 |
|
ЛАБОРАТОРНАЯ РАБОТА № 2
АНАЛИЗ РЕЗУЛЬТАТОВ УЧЕБНОГО ПРОЦЕССА ГРУППЫ СТУДЕНТОВ
Цель работы: получение практических навыков и умений для анализа результатов учебного процесса группы студентов.
ТЕОРЕТИЧЕСКАЯ ЧАСТЬ
Для повышения эффективности управления важная роль отводится анализу результатов учебного процесса. С его помощью вырабатываются стратегии управления учебным процессом, обосновываются учебные планы, выявляются резервы, оцениваются результаты методических разработок и качество знаний, полученных студентами. Система управления состоит из следующих взаимосвязанных функций: планирования, мониторинга, анализа и принятия управленческого решения. Анализ предшествует принятию решений и сводится к обоснованию этих решений в составе следующих операций управления:
- дать правильную оценку состояния объекта и показать, насколько оно отличается от требуемого;
- выявить возможности и пути перевода учебного процесса из фактического в требуемое состояние;
- определить величину и характер резервов;
- подготовить варианты для выбора оптимальных решений по управлению учебным процессом.
Цель анализа: исследовать влияние параметров на результаты учебного процесса группы студентов, определить недостатки и управляющее стратегии для устранения этих недостатков.
Кластерный анализ
Для исследования свойств и особенностей учебного процесса важно знать, как могут группироваться (классифицироваться) студенты по каким-либо признакам (параметрам) при выполнении определенных видов занятий. При этом возможна проверка гипотез о том действительно ли такие группы существуют и насколько они значимы (представительны). Для таких задач наиболее эффективным средством является кластерный анализ.
Постановка задачи кластеризации. Пусть — 
множество объектов (студентов), 
— множество номеров (имён, меток) кластеров. Задана функция расстояния между объектами 
. Имеется конечная обучающая выборка объектов 
. Требуется разбить выборку на непересекающиеся подмножества, называемые кластерами, так, чтобы каждый кластер состоял из объектов, близких по метрике 
, а объекты разных кластеров существенно отличались. При этом каждому объекту 
приписывается номер кластера 
.
Алгоритм кластеризации
1. Определить центр 
для всех объектов и разделить все поле исследования на 4 зоны.
2. Определить расстояния объектов до центра 
.
3. Определить ряды приоритетов расстояний объектов от центра в каждой зоне 
.
4. Определить в каждом секторе объект 
как центр по его максимальному расстоянию от центра 
.
5. Определить для каждого из центров 
принадлежность других объектов по минимальному их расстоянию к этим центрам 
. Таким образом, образуем 5 классов в первом приближении.
6. Определяем новые центры в образованных таким образом классах 
.
7. Определяем принадлежность всех объектов к новым центрам по условию п.5.
8. Если в каких-либо классах определяются или исключаются объекты, то центры этих классов изменяются. Образование новых классов повторяется по итерационным циклам (см. п.5,6) до тех пор, пока перемещение объектов в новые классы прекратится.