книги / Управление образовательной деятельностью многопрофильного технического университета на основе негэнтропийного подхода

–формирование набора процессов – носителей выделенных при-

знаков;

–собственно экспликация, т. е. выражение выделенных признаков эксплицируемого процесса через сформированный набор эксплицирующих процессов.

Условиями применимости метода экспликации являются независимость процессов, эксплицирующих исследуемый процесс, а также их различимость (выделенность), обеспечивающая строгую определённость границ (рамок) замещающих признаков, параметров и характеристик.

Вкачестве эксплицируемого процесса в системе управления качеством образовательной деятельности, использующей принцип управления по отклонению, целесообразно рассматривать процесс контроля знаний и умений студентов средствами, в частности, компьютерного тестирования, а в качестве предмета экспликации – результаты такого контроля. Тогда исходное множество свойств (признаков, параметров и характеристик) процесса контроля и его результатов должно включать в себя следующие проявления:

–некачественность используемых тестов;

–некачественность процедуры тестирования;

–некачественность применяемых в учебном процессе образовательных технологий;

–некачественности результатов образовательной деятельности.

Всоответствии с полученным набором свойств формируется набор эксплицирующих процессов – носителей выделенных признаков:

–процесс контроля качества используемых баз тестовых заданий

вразрезе полноты, уровня сложности, дифференцирующей способности и т. д.;

–процесс контроля качества процедуры тестирования в разрезе соответствия предъявленных студентам заданий формуле теста, ретестовой надёжности, валидности и т. д.;

–процесс контроля качества образовательных технологий в разрезе соответствия требованиям ФГОС ВПО, учебным планам и рабочим программам дисциплин, а также возможного наличия проявлений конфликтных ситуаций и коррупционных схем;

–процесс контроля результатов образовательной деятельности и качества знаний студентов в разрезе полноты, глубины, оперативности, гибкости, осознанности, прочности и т. д.

Из структуры процессов-носителей вытекает алгоритм негэнтро-

пийного управления в закрытых образовательных системах. После за-

251

вершения всех видов занятий по учебной дисциплине студенты подвергаются контролю уровня приобретённых ими знаний и навыков, проводимому в форме компьютерного тестирования. Результаты контроля накапливаются в базе данных и по мере накопления используются для формирования управленческих решений. В первую очередь необходимо проконтролировать и добиться приемлемого качества проверочных тестов и процедуры тестирования. Тесты должны соответствовать заданным критериям полноты, сложности, надёжности, дифференцирующей способности, эквивалентности и валидности, рассмотренным в 5-й главе книги. Процедура тестирования должна обеспечивать предъявление студентам тестов примерно равной сложности, охватывающих все разделы и темы изученной учебной дисциплины.

Структурная схема системы управления качеством учебного процесса при компетентностномподходек образованиюприведенанарис. 6.2.

Рис. 6.2. Структура системы управления качеством учебным процессом

Непосредственное воздействие на компетентность студентов (как субстанцию психофизиологическую) затруднительно. Однако в соответствии с процессным подходом, регламентированным стандартами менеджмента качества, требуемая динамика компетентности студентов может быть достигнута при обеспечении надлежащего качества всех элементов учебного процесса, связанных с формированием той или иной компетенции. Иначе говоря, необходимое качество результата может быть обеспечено высоким качеством процесса достижения результата. Поэтому необходимы следующие предположения:

–объектом управления является качество учебного процесса и его элементов;

–вектор желаемого состояния системы определяется перечнем и структурой компетенций выпускников по ФГОС ВПО, а также дескрипторами ООП (см. 4-ю главу);

252

– вектором состояния является текущий уровень компетентности студентов (последним отсчётом которого является уровень компетентности выпускников).

Ключевыми сложностями при реализации предлагаемой системы управления по отклонению от заданной траектории достижения уровня компетентности студентов и выпускников являются:

–существенно нелинейный и дискретный характер процессов в рассматриваемой системе, определяемый неизбежными периодическими изменениями правил и ограничений, связанными с переходом на ФГОС ВПО следующего поколения;

–наличие в единственном контуре управления значительных временных задержек, связанных с продолжительностью нормативного срока освоения основных образовательных программ, сопоставимого с периодом действия ФГОС ВПО.

