Добавил:
ivanov666
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз:
Предмет:
Файл:Современные подходы к решению некоторых проблем непрерывного образования. Монография
.pdf
141
Объемный характер (построение в трех измерениях);
Преимущественное использование двухсторонней оценки парамет-
ров качества (потенциала и степени его реализации);
Схожесть оценочных единиц квалиметрических измерений (в подав-
ляющем большинстве – оценки по 5- бальной системе);
Непрерывность действия;
Максимально возможное использование уже имеющихся подходов,
показателей, процессов и т.п.
Диалектический характер взаимодействия со стандартами ИСО се-
рии 9000 и системой TQM (не использовать ничего, что противоречит их
принципиальным положениям, и не брать из них ничего, что противоречит
идеологии системы).
Таким образом, для того, чтобы иметь возможность оценивать качество
полученного образования, необходимо установить состав характеристик, которые его отражают и дают возможность комплексной оценки.
Весь комплекс характеристик, по мнению В.Балабана, можно представить в пяти группах:
профессиональные знания (уровень профессиональных знаний,
структура профессиональных знаний, устойчивость знаний, владение знаниями (интегрированное использование);
готовность к профессиональной деятельности (ролевая структура де-
ятельности, виды деятельности, навыки принятия решений, навыки экспертно-аналитической работы);
структура индивидуально-профессиональных качеств (коммуника-
бельность, стиль поведения, решительность (склонность к риску), профессиональное мышление (тип);
самосознание профессионализма (стратегия карьеры, развитие спо-
собностей, уверенность и готовность к профессиональной деятельности, качество образовательной профессиональной программы).
142
Интересными представляются показатели, характеризующие каче-
ство образовательной программы. Один из них отражает соотношение количества учебных часов, выделяемых в учебном плане на общеобразовательную и профессиональную подготовку. Второй показатель выражается удельным весом суммарного времени всех практик студентов по той или иной
специальности в общем объеме знаний по освоению соответствующей основной образовательной программы и пр.
Кроме того, имеется группа дополнительных качеств, отражающих
общекультурный потенциал успешной профессиональной деятельности
(культурологическая ориентация, система ценностей, креативный потенциал,
владение иностранным языком).
С другой стороны, в работе [165], показатели, характеризующие качество образования, объединяются в 3 группы:
1. Показатели вложения в образование (ресурсное обеспечение).
2. Показатели качества учебного процесса.
3. Показатели результатов обучения (оценка качества подготовки, цен-
ностных ориентаций, дальнейшая судьба обучаемых).
Опираясь на вышеизложенное, а также используя данные метрических
показателей, выделенных при государственной аттестации и аккредитации
Института гостеприимства, особенности реализации учебных программ в
многоуровневом образовательном учреждении БТК и результаты социометрического анализа, показавшего разнообразие целевых установок, их взаимосвязь и направленность, общность и противоречивость (см. глава 2,
2.1.2, 2.3.2), качество образования предположительно можно определить
взаимосвязью следующих факторов:
Первая группа показателей, характеризующих качество обучения:
У1 – средний балл успеваемости;
У2 – процент трудоустроившихся;
У3 – удовлетворенность результатами подготовки;
У4 – уровень полученной специальной подготовки;
143
Год
обуч.
Показатели качества
обучения
Условия реализации образовательного
процесса
У1 У2 У3 У4 У5 Х1 Х2 Х3 Х4 Х5 Х6 Х7 Х
8
1
3.84
2
0.66
0.26
4
0.6
0.1
0.2
0.8
0.79
0.62
0.56
0.78
2
3.92
3
0.70
0.54
6
0.58
0.08
0.22
0.78
0.76
0.67
0.62
0.74
3
4.04
4
0.76
0.62
8
0.52
0.12
0.16
0.64
0.75
0.72
0.70
0.71
4
4.1
1
0.80
0.70
11
0.54
0.18
0.08
0.52
0.74
0.75
0.77
0.67
5
4.12
0
0.80
0.71
12
0.56
0.16
0.1
0.4
0.73
0.76
0.78
0.68
дипл.
