model of the organisation of corre-spondence education on an example of Institute of distant formation of Tomsk polytechnic university. Except examination outcomes (EX - the collected points for test examination in a condition on-line) in the analysis are used two more indicator: DT - a difference of the moments of the termination and the beginning of examination and IHW - the collected points for 4 individual home works. Within the limits of the cluster analysis the method of K-averages receives 10 cluster high-quality model of outcomes of an estimation of knowledge on the higher mathematics, 10 clusters distinguishing highly significantly not only on a population of indicators DT, EX, IHW, but also on each indicator. Within the limits of an analysis of variance are selected for each indicator homogene-ous (differing not significant) groups of clusters. Qualitative classification of outcomes of an estimation of knowledge by higher mathematics in a nominal dial of the measurements, in detail registering structure of out-comes of an estimation of the knowledge acquired by the student is spent at correspondence form of study with use of modern distant educational technologies (DET). Outcomes similar classification outcomes of an estimation of knowledge can be considered at introduction modern informational educational the Internet - technologies in the organisation of correspondence course for security of quality of formation and control of knowledge. | ||
| 333 | |a Режим доступа: по договору с организацией-держателем ресурса | ||
| 461 | |t Современные проблемы науки и образования |d 2005- | ||
| 463 | |t № 3 |v [8 c.] |d 2013 | ||
| 510 | 1 | |a The cluster analysis of outcomes of the estimation of knowledge in system of correspondence course with use of distant educa-tional process engineerings |z eng | |
| 610 | 1 | |a электронный ресурс | |
| 610 | 1 | |a труды учёных ТПУ | |
| 610 | 1 | |a кластерный анализ | |
| 610 | 1 | |a оценка знаний | |
| 610 | 1 | |a заочное обучение | |
| 610 | 1 | |a дистанционные технологии | |
| 610 | 1 | |a образовательные технологии | |
| 610 | 1 | |a дисперсионный анализ | |
| 700 | 1 | |a Арефьев |b В. П. |c математик |c доцент Томского политехнического университета, кандидат физико-математических наук, менеджер |f 1950- |g Владимир Петрович |3 (RuTPU)RU\TPU\pers\27692 | |
| 701 | 1 | |a Михальчук |b А. А. |c математик |c доцент Томского политехнического университета, кандидат физико-математических наук |f 1954- |g Александр Александрович |3 (RuTPU)RU\TPU\pers\27011 | |
| 701 | 1 | |a Филипенко |b Н. М. |c математик |c доцент Томского политехнического университета, кандидат физико-математических наук |f 1946- |g Николай Максимович |3 (RuTPU)RU\TPU\pers\31305 |9 15483 | |
| 712 | 0 | 2 | |a Национальный исследовательский Томский политехнический университет (ТПУ) |b Физико-технический институт (ФТИ) |b Кафедра высшей математики и математической физики (ВММФ) |3 (RuTPU)RU\TPU\col\18727 |
| 801 | 2 | |a RU |b 63413507 |c 20180305 |g RCR | |
| 856 | 4 | |u http://www.science-education.ru/109-r9506 | |
| 856 | 4 | |u http://elibrary.ru/item.asp?id=20909441 | |
| 942 | |c CF | ||