Следствием указанных сложностей является тот факт, что спроектировать заново, реализовать, отладить эту одноконтурную систему управления и использовать её для подготовки значительного числа компетентных выпускников за срок действия поколения образовательных стандартов практически нереально. Более того, сам по себе выбор в качестве регулируемой величины набора показателей уровня компетентности студентов и выпускников ничего не говорит о том, какие управляющие воздействия могут и должны формироваться системой управления для обеспечения устойчивости и требуемого качества учебного процесса.

Анализ, основанный на опыте создания систем управления образовательной деятельностью, показал, что преодоление указанных сложностей невозможно без надлежащего (полного, точного, строгого и достоверного) определения основного параметра объекта управления (ОУ), а именно «качества». Однако осуществить данное определение в степени, достаточной для практического применения, не просто. В самом деле, какую практическую пользу могут принести формулировки вида: «качество – характеристика объектов, обнаруживающаяся в совокупности их свойств» или «качество – совокупность полезных свойств, позволяющих удовлетворять определённыематериальные илидуховные потребности»?

Вместе с тем достаточно легко достичь требуемой конструктивности при негативном определении понятия «качество» как «отсутствие или приемлемый уровень проявлений некачественности», поскольку подобное определение делает возможным замену единственного термина детальным

иструктурируемым перечнем раскрывающих его деталей. Более того, с целью повышения общности рассуждений и расширения области приме-

253

нимости результатов целесообразно расширить трактовку термина «проявление некачественности», заменив его термином «энтропия», употребляемым в статистическом смысле как мера неупорядоченности систем произвольной природы (в том числе образовательных систем), что показано во 2-й главе книги. При энтропийном подходе к построению систем управления и регулировании по отклонению необходимо измерять текущий уровень неупорядоченности системы, сравнивать его с желаемым (обоснованным) и формировать управляющие воздействия на систему в соответствии с рассчитанным отклонением.

Здесь нужно сделать важное замечание. Казалось бы, требуемым значением энтропии системы является нулевое значение. Иначе говоря, энтропия системы в идеале должна быть возможно более малой. Практически же это не так, поскольку обоснованный уровень энтропии ограничивается как общими требованиями к экономии средств и особенно времени, так и специфическими требованиями к системам тестирования типа закона Йеркса– Додсона, который утверждает, что существует оптимальный уровень мотивациидлядостижениянаилучшихрезультатов[15].

Однако такой сравнительно простой и наглядный алгоритм управления достижением требуемого уровня компетентности выпускников через снижение энтропии учебного процесса не реализуем вследствие невозможности прямого измерения энтропии системы.

Предлагаемая методика подразумевает, во-первых, отказ от использования исходного целевого свойства «качество учебного процесса» и рассмотрение в качестве регулируемой величины свойства «энтропия (неупорядоченность) учебного процесса», а, во-вторых, – экспликацию этого генерального свойства через структурируемый набор раскрывающих его частных свойств, характеризующих неупорядоченность (энтропию) основных элементов образовательной деятельности: субъектов (например, профессорско-преподавательского состава), объектов (студентов), содержания (основных и реализуемых образовательных программ), средств (в частности, контроля уровня сформированности компетенций) и т. д.

Очевидно, что объект управления, являющийся в модели, показанной на рис. 6.2, одномерным (с единственной регулируемой характеристикой – компетентностью студентов и выпускников), в результате раскрытия должен рассматриваться как многомерный (с числом регулируемых характеристик, как минимум, равным числу эксплицирующих показателей неупорядоченности). Система управления энтропией такого объекта также становится многомерной с числом формируемых управляющих воздействий, большим единицы, и равным числу использован-

254

ных в процессе экспликации элементов набора раскрывающих свойств. В качестве объекта управления в данном случае рассматривается совокупность факторов снижения качества учебного процесса.

К ним, в первую очередь, относятся факторы снижения:

–мотивированности участников компьютерного тестирования (авторов баз тестовых заданий (БТЗ), преподавателей-предметников, тестологов, студентов);

–качества БТЗ;

–качества процедуры тестирования;

–качества используемых образовательных технологий;

–качества результатов образовательной деятельности.