4.08
51
0.78
0.70
8
0.56
0.14
0.08
0.32
0.73
0.78
0.73
0.69
У5 – процент участников олимпиад и конкурсов.
С другой стороны, каждый из этих факторов обусловлен условиями образовательного процесса оцениваемого по следующим параметрам:
Х1 – процент «остепененности» преподавательского состава;
Х2 – процент изданных в учебном заведении учебно-методических разработок (на 100 преподавателей);
Х3 – процент дисциплин преподаваемых с использованием информационных технологий;
Х4 – процент интегрированных учебных программ;
Х5 – уровень полученной теоретической подготовки;
Х6 – степень соответствия учебной программы по избранной специальности ожиданиям студентов;
Х7 – степень системности полученных знаний;
Х8 – степень удовлетворенности технологией образовательного процесса.
За годы получения образования (t = 5) и по его завершении (дипломники) при проведении анкетирования получены статистические данные помещенные в таблице 3.1.
Таблица 3.1
Исходные данные статистического обследования студентов БТК
144
Поставим первоначальной целью задачи статистической обработки для
выбранного варианта промежутков времени проверить наличие аномальных
наблюдений, используя метод Ирвина, определить оптимальную линию
тренда для наиболее важных зависимостей У1(t)- У5(t ), проверить наличие
мультиколлинеарности между факторами, определить параметры уравнения
регрессии для каждого из факторов эффективности образовательного процесса.
Также необходимо проверить статистическую значимость уравнений в
целом и отдельных коэффициентов уравнений.
Кроме того, требуется установить адекватность и точность уравнений
регрессии.
1) Проверка наличия аномальных наблюдений методом Ирвина
Динамические процессы, происходящие в образовательных системах,
чаще всего являются в виде ряда последовательно расположенных в хронологическом порядке значений того или иного показателя, который в своих
изменениях отражает ход развития получаемых знаний. Эти значения в частности могут служить для обоснования разработки прикладных моделей социально – экономических систем. Они также служат основой для разработки
прикладных моделей особого вида, называемых трендовыми моделями.
Последовательность наблюдений одного показателя, упорядоченного в
зависимости от последовательно возрастающих или убывающих значений
другого показателя, называется динамичным рядом.
Если в качестве признака, в зависимости от которого происходит упорядочение, берется время, то такой динамический ряд называется временным
рядом.
Предварительный анализ временных рядов каких-либо показателей заключается в основном в выявлении и устранении аномальных значений
уравнений ряда, а также в определении наличия тренда в исходном временном ряде. Под аномальным уровнем понимается отдельное значение уравнений временного ряда, которое не отвечает потенциальным возможностям ис-
145
n
2 3 10
20
30
50
100
2.8
2.3
1.5
1.3
1.2
1.1
1.0
следуемой образовательной системы и которое, оставаясь в качестве уровня
ряда, оказывает существенное влияние на значение основных характеристик
временного ряда, в том числе на соответствующую трендовую модель.
Причинами аномальных наблюдений могут быть ошибки технического
порядка – ошибки первого рода. Они подлежат выявлению и устранению.
Кроме того, аномальные уровни могут возникать из-за воздействия факторов,
имеющих объективный характер, но проявляется эпизодически, то есть очень
редко – это ошибки второго рода.
Для выявления аномальных уровней временных рядов используются
методы, применяемые для анализа статистических совокупностей. Например,
метод Ирвина, в котором предполагается использование следующего подхода. Находится коэффициент: λ
Расчетное значение λ1, λ2 и т.д. сравнивается
i.
с табличными значениями критерия Ирвина λа и если они оказываются больше табличных (таблица 3.2), то соответствующее значения Yt уровня ряда
считается аномальным.
После выявления аномальных уравнений ряда обязательно определяются причины их возникновения и для устранения производят замену, используя либо средние значения от двух соседних уровней, либо с соответствующим значением кривой, аппроксимируемой данный ряд.
