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.
©2015 arhivinfo.ru Все права принадлежат авторам размещенных материалов.
|