Выбор состава раскрывающих свойств диктуется в первую очередь возможностью количественной оценки того или иного свойства, причём измерение величины факторов должно производиться таким образом, чтобы выявить действующие в предметной области закономерности и тем самым стать метрологической основой последующего корреляционного и факторного анализа. Ключевая сложность состоит в том, что в социальных системах (в отличие от технических и производственных систем) действуют факторы, имеющие не материальное (физическое), а психофизиологическое воплощение. Поэтому «проблема датчиков», характерная для инженерных задач, в педагогическом тестировании приобретает особую остроту. Вместо прямого измерения интересующих свойств приходится для каждого из них разрабатывать методику косвенного измерения. При этом вместо непосредственного сравнения интенсивности изучаемого свойства с эталоном вычисляется функционал, зависящий от свойств системы, поддающихся прямому измерению, и позволяющий оценить анализируемый фактор с необходимой достоверностью.

Проиллюстрируем изложенное примером. Предположим, что нас интересуют факторы снижения мотивированности студентов к успешному прохождению компьютерного тестирования. Имеется возможность выполнить прямое измерение показателей (например, средней оценки или времени, затраченного на процедуру тестирования), которые на первый взгляд могут свидетельствовать о стремлении студентов показать высокий результат либо, наоборот, о равнодушном отношении к нему. На деле это не так. Студенческие группы с высоким уровнем подготовки могут и при низкой мотивированности показать низкий результат точно так же, как и группы с высокой мотивированностью, но слабой подготовкой. Тот факт, что студенты не заканчивают процедуру тестирования досрочно, а используют всё отведённое время, также может быть вызван

255

и их стремлением улучшить результат, и необходимостью дождаться следующего занятия, которое в данной группе запланировано в той же аудитории, в которой проходит тестирование.

Подбор указанного выше оценивающего функционала является достаточно сложной задачей. Например, подбор алгоритма оценки мотивированности студентов ПНИПУ потребовал всестороннего анализа результатов компьютерного тестирования более чем шести тысяч студентов по четырём учебным дисциплинам. После этого были проведены корреляционный и факторный анализы результатов, что позволило подобрать искомые оценивающие функционалы для большинства необходимых показателей, а для остальных – сформулировать предложения по совершенствованию системы компьютерного тестирования в плане улучшения её метрологических свойств. В частности, в качестве оценки уровня мотивированности студентов оказалось возможным использовать величину коэффициента линейной регрессионной зависимости результатов компьютерного тестирования от использованного времени тестирования (рис. 6.3). В качестве регрессора рассматривается доля времени, реально использованного студентом на прохождение теста, от всего времени, отведённого на тестирование по данной учебной дисциплине. Объясняемой величиной является результат (в процентах от максимального), показанный каждым студентом в ходе тестирования. На рис. 6.3 видно, что среди общего числа присутствуют студенты, полностью использовавшие ресурс времени (как боровшиеся за свой результат до последней минуты, так и просто проводящие время), и студенты, которые формально ввели в систему случайные ответы и покинули аудиторию.

Результаты компьютерного тестирования также распределились в широком интервале. Аналогичной обработке подверглись результаты тестирования студентов по трём модулям четырёх учебных дисциплин: «История», «Философия», «Социология и политология», «Физика», которые приведены в табл. 6.1 и на рис. 6.4. Следует отметить, что компьютерному тестированию по различным модулям предшествовала разная по содержанию подготовительная работа.

Первый модуль, по существу, являлся ознакомительным, поэтому какая-либо заметная мотивация студентов отсутствовала. Но по его результатам факультеты и кафедры провели определённую организационную работу как по позитивному, так и по негативному стимулированию, и уровень мотивированности студентов заметно вырос.

256

устойчивости системы на всех режимах её функционирования, повышения её запасов устойчивости, стабилизации на критических режимах функционирования при возможных отказах в сепаратных подсистемах актуальным является проектирование систем управления с использованием дополнительных корректирующих и стабилизирующих связей между отдельными её каналами, образующих многомерный регулятор. Данная задача (а также многие другие сопутствующие ей) к настоящему времени решена для систем любой природы [16].

