На сегодняшний день образовательные организации накопили существенные массивы разнородных образовательных данных. Но, несмотря на это, основным источником информации об освоении образовательной программы и достижении образовательных результатов в виде сформированных компетенций, как правило, остаются данные о промежуточной и итоговой аттестации студентов, а также данные о текущей успеваемости и посещаемости. На основе этих данных широкое распространение получили различные модели предиктивной аналитики, которые позволяют прогнозировать успешность обучения студентов по отдельным дисциплинам в разрезе различных показателей [1]. Однако такой подход остается во многом одномерным, опирается на текущую успеваемость, не учитывает характер формирования образовательных результатов, не способен давать прогноз о качестве сформированных компетенций, что в свою очередь приводит к потере данных о профессиональных качествах будущего выпускника.
Большинство мировых и отечественных образовательных организаций уделяют особое значение развитию электронных информационных образовательных сред, включающих различные LMS, образовательные ресурсы, инструменты взаимодействия и коммуникации, оценки и контроля знаний, административные инструменты, интерактивные технологии и средства визуализации, системы поддержки пользователей.
Остановимся подробнее на электронных образовательных курсах [2], которые не стоят на месте, претерпели определенную эволюцию, благодаря технологическому развитию LMS, а также широкому развитию проектов, связанных с созданием электронных адаптивных обучающих курсов (АЭОК), персонализированной адаптивной обучающей системы (ПАОС). Главной особенностью которых является подбор образовательного контента, максимально соответствующего индивидуальным способностям, запросам и потребностям обучающегося [3,4]. Создание таких многоуровневых курсов и систем должна предполагать определенную структуру оценки формирования образовательных результатов.
В 1956 году Б. Блумом и его коллегами была предложена первая таксономия педагогических целей, которая предполагает иерархическую модель классификации образовательных результатов и является мощным инструментом по созданию курсов, формулированию целей обучения и оценке их достижения [5]. Таксономия состоит из следующих уровней, начиная с базового и предполагает движение к более сложным: знание, понимание, применение, анализ, синтез, оценка. В 2001 году была предложена пересмотренная версия таксономии, где уровни были немного изменены и переименованы, добавив акцент на активные процессы [6]. В работе [7] была подчеркнута актуальность модели Блума в контексте современных подходов к обучению для разработки учебных программ и оценки образовательных результатов. На сегодняшний день многие преподавтели используют различные модели проектирования образовательных курсов, в том числе, основываясь на таксономии Блума, например, в работе [8] была предложена технологическая карта организации учебного процесса дисциплины c применением таксономии, реализуемой по смешанной модели с применением LMS Moodle.
Однако, на данный момент нет единого подхода, который бы позволял быстро осуществлять анализ образовательных данных по всем дисциплинам образовательной программы, проводя подробный анализ целей обучения, регламентированных электронными курсами, образовательных результатов обучающихся и предметной области. Авторы предлагают подход, основываясь на таксономии Блума, который позволит оценить когнитивную составляющую целей обучения применительно ко всем дисциплинам учебного плана образовательной программы, если обучение осуществляется с применением электронных обучающих курсов, разработанных, например, на базе LMS Moodle.
Журнал оценок любой дисциплины, реализуемой в LMS Moodle представляем матрицу (см. рисунок 1). Элементы j = 1, ..., M представляют собой совокупность всех элементов курса, которые должен выполнить обучающихся. Максимальная оценка за каждый элемент равна сумма w_j, j = 1, ..., M баллов за весь электронный обучающий курс Каждый студент i, i = 1, ..., N набирает за курс баллов.

Рис. 1 – Журнал оценок электронного обучающего курса в LMS Moodle

Стоит отметить, что журнал оценок может содержать дополнительные столбцы, отвечающие за группировку оценок по различным модулям электронного курса, а также сами элементы курса могут быть просуммированы с различными весовыми коэффициентами для вычисления итогового балла за курс, но, в целом, это не меняет подхода представления журнала оценок в виде матрицы, представленной на рисунке 1, подразумевая только дополнительную предобработку данных на начальном этапе исследования.

