В школьном образовании динамично меняются приоритеты и процедуры обучения и контроля. В условиях построения цифровой образовательной системы и цифрового общества, высоких темпов цифровых трансформаций акцентируются индивидуальные характеристики обучения. Они отражаются профилями подготовленности, условиями и технологиями обучения и социально-экономического заказа общества, требованиями высшего образования к знаниям абитуриентов.

Свои требования на высокопрофессионального специалиста имеет и рынок труда. Необходимо совершенствовать школьное образование, ориентированное на компетенции – знания, умения и навыки. Жизненные ситуации требуют поиска оптимальных или рациональных решений при стохастических изменениях и динамичных обратных связях с окружением, так называемых экосистемных связей.

Адаптивность, адаптивный подход в образовании понимается как методика, технология адаптации и гибкой перестройки обучающего процесса [1], всего комплекса индивидуальных возможностей и стратегий обучения. Но следует учесть несовершенство адаптивных систем, нельзя сводить их лишь к компьютерным аспектам и «жестким» механизмам адаптации – как адаптацию «под архитектуру системы». С учетом различных инструментов – психометрических, педагогических измерений, социального инжиниринга и др.

Вопросами эффективного применения адаптивных тестов в обучении английскому языку посвящены, в частности, работы [2; 3]. Они затрагивают все типы тестирования:

1) диагностическое тестирование – для проверки остаточных знаний;

2) текущее тестирование – для оперативной проверки результатов обучения;

3) тематическое тестирование – для обобщения и/или систематизации по теме;

4) итоговое тестирование – аттестационное.

Пандемия COVID-19 открыла школам двери для новых технологий и инноваций в образовании. Она мобилизовала исследования и инновации по адаптивным технологиям обучения, например на основе платформ Moodle, Canvas, RealizeIT, AdaptCourseWare, Smart Sparrow и др. Например, Smart Sparrow является сервисом (платформой) разработки планов и стратегий на основе отзывов обучаемых.

Цель исследования

Работа посвящена построению и анализу адаптивного обучения, тестирования с привлечением возможностей школьного курса английского языка, профилей и моделей обучаемого, его индивидуальных возможностей. Целью работы является исследование комфортного достижения максимального уровня результатов обучения за счет активации личностной системы мотивации (свободы выбора темпа, траектории и ресурсов обучения) и контроля (обязательности демонстрации степени обученности). Например, адаптивного принятия решения по обучению, тестированию на структуре типа «дерево» с задаваемым начальным непустым списком вариантов.

Материал и методы исследования

Вместо классических связей (контактных, синхронных и реальных) в работе актуальны новые способы обратной связи и персонализации обучения (адаптивные, асинхронные и виртуальные). Вместо жестко персонализируемой адаптивности используются «мягкие», гибкие, настраиваемые технологии адаптивного обучения. Поэтому используемые автором методы также «мягкие» и гибкие, в частности ИТ-ориентированные. Предложена модель TIPaS (Testing Intelligent Platform as a Service) распределенной интеллектуальной поддержки тестирования.

Результаты исследования и их обсуждение

Эволюционный механизм адаптации должен быть индивидуально отрегулирован, т.е. процесс и контент для обучения «подстраиваются» под текущие цели и способности. Нужна осторожность при выборе адаптационного механизма и его реализации, необходимо придерживаться нижеследующих принципов.

Во-первых, необходимо формирование и развитие системы школьного образования с помощью диверсификации образовательных программ (стандартов ФГОС), поддержки гибкого управления и адаптивных технологий обучения.

Во-вторых, нужен переход к парадигме, ориентированной на компетенции, достаточные, как для поступления в вуз, осуществление необходимых информационно-коммуникационных, когнитивных, креативных процедур в определенной сфере.

В-третьих, актуален переход к профессионально ориентированному развитию личности обучаемого, его способностей и мобильности осваивать новые технологии, «цифровые» профессии.

В-четвертых, широко и глубоко (в смысле «глубокого интеллектуального проникновения, машинного обучения») следует применять веб-обучение, распределенные и облачные вычисления, адаптивный подход и интеллектуализацию в обучении.

Среди отмеченных выше требований адаптивность требуется прямо или косвенно всем четырем условиям.

Компьютерное (веб) тестирование развивается на базе инженерии знаний, интеллектуализации процессов [4, c. 49]. Его системное (широкое) понимание базируется на формальных системах (онтологии, когнитологии и др.), технологиях искусственного интеллекта, машинного и ориентированного на межкультурные компетенции обучения «всю жизнь» и «через дело» (learning by doing) с помощью систем адаптивного обучения [5].

