Preview

Вестник СибГУТИ

Расширенный поиск

Многофакторный анализ влияния особенностей студентов на академическую успеваемость для персонализации образовательной среды

https://doi.org/10.55648/1998-6920-2022-16-1-18-34

Полный текст:

Аннотация

Современные университеты, разрабатывая цифровую среду, опираются на студенто-центрический подход, актуальные педагогические и дидактические практики, что позволяет учитывать индивидуальные особенности студентов и адаптировать к ним образовательный процесс. Персонализация образовательной среды, таким образом, призвана улучшить качество образовательного процесса, подняв его на новый уровень. В данной статье приведены результаты применения методов многофакторного моделирования для выявления общих связей и закономерностей между успеваемостью студентов и их психометрическими характеристиками. Исследуемая выборка включает результаты тестирования студентов Новосибирского государственного технического университета (НГТУ), определяющие когнитивные, мотивационные и личностные особенности обучаемых, а также информацию о всех прошедших аттестационных испытаниях, предусмотренных учебным планом. Отличительной чертой данной работы является разнообразие тестов, которым подвергались студенты, с целью найти сочетания составляющих их подтестов (факторов), наиболее сильно влияющих на успешность обучаемого, для последующего использования выявленных закономерностей при проектировании индивидуальных траекторий, например, выдачи образовательного контента с учетом особенности личности студента.

Об авторах

Т. В. Авдеенко
НГТУ
Россия

Авдеенко Татьяна Владимировна, д.т.н., профессор, профессор кафедры теоретической и прикладной информатики

630073, Новосибирск, пр. К. Маркса, 20, тел. (383) 3-460-600



Н. В. Пустовалова
НГТУ
Россия

Пустовалова Наталья Викторовна, аспирант, старший преподаватель кафедры автоматизированных систем управления

630073, Новосибирск, пр. К. Маркса, 20, тел. (383) 3-461-100



Список литературы

1. Олейникова О. Н., Редина Ю. Н. Макротренды развития системы высшего образования в мире. [Электронный ресурс]. URL: http://www.vestnik.vsu.ru/pdf/educ/2018/03/2018-03-02.pdf (дата обращения: 11.12.2021).

2. Россия 2025: от кадров к талантам. [Электронный ресурс]. URL: http://drussia.ru/wp-content/uploads/2017/11/Skills_Outline_web_tcm26-175469.pdf (дата обращения: 11.12.2021).

3. Глобальная конкурентоспособность российского образования. [Электронный ресурс]. URL: https://publications.hse.ru/books/223161350 (дата обращения: 11.12.2021).

4. Драгунова Е. В., Пустовалова Н. В., Вальдман И. А. Инновационные технологии в дизайне образовательных экосистем // Материалы МНТК «Актуальные проблемы электронного приборостроения (АПЭП-2018)». Т. 8. С. 62–69.

5. Васильченко С. Х. Формирование персональной образовательной среды на основе информационных технологий для реализации индивидуальных траекторий обучения (на примере корпоративного обучения): автореф. дисс. ... канд. пед. наук. М., 2012.

6. Кочергина Е. В., Най Дж. В. К., Орёл Е. А. Факторы «Большой пятерки» как психологические предикторы академической успеваемости студентов вузов // Психологические исследования. 2013. Т.6. № 27. [Электронный ресурс]. URL: http://psystudy.ru/index.php/num/2013v6n27/776-kochergina27.html (дата обращения: 11.12.2021).

7. Збанацкая А. Б. Личностные характеристики студентов вуза как основа индивидуального стиля учебной деятельности: дисс. ...канд. псих. наук: М., 2007.

8. Малахова С. И. Связь психометрического интеллекта с личностной саморегуляцией студентов: автореф. дисс. ... канд. пед. наук. М., 2013.

9. Gilmore P., Self J. The application of machine learning to intelligent tutoring systems. Artificial Intelligence and Human Learning. Intelligent Computer-aided Instruction. Chapman and Hall, London, 1988. pp. 179–196.

10. Пустовалова Н. В. Онтологическая модель процесса взаимодействия образовательного контента и обучаемого в архитектуре интеллектуальных обучающих систем // Вестник Астраханского государственного технического университета. Серия: Управление, вычислительная техника и информатика. 2021. № 4. С. 113–125.

11. Ржанова И. Е., Бритова В. С., Алексеева О. С., Бурдукова Ю. А. Флюидный интеллект: обзор зарубежных исследований // Клиническая и специальная психология. 2018. Т. 7, № 4. С. 19–43. [Электронный ресурс]. URL: doi:10.17759/cpse.2018070402 (дата обращения: 11.12.2021).

12. Математические методы в психологии. Основы применения (Mathematical Methods in Psychology: Basics of Applying) / Санкт-Петербургский государственный университет. [Электронный ресурс]. URL: https://www.coursera.org/learn/matematicheskiye-metody-v-psikhologii (дата обращения: 11.12.2021).

13. RDocumantation [Электронный ресурс]. URL: https://www.rdocumentation.org/ (дата обращения: 11.12.2021).


Рецензия

Для цитирования:


Авдеенко Т.В., Пустовалова Н.В. Многофакторный анализ влияния особенностей студентов на академическую успеваемость для персонализации образовательной среды. Вестник СибГУТИ. 2022;(1):18-34. https://doi.org/10.55648/1998-6920-2022-16-1-18-34

For citation:


Avdeenko T.N., Pustovalova N.V. Multivariate analysis of the students' characteristics influences on academic progress for the personalization of educational environment. The Herald of the Siberian State University of Telecommunications and Informatics. 2022;(1):18-34. (In Russ.) https://doi.org/10.55648/1998-6920-2022-16-1-18-34

Просмотров: 56


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 1998-6920 (Print)