ні моделі учня М1 використовується еталон Ме, з яким порівнюються отримані на етапі побудови M1 результати. Порівняння відбувається шляхом відображення поточної моделі М1 на Ме, фактично відбувається наступні дії: порівняння М1 і Ме; аналіз результату порівняння і формування списку компетенцій та «проблемних» тим, кого навчають. Ваговий коефіцієнт компетенції Wc i - це якийсь відсоток компетенції, який, на думку викладача, може бути засвоєний студентом в результаті прослуховування конкретної теми. Оскільки курс збалансований, тобто після його прослуховування студент повинен повною мірою володіти кожної з приписаних компетенцій (відбувається 100% покриття), необхідно перетворення ваг компетенцій вже відносно всього курсу в цілому, а не окремої теми. На Рис. 13 представлений алгоритм обчислення збалансованих вагових коефіцієнтів компетенцій.
Крок 1. Початок.
Крок 2. Отримання бази даних вагових коефіцієнтів Wc ij компетенцій для кожного елемента структури курсу/дисципліни.
Крок 3. Запис отриманих даних в масиви Xk таким чином, що в кожний масив заносяться значення компетенції потрібного курсу.
Крок 4. Обчислення нових вагових коефіцієнтів компетенцій щодо всього курсу в цілому: оскільки? Wc ij=100%, звідси обчислюється W поч Cij=Wc ij /? i Wc ij, де W поч Cij - збалансований ваговий коефіцієнт. Крок 5. Створення нового масиву Yp для кожного елемента структури курсу, куди вносяться вже відповідні збалансовані вагові коефіцієнти компетенцій.
Крок 6. Кінець.
Рис. 13. Алгоритм обчислення збалансованих вагових коефіцієнтів компетенцій
2.2.2 Алгоритм реалізації методу оцінювання поточного рівня компетенції учня
На Рис. 14 показаний алгоритм, що реалізує метод оцінювання поточного рівня компетенції учня.
Крок 1. Початок.
Крок 2. Отримання вибірки результатів виявлення рівня знань учня (тобто набраний за кожну тему бал з урахуванням рівня складності) SQL-запитом з бази даних
Крок 3. Запис отриманих значень в масив quei.
Крок 4. SQL - запитом з бази даних отримуємо вибірку можливих максимальних результатів (тобто максимальний можливий за кожну тему бал з урахуванням рівня складності).
Крок 5. Отримані значення заносяться в масив que? i.
Крок 6. Порівняння рівня знань учня з еталонною моделлю:
ti=quei/que? i. Крок 7. Запис отриманих відносин в масив.
Крок 8. Обчислення значення кожної компетенції учня:
W кін Сij=tp * W поч Ci j
Крок 9. Збереження отриманих даних в масиві tij
Крок 10. Обчислення підсумкових значень компетенції учня:
W кін Сj =? j W кін Сij,
де W кін Сj - це підсумкова оцінка кожної компетенції учня.
Крок 11. Кінець.
Рис. 14. Алгоритм методу оцінювання поточного рівня компетенції учня
Дані, отримані в ході комп'ютерного тестування навчають (а саме виявлення проблемні зони і поточний рівень компетенції), необхідні для подальшої побудови стратегії (плану) навчання.
Докладна методика оцінювання комп'ютерного тестування учнів міститься в Додатку.
2.2.3 Формування моделі навчання з урахуванням компетентнісно - орієнтованого підходу
Модель учня М2 містить знання про планування та організації (проектуванні) процесу навчання, загальних і приватних методиках навчання, і включає наступні компоненти:
· сукупність моделей М1 і Ме;
· сукупність стратегій навчання і навчальних впливів;
· функцію вибору стратегій навчання або генерації стратегій навчання залежно від вхідних моделі М1 (для адаптивної моделі М2).
Управління навчанням здійснюється на основі певного плану, який або вибирається з бібліотеки планів (стратегій навчання), або генерується автоматично на основі параметрів М1, отриманих безпосередньо в ході виявлення рівня поточних знань, умінь і рівня компетенцій учня. Кожна стратегія навчання складається з певної послідовності навчальних впливів, які залежать від виявлених даних. В якості навчальних впливів можуть бути: коментарі, тестові завдання, тренінг з ЕС, пояснення отриманих результатів, фрагмент ГТ, підказка, локалізація помилкових дій, контроль правильності рішення та ін.
Кожна стратегія навчання характеризується своїм набором і порядком застосування навчальних впливів, зміст яких визначається ступе...