|
Адаптивное компьютерное обучение (см. статью выше) стимулировало рынок продуктов для автоматизированного обучения (инструментальные оболочки, курсы, учебники и т.д.). Но насыщенность такого рынка не так значительна, чтобы удовлетворить разносторонний спрос. Компаний – раз-два… Более-менее хорошо с электронными учебниками для школ (физика, математика, языки, история).
Но нет релевантных методик адаптивного обучения (обучения в адаптивном режиме). Адаптивность часто сводится к линейной «пропускной системе» для очередного кванта знаний. Без учета ритма и достигнутого уровня обученности, предпочтительной формы сообщения знаний, когнитивных особенностей обучаемого.
Типовой банк, например КИМ ЕГЭ, имеет сложную структуру (обычно, древовидную) и сложный кодификатор: тематические разделы, подразделы, блоки, пункты, элементы содержания. Это необходимо для того, чтобы параметризировать выборку заданий (компьютерную) для различных выборок испытуемых и различных оценочных алгоритмов без повторных апробаций программ обучения. Но большинство СУБ тестовых заданий ориентировано на всю совокупность испытуемых.
Адаптивное тестирование предполагает неизменную правильность ответа для пары «испытуемый-задание» (валидность задания). Максимум информационной ценности теста должен быть вблизи уровня подготовленности испытуемого (предметной, психологической, педагогической) – необходима дифференцирующая способность заданий. В противном случае, механизм (алгоритм) адаптивности будет работать неустойчиво, например, предъявлять более трудные задания до завершения подготовки к ним. Или вообще не будет работать, например, выдавать неверное заключение о подготовленности – при неправильной калибровке заданий.
Итак, необходим:
· качественный банк откалиброванных заданий;
· поиск «дефектов» в структуре знаний;
· анализ предпочтений для представления материала и выбора его формы;
· механизм адаптации содержания курса.
|