Значения критерия Ирвина для уровня значимости:
(достоверность 0,95)
Таблица 3.2
= 0,05
146
Т
Yср
(Y-Yср)^2
σу
λ
Аномальность
1
4.016667
0.0324
0.112071 - -
2 0.01
0.713833
Не аномальное
3 0.0004
1.07075
Не аномальное
4 0.0064
0.535375
Не аномальное
5 0.01
0.178458
Не аномальное
Дипл.
0.0036
-0.35692
Не аномальное
Затем производятся расчеты для определения наличия тренда и различные показатели динамики развития исследуемых процессов. При этом абсолютные уровни моментальных интервалов или средних величин преобразовываются в относительные величины. Для этих целей все значения делятся
на какое-либо одно значение, в качестве которого обычно берется первое
значение. Либо происходит последующее сопоставление данного уровня с
предыдущим. В первом случае получаем базисные показатели, во втором –
цепные.
В качестве примера рассмотрим оценку аномальности значений фактора У1 – среднего балла успеваемости. Вычисления приведенные в таблице
3.3, показывают, что σy = 0.112071; λi λ
табл
., λ
., = 1,96. В данном ряде
табл
отсутствуют аномальные колебания вызванные ошибками первого и второго
рода и он может быть принят за основу построения модели.
Таблица 3.3
Оценка наличия аномальных значений в ряде У
1
У1(t)- У5(t )
критерием оптимальности служит близость коэффициента R2 единице. Построение модели такого вида для У1(t ) показано ниже на рисунке 3.2
стве построенной модели.
2) Определение оптимального вида линии тренда для зависимостей
Построение линий тренда осуществляется с помощью пакета «Excel», а
Близость коэффициента R2 к единице свидетельствует о высоком каче-
147
ll
zbzbtAtY *...*)()(
11
tbatA *)(
00
Зависимость успеваемости от
срока обучения
y = -0,0179x2 +
0,1781x + 3,664
R2 = 0,9776
3,6
3,7
3,8
3,9
4
4,1
4,2
1 2 3 4 5 6
год обучения
средний балл
Аналогичные трендовые модели могут построены и для других выбранных факторов качества обучения. Эти модели отслеживают изменение
тех или иных факторов от времени, однако не дают связи с параметрами образовательного процесса отраженными обучающимися при анкетировании,
поэтому следующим этапом статистической обработки является этап построения корреляционных моделей множественной регрессии.
Рис. 3.2 Построение линии тренда по данным анкетирования
Уравнение линейной модели множественной регрессии:
Цель задачи – найти коэффициенты линейной модели множественной
регрессии в заданном уравнении (a0,b0,b1,…,bl).
Классический подход к оцениванию параметров линейной регрессии
основан на методе наименьших квадратов (МНК).
148
2
2
1
)2(rnr
t
ф
МНК позволяет получить такие оценки параметров, при которых сумма
квадратов отклонений фактический значений результирующего признака Y
от теоретических Y минимальна:
3) Проверка наличия мультиколлинеарности между факторами
Произведем сравнительную оценку влияния различных параметров (Xi)
на факторы (Уi) и взаимосвязь факторов между собой с использованием значений парных коэффициентов корреляции (rij).
Для нахождения матрицы коэффициентов парной корреляции используем табличный редактор «Excel», выполнив следующие команды: «Сервис»
– «Анализ данных» – «Корреляция». Затем в диалоговом окне «Корреляция»
в поле «Входной интервал» вводим адреса ячеек таблицы 2.15, включая
названия реквизитов. Установив отметки а окне «Метки в первой строке» и
«По столбцам», выбираем параметр выбора «Новый рабочий лист». Получим
результат приведенный в Приложении 1.
Для проверки значимости коэффициентов парной корреляции используют t-критерий Стъюдента. Для этой цели требуется найти для каждого коэффициента парной корреляции значение t-критерия Стъюдента, который
рассчитывается по формуле:
где r – значение коэффициента парной корреляции; n – число наблюдений (n=6). Полученные данные записывают в таблицу.
