Оптимизация контента онлайн-курса по данным статистики активности пользователей

Цифровизация современной образовательной среды приводит к изменению стиля учебной активности студентов и профессиональной деятельности преподавателей высшей школы. Требование профессионального стандарта работников образования обязывает преподавателей вузов не только разрабатывать образовательный контент дисциплины, но и применять средства ИКТ для управления учебной активностью обучаемых. Это особенно важно для заочной дистанционной формы обучения, в которой очный контакт в течение семестра ограничен вебинарами и скайп-консультациями. Анализ ситуации показывает, что в процессе обучения студентов заочной формы обучения присутствует значительная неравномерность освоения содержания дисциплин, с выраженным пиком активности в период сессии и после неё при ликвидации академической задолженности. Целью работы являлось исследование возможностей стандартных средств статистики активности пользователей в LMS MOODLE для оптимизации курса по трём параметрам: форма представления контента, временная структура курса и качество контрольно-измерительных материалов. Эти параметры, по мнению авторов, являются главными в мотивации пользователей к последовательному использованию онлайн-курса в течение семестра. В рамках темы в течение трёх лет проведено исследование статистических характеристик активности студентов электронного курса «Информатика», размещённого в системе управления обучением MOODLE. Эксперимент охватывал студентов первого курса, обучающихся по направлению «Электроэнергетика и электротехника». Полученные результаты оптимизации структуры и формы представления контента дисциплины свидетельствует о положительном изменении динамики освоения студентами содержания курса в плане увеличения числа посещений курса студентами в период учебного семестра. Аналогичным путём оптимизирована процедура диагностики результатов обучения студентов – анализ прохождения тестовых процедур с помощью средств статистики активности пользователей, имеющихся в арсенале LMS MOODLE, – расчёта коэффициента лёгкости заданий теста и его эффективности дискриминации. Наблюдаемое увеличение абсолютной успеваемости студентов по оптимизированному курсу свидетельствует о результативности произведённых изменений. Таким образом, показано, что использование инструмента статистики действий пользователей в курсе на платформе MOODLE позволяет достоверно проверить эффективность инноваций в педагогическом дизайне онлайн-курса, обеспечивающих увеличение учебной активности студентов в течение семестра.

1. Shah D. MOOC Trends in 2016: College Credit, Credentials, and Degrees. URL: https://www.class-central.com/report/mooc-trends-creditcredentialsdegrees/

2. Боголепова С.В., Малкова Н.В. Использование потенциала современных систем управления обучением в вузовском образовании // Высшее образование в России. 2017. № 5. С. 105–112.

3. Гречушкина Н.В. Онлайн-курс: определение и классификация // Высшее образование в России. 2018. Т. 27. № 6. C. 125–134.

4. Нестеров С.А. Анализ статистики выполнения тестовых заданий в среде дистанционного обучения MOODLE // Современные информационные технологии и ИТ-образование. 2016. № 4. С. 62–67.

5. Нестеров С.А., Сметанина М.В. Оценка качества тестовых заданий средствами среды дистанционного обучения MOODLE // Научно-технические ведомости СанктПетербургского государственного политехнического университета. Информатика. Телекоммуникации. Управление. 2013. № 5. С. 87–92.

6. Протасова И.В., Толстобров А.П., Коржик И.А. Методика анализа и повышения качества тестов в системе электронного обучения MOODLE // Информационная среда вуза XXI века: сб. тр. VII Международной науч.-практ. конф. Петрозаводск: Петрозаводский государственный университет, 2013. С. 191–194.

7. Муханова А.А., Муханов С.А. Технология проектирования и оценки тестов в СДО MOODLE // Сборник научных трудов SWorld. Иваново: Научный мир, 2013. С. 27–35.

8. Аббакумов Д.Ф., Лебедева М.Ю. Лексикограмматический распределительный тест по РКИ: опыт создания, апробации психометрического анализа // Русский язык за рубежом. 2016. № 5. С. 73–78.

9. Разработка и внедрение методики и инструментария психометрической аналитики онлайнкурсов. URL: https://docplayer.ru/73374892Razrabotka-i-vnedrenie-onlayn-kursov.html

10. Купцов А. Специализация «Машинное обучение и анализ данных». URL: https://docviewer.yandex.ru/АлександрКупцов_Специализация «Машинное обучение и анализ данных» Яндекс и МФТИ.pdf?forcedownload=1

11. Патаракин Е.Д. Совместная сетевая деятельность и поддерживающая её аналитика // Высшее образование в России. 2015. № 5. С. 145–154.

12. Абрамова О.В. Использование облачных технологий для организации контроля учебной деятельности // Высшее образование в России. 2015. № 7. С. 155–159.

13. Система мониторинга контента и активности пользователей в LMS MOODLE. URL: https://ido.tsu.ru/product/

14. Оценка качества онлайн-курсов. URL: http://neorusedu.ru/activity/otsenka-kachestvaonlaynkursov

15. Стародубцев В.А., Ряшенцев И.В. Элементы геймификации в LMS MOODLE // Международный научно-исследовательский журнал. 2017. № 7 (61). Ч. 1. С. 98–102.

16. Шиков А.Н., Баканова А.П., Логинов К.В., Окулов С.А., Чунаев А.В. Применение игровых механик в системах корпоративного обучения с использованием модели смешанного обучения // Информатика и образование. 2018. № 5. C. 44–48.

17. Web Accessibility Checker. URL: https://achecker.ca/checker/index.php

18. Монахов В.М. Разработка прогностической модели развития теории обучения для ITобразования // Современные информационные технологии и ИТ-образование. 2017. Т. 13. №2. С. 111–121. DOI: https://doi.org/10.25559/SITITO.2017.2.238

19. Distant Technologies as Cost Effective Way of Teaching / L.V. Vorobyova et al. // The European Proceedings of Social & Behavioural Sciences (EpSBS). 2017. Vol. 26: Responsible Research and Innovation (RRI 2016). P. 1002–1008. URL: http://dx.doi.org-10.15405-epsbs.2017.07.02.129.pdf