Использование компьютерных программ для повышения качества обученности студентов Челябинского госуда...
Курсовой проект - Компьютеры, программирование
Другие курсовые по предмету Компьютеры, программирование
вовать повышению качества обученности учащихся. В начале воспользуемся статистикой критериев знаков и сравним оценки двух групп. Результаты сравнительной оценки представлены в таблице 2.7.
Таблица 2.7 Сравнение оценок группы 1 и группы 2
Порядковый номер учащегося Номер группы Знак изменениягруппа 1группа 21234134+234+333=445+534+653-723+834+944=1045+1134+1253-1344=1434+1534+1645+1745+1854-
Из таблицы 2.7 видно, что после введения в обучение НИТ оценки более половины студентов изменились в положительную сторону
Обрабатываем результаты таблицы 2.7.
- Исключаем случаи равенства и определяем объем новой выборки, состоящей из пар различающихся результатом: n=18-3=15.
- Определяем количество чаще встречающихся знаков: k max = 12 +.
- В таблице 4 [] находим для n=15 пограничное значение критерия знаков на 95%-ном уровне достоверности: k табл =12.
k max (12) = k табл (12), следовательно, мы делаем вывод, что
различия в результатах не случайны, а вызваны применением в процессе обучения компьютерных программ, и, следовательно, применение этих программ в дальнейшем также даст положительные результаты.
Как известно, наиболее общей характеристикой измерения успешности обучения является так называемый процентный показатель успеваемости учащихся, который в последнее время чаще используется в формулировке процент обученности учащихся. Данный показатель учитывает процентное отношение учащихся, успевающих по определенной дисциплине к общему числу учащихся в классе. Другим показателем является процент качества знаний учащихся (на 4 и 5). Можно спорить о совершенстве тех или иных показателей в диагностике обучения, но обучение без оценок, как показывает опыт, невозможно. Необходима разработка более объективной системы оценивания, а она возможна, прежде всего, при наличии определенной методики, обеспечивающей сравнимость результатов в системе педагогического мониторинга. Наиболее объективной из действующих методик измерения обученности класса или группы учащихся, на наш взгляд, является показатель СОК (степень обученности класса) формула (3) В.П. Смирнова:
СОК =п5100% + п4 64% + п3 36% + п2 16%,(3)
N
где п5 количество полученных при исследовании пятерок;
п4 количество четверок;
п3 количество троек;
п2 количество двоек;
N общее количество учащихся.
Использовав данную формулу при проведении исследования влияния компьютерных программ на качество обученности, мы получили такие результаты:
для группы 1: СОК = 3*100% + 6*64% + 8*36% + 1*16% ;
18
для группы 2: СОК = 4*100% + 10*64% + 4*36%
18
Из расчетов видно, что показатели экспериментальной группы лучше. Результаты расчета сведены в таблицу и представлены в графической части.
Статистическая обработка результатов
1) Констатирующий эксперимент.
Для обработки результатов (оценок), полученных после проведения семестровой работы в контрольной и экспериментальной группах Т-381, воспользуемся методом вторичной статистической обработки. В таблице 2.4 представлено сравнение оценок.
Проведем ранжирование оценок:
Т-381 (1997): 2, 3, 3, 3, 3, 3, 3, 3, 3, 4, 4, 4, 4, 4, 4, 5, 5, 5.
Т-381 (2006): 3, 3, 3, 3, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 5, 5, 5, 5.
Для группы Т-381 (1997): медиана 3,5, мода 3.
Для группы Т-381 (2006): медиана 4, мода 4.
W размах значений оценок;
Для группы Т-381 (1997): W=5-2=3 (без применения компьютера);
Для группы Т-381 (2006): W=5-3=2 (с применением компьютера), то есть размах значений оценок уменьшился на 1, это значит, что качество обученности в среднем по группе повысилось.
Sср средний балл по семестровой работе;
Sср (группа 1) = 3,61, тогда как Sср (группа 2) =4
Sср (группа 1) < Sср (группа 2) на 9,75 % (разница допускается до 10%) следовательно для подтверждения гипотезы проведем формирующий эксперимент.
2) Формирующий эксперимент.
Вторичные методы статистических расчетов более сложные, но выявляют скрытые статистические закономерности эксперимента.
Для упрощения расчетов первую и вторую выборки оценок разобьем на девять подгрупп, так как количество учащихся в группах равное (по 18 человек), в каждой подгруппе по два человека. Сведем данные в таблицы.
В таблице 2.8 определены меры центральной тенденции и вариативности для группы 1, а в таблице 2.9 для группы 2.
Таблица 2.8- Меры центральной тенденции и вариативности для группы 1
Номер парыСреднее значение оценки в пареОтклонение от медианыКвадрат отклонения12,511230,50,25330,50,25430,50,2553,50064-0,50,2574-0,50,2584,5-1195-1,52,25Суммарное квадратное отклонение: У = 5,5Значение медианы: 3,5
Таблица 2.9 - Меры центральной тенденции и вариативности для группы 2
Номер парыСреднее значение оценки в пареОтклонение от медианыКвадрат отклонения123 4131 123113400440054006400740085119511Суммарное квадратное отклонение: У = 4Значение медианы: 4
Определим дисперсию (среднее квадратичное отклонение) по формуле 4:
SІ = У / n ,(4)
где n количество подгрупп (пар);
У - суммарное квадратное отклонение.
Для группы 1: SІ = 5,5/ 9 = 0,61;
для группы 2: SІ = 4/ 9 = 0,44.
Для сравнения двух выборочных средних величин, принадлежащих двум совокупностям данных и для решения вопроса о том, отличаются ли средние значения статистически друг от друга достоверно, используют критерий Стьюдента (t) (формула 5):
t = ( x1 x2 ) / vmІ1 + mІ2,(5)
где x1, x2 среднее значение по одной и другой выборкам;
m1, m2 интегрированные показатели отклонений частных значений из двух выборок от соответствующих их средних величин: m = SІ / n , тогда
для группы 1: m1 = 0,61/ 9 = 0,068;
для группы 2: m2 = 0,44/ 9 = 0,049, тогда