Сравним tф (фактическое значение) для каждого коэффициента парной
корреляции с t-критическим (табличное значение) для 5% уровня значимости
(двустороннего) и числа степеней свободы ν = n – 2 ( в нашем случае ν = 4). В
данном случае tкр = 2,23
149
Если tф > tкр , то коэффициент парной корреляции признается значимым. В рассматриваемом случае все коэффициенты парной корреляции признаются значимыми. С другой стороны значения этих коэффициентов свидетельствуют о том, что если, например, показатели качества обучения У1 и У2
слабо взаимосвязаны (коэффициент взаимной корреляции 0,246), то У1 и У3
практически характеризуют одну и ту же тенденцию (коэффициент взаимной
корреляции 0,9978). Вместе с тем, поскольку значительное количество анализируемых переменных получено методом анкетирования, для построения
более объективной общей модели образовательного процесса целесообразно
использовать все показатели качества обучения.
Аналогичным образом по корреляционной таблице можно оценить
влияние на каждый из показателей качества обучения отдельных переменных
Хi , характеризующих условия реализации учебного процесса. При этом оказывается, что для разных Уi можно учитывать различные Хi .
4) Определение параметров уравнения регрессии для каждого из фак-
торов эффективности образовательного процесса.
Оценка параметров уравнения регрессии для каждого Уi осуществляется по методу наименьших квадратов с использованием данных после исключения незначимых параметров. Для проведения анализа с использованием
инструмента Регрессия выполняют следующие действия:
a) выбирают команду СервисАнализ данных;
b) в диалоговом окне «Анализ данных» выбирают инструмент Регрес-
сия, после чего нажимают ОК;
c) в диалоговом окне Регрессия в поле «Входной интервал У» вводят
адрес диапазона ячеек зависимой переменной Уi, а в другое поле адрес диапазона для Xi.
d) устанавливают флажок Метки в первой строке;
e) устанавливают переключатель Новая рабочая книга;;
f) нажимают ОК.
150
У1= 3.11-0.29Х1-5.54Х2-3.79Х3+0.27Х4+0.38Х5-2.07Х6+3.52Х7+1.3Х8
Полученные результаты для одного из факторов качества образовательного процесса приведены в продолжении Приложения 1.
В одном из разделов таблицы регрессионной статистики как R-квадрат
обозначен коэффициент детерминации, который показывает долю вариации
результативного признака, находящегося под действием изучаемых факторов. В других разделах этой же таблицы приведены коэффициенты уравнения регрессии ao ,a1 ,…,a8 , и t-статистики, используемые для проверки значимости коэффициентов. Уравнение регрессии зависимости среднего балла
от основных параметров образовательного процесса получим, таким образом,
в виде:
Для других показателей качества обучения, соответственно, имеем
У2=-46.11+62.01Х1-1458.1Х2-1222.02Х3+92.66Х4+22.19Х5+171.30Х6+
+21.37Х7+245.24Х8;
У3=-0.3-0.07Х1-0.3Х2-0.14Х3+0.02Х4+0.75Х5+0.3Х6+0.64Х7-0.12Х8;
У4=0.24+0.69Х1-2.57Х2-0.46Х3+0.4Х4-0.03Х5+1.87Х6+0.99Х7-2.65Х8,
а также
У5= 1.82+8.39Х1+107.1Х2+92.23Х3-11.81Х4+1.59Х5+0.42Х6+11.51Х7-
39.13Х8.
Заключительным этапом формирования целевой функции качества образовательного процесса является выяснение ее структуры в зависимости от
входящих в нее показателей качества обучения Уi.
В первом приближении будем считать такую зависимость линейной, а
соответствующие коэффициенты при Уi определим, пользуясь методом экспертных оценок, на основании опроса экспертов – работников туристских
фирм.
Для проведения такого опроса формировали группу экспертов из представителей следующих турфирм: «Ассоль», «Экипаж», «Русские просторы»,
«Камила», «Каскад», «Ларус», «Марафон», «Маяк» и «Оникс».
Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]