Концепция непрерывного обучения выступает основополагающим элементом в трансформации системы современного образования, и, неразрывно связана с парадигмой субъект-субъектных отношений, где обучающийся является активным участником своего образовательного пути [1].
В условиях большой наполняемости классов, традиционные методы обучения ослабевают и сталкиваются с рядом ограничений, а именно, с тем, что педагог не способен контролировать каждого обучающегося через отслеживание и наполнение дефицитов в классе из нескольких десятков.
Решение обозначенной проблемы видится автором в трансформации системы обучения, а именно, внедрении методологически обоснованной цифровой системы (управление обучением на основе данных) [2]. В рамках описанного подхода учебная аналитика прекращает работу в системе «фиксация результатов» и переходит в систему профилактических мер, которые позволяют спрогнозировать успех освоения тем уроков и гибко реагировать на запросы обучающихся. Апробация современных цифровых платформ в процесс обучения позволяет отслеживать каждого обучающегося и преобразовывать его действия в массив данных, обладающих структурой так необходимой для педагогического анализа [3].
Отмечается, что на современном этапе развития цифровой образовательной среды необходимо адаптировать и апробировать системы управления обучением в процесс средней общеобразовательной школы. Уже как несколько лет в системе образования ведущей задачей выступает ИОТ (индивидуальная образовательная траектория) [4]. Особую значимость ИОТ приобретает в процессе преподавания информатики, где уровень базовой подготовки школьников значительно разнится и требует от школьников абстрактного мышления. И как раз, именно в данном контексте, решением этой задачи является использование инструмента LMS Moodle, который обладает мощным потенциалом встроенной аналитики. Оптимизация нагрузки педагога и повышение качества обучения достигается путем автоматизации процесса адаптивного тестирования на основе внутренних метрик.
В традиционной цифровой системе оценивание результатов обучающихся достигается путем фиксации итогового балла за выполненные задания, однако, такой подход не предоставляет главной возможности — оперативно корректировать образовательный маршрут и иметь полное представление о структуре затруднений обучающегося [5]. Именно встроенные инструменты, идеально вписывающиеся в современную цифровизацию образования, позволяют педагогу получить развернутую оценку, которую можно поделить на три уровня: 1) журналы событий; 2) отчеты о деятельности обучающихся; 3) статистика элементов курса.
В процессе проектирования траектории тестирования основную ценность представляет раздел «Статистика» элемента «Тест», аккумулирующий в себе данные о прохождение тестовых, контрольных мероприятий всеми участниками (обучающимися).
В процессе построения педагогической траектории в цифровой среде, необходимо учитывать аналитические метрики, разработанные самой системой автоматически. Ключевыми метриками в данном случае выступают:
- индекс легкости;
- дискриминационный индекс;
- коэффициент дискриминации.
В первом случае (индекс легкости) оценивается процент верных ответов на конкретное тестовое задание, что позволит выстраивать иерархию вопросов по уровню сложности. Во втором случае (дискриминационный индекс) позволяет отделить обучающихся с высоким уровнем знаний от обучающихся с низким, путем распределения способности вопроса. В третьем случае, при условии, что вопрос имеет отрицательный или близкий дискриминационный индекс к нулю, возникает сигнал о необходимости исключения его из базы данных.
Объедение перечисленных метрик позволяет из статистического контроля перейти к гибкому процессу обучения, формируя индивидуальную образовательную траекторию и находить подход к каждому обучающемуся. Алгоритм создания тестовых траекторий основан на двух инструментах автоматизации: 1) ограничение доступа и 2) выполнение элементов курса.
На этапе ограничение доступа создается инвариантный блок — входное или диагностическое тестирование, цель которого заключена в первичном распределении обучающихся по уровням усвоения учебного материала.
На этапе выполнения элементов курса реализуется механизм адаптивного ветвления через построение связи результатов теста и доступом к последующим элементам курса. В процессе получения результатов обучающихся, педагог может выстроить доступ обучающегося к теоретическим и практическим заданиям.
В таблице 1 представлена структура адаптивного тестирования на основе встроенных инструментов Moodle.
Таблица 1
Матрица распределения обучающихся по индивидуальным траекториям на основе тестовой аналитики
|
Результат входного теста (в % от максимального балла) |
Уровень сложности траектории |
Назначаемый образовательный контент в LMS Moodle |
Целевой вектор контроля |
|
Менее 60 % |
Базовый (корректирующий) |
Повтор теоретического материала, интерактивные обучающие задания, тест с подсказками |
Ликвидация пробелов в знаниях, отработка базовых навыков |
|
От 60 % до 85 % |
Стандартный (продвинутый) |
Основной учебный материал, практические кейсы, тест повышенной сложности |
Развитие аналитического мышления, закрепление материала |
|
Более 85 % |
Исследовательский (высокий) |
Материалы углубленного уровня, олимпиадные задачи, проектные задания, тесты открытого типа |
Стимулирование творческой и исследовательской активности |
Апробация разработанной матрицы в процесс электронного обучения позволяет добиться автоматизации процесса познавательной деятельности каждого школьника. Для обучающихся на базовом уровне система автоматически допускает их на вспомогательный субкурс, а встроенная аналитика Moodle отслеживает не только итоговый результат, но и время, которое обучающийся затратил на один вопрос. В случае, если педагог видит зафиксированное системой снижение времени на один вопрос, легкости повторного текста, то его задания автоматически корректируются в сторону усложнения и обучающемуся открывается доступ к новому блоку.
Использование описанных инструментов Moodle для проектирования индивидуальной образовательной траектории, значительно корректирует роль педагога, снижает с него нагрузку и повышает эффективность обучения. Вместо рутинной проверки, педагог в режим «он-лайн» отслеживает образовательную среду и анализирует полученные данные. Педагогический эффект в данном случае выражается в росте успеваемости обучающихся и повышении их мотивации.
Таким образом, встроенные аналитические инструменты LMS Moodle выступают эффективным средством в решении имеющихся проблем традиционного обучения, позволяющим реализовывать принципы индивидуации обучения на системном уровне.
Литература:
1. Демкин В. П. Принципы и технологии создания электронных учебников. — Томск: Издательский Дом Томского государственного университета, 2021. — 156 с.
2. Захарова И. Г. Информационные технологии в образовании: учебник для вузов. — М.: Издательство Юрайт, 2023. — 198 с.
3. Краснова Г. А. Электронное образование в эпоху цифровизации: учебное пособие. — М.: РУДН, 2022. — 240 с.
4. Лапчик М. П. Подготовка педагогических кадров в условиях информатизации образования: учебник для вузов. — М.: Издательство Юрайт, 2024. — 311 с.
5. Шурыгин В. Ю., Краснова Л. А. Системы управления обучением Moodle и GoogleClassroom в вузовском образовании // Балтийский гуманитарный журнал. — 2021. — Т. 10, № 4 (37). — С. 270–274.