Вместе с тем управление социальными (в отличие от технических и производственных) системами связано со значительными трудностями.

Первая из них связана с физическим содержанием процедуры изменения регулируемой величины под действием управляющего воздействия со стороны регулятора. В технических системах такая проблема отсутствует. Например, если регулируемый уровень жидкости в резервуаре понижается, то регулятор обеспечивает соединение данного резервуара с источником жидкости – фактически другим резервуаром, уровень жидкости в котором (или, что эквивалентно, – давление жидкости) выше, чем на объекте управления. Задача создания такого «подпитывающего» резервуара тривиальна. В социальных системах в большинстве случаев невозможно создание подобного технологического «резервуара регулируемой величины», из которого можно было бы в случае необходимости пополнить недостачу регулируемой величины, и куда в противном случае можно было бы удалить её избыток. Например, одним из признаков снижения качества БТЗ является их недостаточная дифференцирующая способность, то есть способность обеспечивать различие в результатах компьютерного тестирования, адекватное различию в истинном уровне овладения анализируемой компетенцией у разных студентов или студенческих коллективов (см. 5-ю главу). Однако создать источник дифференцирующей способности тестов нельзя, поскольку данный показатель является чисто расчётным, и невозможно создать физический или информационный объект, являющийся его вместилищем. В подобных ситуациях воздействие на объект управления со стороны регулятора может носить исключительно косвенный, опосредованный характер. В рассматриваемом примере управления качеством БТЗ разработчик располагает весьма ограниченным инструментарием управления и может лишь добавлять в БТЗ новые задания и удалять имеющиеся (поскольку изменение формулировки задания эквивалентно операции удаления-добавления). Причём вклад того или иного задания, уже использованного при тестировании, в энтропию системы БТЗ

259

можно оценить достаточно точно (выявив, например, задание, с которым все без исключения студенты справились успешно, сделав вывод о значимом вкладе этого задания в снижение дифференцирующей способности БТЗ и отнеся его в кандидаты на удаление из БТЗ). Определить же, каким будет вклад в энтропию системы нового задания, размещаемого в БТЗ (а делать это необходимо, поскольку простое удаление «плохого» задания, снижая энтропию одного частного показателя, повышает энтропию другого – например, представительности БТЗ), априорно до использования его в массовом тестировании невозможно.

Исходя из изложенного, предлагается следующий алгоритм регулирования энтропии ОУ:

–удалять из системы элементы, о которых апостериорно (из практики реального тестирования) известно, что они являются источниками повышения энтропии;

–взамен их добавлять элементы, оценка будущего вклада каждого из которых в энтропию системы не известна, но известно (апостериорно), что в их число входят элементы как повышающие, так и понижающие энтропию.

Данный алгоритм проиллюстрируем примером. Предположим, что автор БТЗ разместил в ней 120 заданий (нормативно установленное в ПНИПУ число тестовых заданий для модуля учебной дисциплины). Входе статистической обработки результатов проведённого тестирования студентов обнаружилось, что дифференцирующая способность БТЗ не достаточна, причём значительный вклад в снижение её качества внесли 14 вопросов (порядка 10 % от общего количества заданий), на каждый из которых правильно ответили все испытуемые или не ответил никто. Здравый смысл подсказывает, что если удалить из БТЗ эти 14 заданий и вместо них разместить 14 других заданий, составленных тем же автором, то и в них доля «плохих» вопросов составит ту же одну десятую часть. Другими словами, есть все основания предполагать, что если до реализации регулирующего воздействия

вбазе содержалось 14 «плохих» заданий, то после срабатывания регулятора ихчислоуменьшитсядо двух.

Условием работоспособности предлагаемого алгоритма является превышение вклада в энтропию системы удаляемых элементов по сравнению с добавляемыми. Рабочая гипотеза состоит в том, что если создаваемая система в первом приближении показывает принципиальную работоспособность (приемлемый уровень исходной неупорядоченности), то её коррекция в процессе последующих итераций, произведённая тем

260