2. Разработка алгоритмов поддержки взаимодействия компетентностно-ориентированных моделей в обучающих иэс

Ниже представлены разработанные алгоритмы с пошаговым описанием и блок-схемами.

1. Разработка алгоритмов учета степени достижения целевых компетенций по конкретным курсам/дисциплинам для обучаемого

Рассмотрим постановку задачи в целом.

Дано:

• Выборка X – уровень знаний обучаемых: Результаты 1-го (среднесеместровый контроль) тестирования.

Compmark_i = <ZL, Wn> - множество рассчитанных коэффициентов компетенций, где ZL – уровень сложности, Wn – сбалансированные весовые коэффициенты.

• Выборка Y – уровень знаний обучаемых: Результаты 2-го (конец семестра) тестирования.

Compmark_i = <ZL, Wn> - множество рассчитанных коэффициентов компетенций, где ZL – уровень сложности, Wn – сбалансированные весовые коэффициенты.

Требуется: произвести анализ гипотезы о том, что уровень знаний в середине и конце семестра имеют линейную зависимость. Выдвинуто предположение, что данные X и Y распределены по нормальному закону. Блок схема алгоритма изображена на рис.19.

Алгоритм:

Шаг 1:Осуществляется выборка данных в массивы Xи Y, причём данные структурируются по каждому студенту.

Шаг 2: Вычисляется коэффициент корреляции Пирсона, после чего строятся точечные диаграммы для каждой пары выборок X и Y. На диаграммах проводятся линии тренда, показывающие, на сколько плохо или хорошо прослеживается зависимость данных в выборках Xи Y.

Шаг 3: Делается вывод о степени достижения целевых компетенций каждым обучаемым.

Начало

Выполнить SQL-запрос на выборку результатов компетенций обучаемых 1-ого и 2-ого тестирования

Занести результаты выполнения запроса в два массива Х и У

Последняя строка массива Х достигнута

нет

Имя i-ого обучаемого из массива Х содержится в массиве У

да

Вычислить средние значения х и у элементов каждого массива

Вычислить х_i-x и y_i-y (где х_i и y_i – значения i-ых элементов массивов Х и У)

нет

Удалить обучаемого из выборки

да

Вычислить значение (х_i-x)(y_i-y)

Вычислить значение (х_i-x)²(y_i-y)²

Переход к следующему обучаемому (i = i + 1)

Переход к следующим элементам

Конечные элементы массивов достигнуты

Построить точечную диаграмму и провести линии регрессии

нет

Вычислить

∑(х_i-x)(y_i-y)

да

Вычислить

r_t = ∑(х_i-x)(y_i-y)/√ ∑(х_i-x)²∑(y_i-y)²

Вычислить

∑(х_i-x)²∑(y_i-y)²

Завершение

работы

Рис.19 Блок-схема алгоритма учета степени достижения целевых компетенций по конкретным курсам/дисциплинам для обучаемого

2. Разработка алгоритмов учета степени достижения целевых компетенций по конкретным курсам/дисциплинам для группы обучаемых

Рассмотрим постановку задачи в целом.

Дано:

• Выборка X – уровень знаний обучаемых: Результаты 1-го (среднесеместровый контроль) тестирования.

Compmark_i = <ZL, Wn> - множество рассчитанных коэффициентов компетенций, где ZL – уровень сложности, Wn – сбалансированные весовые коэффициенты.

• Выборка Y – уровень знаний обучаемых: Результаты 2-го (конец семестра) тестирования.

Compmark_i = <ZL, Wn> - множество рассчитанных коэффициентов компетенций, где ZL – уровень сложности, Wn – сбалансированные весовые коэффициенты.

Требуется: произвести анализ гипотезы о том, что уровень знаний в середине и конце семестра имеют линейную зависимость. Выдвинуто предположение, что данные X и Y распределены по нормальному закону. Блок схема алгоритма изображена на рис.20.

Алгоритм:

Шаг 1:Осуществляется выборка данных в массивы X и Y, причём данные суммируются и усредняются так, что в обоих выборках остается по одному параметру (группа обучаемых). с набор данных.

Шаг 2: Вычисляется коэффициент корреляции Пирсона, после чего строятся точечные диаграммы для каждой пары выборок Xи Y. На диаграммах проводятся линии тренда, показывающие,на сколько плохо или хорошо прослеживается зависимость данных в выборках Xи Y.

Шаг 3: Делается вывод о степени достижения целевых компетенций группой обучаемых.

Начало

Выполнить SQL-запрос на выборку результатов компетенций обучаемых 1-ого и 2-ого тестирования

Занести результаты выполнения запроса в два массива Х и У

Последняя строка массива Х достигнута

нет

да

Объединить элементы в каждом из массивов Х и У

Имя i-ого обучаемого из массива Х содержится в массиве У

Вычислить средние значения х и у элементов каждого массива

Вычислить х_i-x и y_i-y (где х_i и y_i – значения i-ых элементов массивов Х и У)

нет

Удалить обучаемого из выборки

да

Вычислить значение (х_i-x)(y_i-y)

Вычислить значение (х_i-x)²(y_i-y)²

Переход к следующему обучаемому (i = i + 1)

Переход к следующим элементам

Конечные элементы массивов достигнуты

Построить точечную диаграмму и провести линии регрессии

нет

Вычислить

∑(х_i-x)(y_i-y)

да

Вычислить

r_t = ∑(х_i-x)(y_i-y)/√ ∑(х_i-x)²∑(y_i-y)²

Вычислить

∑(х_i-x)²∑(y_i-y)²

Завершение

работы

Рис.20 Алгоритм учета степени достижения целевых компетенций по конкретным курсам/дисциплинам для группы обучаемых