Рис. 2 – Экспертная матрица распределения баллов за элементы электронного обучающего курса по уровням таксономии Блума

В электронном обучающем курсе необходимо выполнить кластеризацию элементов по уровням таксономии Блума. Тогда курсу будет соответствовать экспертная матрица распределения баллов за элементы электронного обучающего курса по шести уровням . По строкам, соответствующим элементам курса, записывается вклад (в баллах) . в формирование уровня таксономии. Элемент курса может вносить вклад в формирование нескольких уровней A_k, некоторые могут равняться нулю. Суммарное значение баллов по строкам должно быть равно максимальной оценке за соответствующий элемент курса. Сумма баллов по столбцам показывает максимальное значение баллов курса, отведенное экспертом (разработчиком курса) для уровня таксономии . Максимальная оценка за весь электронный обучающий курс .
В качестве результата мы должны получить матрицу с распределением баллов, набранных студентами по уровням таксономии Блума (см. рисунок 3).

Рис. 3 – Матрица распределения баллов, набранных студентами за курс, по уровням таксономии Блума

Для вычисления количества баллов курса , набранных студентом по уровню таксономии , необходимо скалярно умножить ю строку первой матрицы на й столбец второй, где предварительно все элементы , отнормированны согласно вкладу соответствующего элемента в формирование уровня то есть

Предложенный подход поможет структурировать и оценить образовательные цели, что будет способствовать повышению качества материалов электронного обучающего курса. Применение модели Блума позволит: сделать оценку за электронный обучающий курс более многогранной, точнее оценить ее когнитивную составляющую, более ясно сформулировать уровни обучения, заложенные в курсе, выработать четкие измеримые цели обучения, выявить «слабые места» электронного обучающего курса, повысить уровень персонализации курса, а также мотивировать обучающихся на достижение высших уровней когнитивного процесса (анализ, синтез, оценка).

Литература:

1. Зыкова Т. В. Алгоритм анализа и оценки учебных планов образовательных программ / Т. В. Зыкова, А. А. Кытманов, Е. А. Халтурин, Ю. В. Вайнштейн, М. В. Носков // Информатика и образование, 2024. – Т. 39. – № 1. – C. 52-64. – DOI: 10.32517/0234-0453-2024-39-1-52-64.
2. Zykova T.V. E-learning courses in mathematics in higher education / T.V. Zykova, V.A. Shershneva, Yu.V. Vainshtein, A.S. Danilenko, A.A. Kytmanov // Perspectives of Science and Education, 2018. – № 4 (34). – С. 58-65.
3. Вайнштейн Ю. В. Индивидуализация обучения математической логике в электронной информационно-образовательной среде / Ю. В. Вайнштейн, Р. В. Есин, В. А. Шершнева // Перспективы науки и образования. – 2020. – № 5(47). – С. 147-159. – DOI: 10.32744/pse.2020.5.10.
4. Вайнштейн Ю. В. Адаптивное электронное обучение в современном образовании / Ю. В. Вайнштейн, В. А. Шершнева // Педагогика, 2020. – № 5. – С. 48-57.
5. Bloom B.S., Engelhart M.D., Furst E.J., Hill W.H., Krathwohl D.R. Taxonomy of educational objectives: The classification of educational goals, Handbook I: Cognitive domain, David McKay Company, New York, 1956.
6. Anderson L.W., Krathwohl D. R. et al eds. A Taxonomy for Learning, Teaching, and Assessing: A Revision of Bloom’s Taxonomy of Educational Objectives. Allyn & Bacon. Boston, MA (Pearson Education Group), 2001.
7. Forehand M. Bloom's Taxonomy. In: M. Orey (Ed.), Emerging Perspectives on Learning, Teaching, and Technology, 2010.
8. Аксенова Н. В. Эффективные методы и подходы для разработки электронного курса / Н. В. Аксенова, А. В. Диденко // Профессиональное образование в России и за рубежом, 2016. – № 2(22). – С. 108-114.