Технология прогнозирования образовательных результатов (на примере изучения курса «Химия» студентами инженерно-строительного вуза

Abstract

Целью данной статьи является разработка технологии прогнозирования оценки будущих инженеров-строителей в ходе изучения курса «Химия», позволяющая предугадывать образовательные результаты за весь курс на первых занятиях. В качестве средства диагностики выбран метод кластерного анализа k-средних. Для проведения эксперимента собраны результаты текущего контроля (с точностью до 0,5 балла) – 298 студентов- первокурсников, обучающихся в инженерно-строительном вузе, из 19 академических групп очного бакалавриата. Студентам предложено спрогнозировать (по 100-балльной шкале) их балл по изучаемому курсу. Разработанная технология позволяет с удовлетворительной точностью (86,24 %) прогнозировать образовательные результаты по курсу «Химия» на третьей неделе обучения. Проверено восемь гипотез, которые позволили прийти к выводу, что можно разработать хороший педагогический прогноз после заверения третьей недели обучения студентов-первокурсников, которых можно разбить на три кластера: получившие положительный балл; достигшие удовлетворительного результата; студенты, которым обязательно необходимо сдавать экзамен для получения оценки «удовлетворительно». Исследование вносит вклад в развитие компьютационной педагогики: может быть полезно преподавателям (для рекомендации посещения студентами, которые не смогут самостоятельно достичь хороших результатов, консультаций и для более эффективного распределения времени экзаменационной сессии), студентам (как дополнительная мотивация к изучению ряда проблемных дисциплин), кураторам и заместителям деканов по учебной работе (для поиска «проблемных» студентов и предотвращения / устранения академических задолженностей в начале семестра). The purpose of this article is to develop a forecasting technology that makes it possible to predict the learning outcomes of civil engineers’ students studying “Chemistry” during the first weeks of study. The method of cluster analysis of k-means was chosen as a diagnostic tool. The participants were the students of 19 academic groups of full-time bachelor's degree program. For the experiment, the results of current control group (with an accuracy of 0.5 points) were collected from 298 first-year students that were asked to predict (on a 100-point scale) their score for the course being studied. The developed technology allows predicting learning grades with satisfactory accuracy equal to 86.24%. Eight hypotheses were tested; the results can be divided into three clusters of students: those who received a positive score; those who achieved a satisfactory result; students who are required to pass the exam to obtain a “satisfactory” grade. The study contributes to the development of computer pedagogy. It can be useful for teachers (for recommending to visit consultations to students who cannot achieve good results on their own, for a more efficient distribution of exam session’s time). The results can be useful for students (as a motivation to put more efforts into studying some disciplines), and for tutors and deputy deans for academic affairs (to search for “problem” students and decrease possible academic failures early).