Базовые преимущества применения адаптивных обучающих средств:

1) персонифицированное и основанное на принципах сотрудничества и партнерства обучение;

2) генерация данных и аналитики для ранней корректировки обучения;

3) демократизм, объективность и эффективность обучения;

4) обеспечение посильным контентом и различными методами и инструментами (видео, анимация, множественный выбор и др.);

5) целенаправленная адаптация по индексам и критериям обученности;

6) улучшение результатов обучающих и аттестационных испытаний, в частности с помощью адаптивного тестирования;

7) вовлечение и активация, сотрудничество обучаемых и обучающих, особенно в процессе междисциплинарного обучения;

8) использование интерактивных мотивирующих упражнений (ситуационных сценариев);

9) экономия времени преподавателей и ресурсов образовательной системы;

10) многоуровневая иерархия и разнообразие образовательных целей (программ);

11) усиление взаимодействий типа «обучающий – обучаемый», «обучаемый – обучаемый (группа обучаемых)».

Востребованы учителя, способные ставить учащимся посильные и творческие задачи и планировать ресурсы, пути их решения, способные организовать эвристический и когнитивный подход, командную креативную работу в классе, как в команде единомышленников.

У таких учителей должны быть компетенции по решению инновационных задач (способности к инновационному мышлению). Такие компетенции включают:

1) открытость к новому;

2) умение искать альтернативные решения;

3) способность «взглянуть на проблему со стороны»;

4) способность реагировать оперативно на изменяющуюся обстановку;

5) лидерство в инновационных процессах и др.

Адаптивность проявляется приспосабливаемостью к динамичным предпочтениям обучающего процесса, уточняемым на практике, чтобы дать ученику возможность понять и реализовать проблемную ситуацию, а также методику, ресурсы и структуры планирования, управления решения проблемы, которые способствуют «подъему по лестнице освоения более сложных задач» в рамках темы или раздела.

Эволюции адаптивного обучения часто мешают «следы традиционного школьного обучения». Например, человеко-машинный, «жесткий» механизм адаптации, слабая интеллектуальность, несогласованность моделей обучения и адаптации, неэффективные (линейные) подходы к учебной деятельности и др.

На рисунке предлагается инфологическая схема адаптивного обучающего тестирования.

Инфологическая схема адаптивного тестирования

Механизмы и алгоритмы адаптивного тестирования опираются на релевантные оценки параметров, аналитические системы и принятие решений по обученности и переходу к новому уровню компетенций.

У адаптивного тестирования есть эволюционный потенциал управляемости, адекватного отражения меры обученности и дружественная интерактивная интеграция учащегося в адаптивную и администрируемую обучающую и тестирующую среду.

В адаптивном тестировании часто используемы нижеследующие модели взаимодействий:

1) TaaS (Testing as a Service) – предоставляются базы тестов, методики проектирования, реализации тестов и анализа результатов тестирования;

2) TPaaS (Testing Platform as a Service) – предоставляется виртуальная платформа тестирования, например облачная;

3) TSaaS (Testing Soft as a Service) – предоставляется тестовая веб-оболочка (браузерная).

Онлайн-обучению требуется широкий набор адаптивных интеллектуальных образовательных стратегий, возможностей, выбираемых индивидуально от успешности обучения. Поэтому в приведенную выше систему моделей добавлена еще модель TIPaaS (Testing Intelligent Platform as a Service), которая предоставляет интеллектуальную среду распределенной поддержки тестирования, например облачный тренажер.

Пример. Облачный сервис класса TIaaS предоставляет всё необходимое для проектирования, реализации и эксплуатации прикладной среды по требованию. Это дает преимущества для обучения: оперативность, масштабируемость, возможность выбора «облачного» сервиса и решения, хранения данных, коллективной работы в веб-браузере. В том числе «за брандмауэром» школы. Сервис может предоставить ученикам и учителям инфраструктуру (частное облако), распространить сервис для самостоятельной работы школьников. Это решение можно использовать и для интерактивной сервисной поддержки участия родителей, партнеров, общественных структур, для адаптивного мониторинга. Можно обойтись без поддержки множества компьютерных классов, адаптируя образовательные сервисы по ходу обучения, с эффективной обратной связью [6].

Перспективен мультиагентный подход, который дает возможность управлять учеником (агентом) на каждом этапе обучения. У агента есть свои локальные цели, ресурсы и правила поведения, взаимодействия с окружением (пространством агентов). В процессе конкретного обучения он может сам выбирать образовательные цели и шаблоны поведения.

Пример. Облачная платформа IACPaaS (Intelligent Application, Control and Platform as a Service) поддерживает разработку, управление и удаленное использование прикладных и инструментальных мультиагентных облачных сервисов и их компонентов в различных областях [7].

Интеллектуальные сервисы позволяют формировать и развивать новые цифровые учебные отношения, учебные сообщества и творческий выбор нестандартных решений.

Интеллектуализация образовательных сред осуществляется на основе:

1) моделей компетенций, обучаемого, обучающего и процесса обучения;

2) анализа обратных связей и ответов обучаемого, адаптивного исправления неверных ответов;

3) интерактивной поддержки решаемой задачи с анализом успешно решенных задач;

4) внутренней инфраструктуры, адаптивно встраиваемой во внешнюю среду, например, образовательных сетей, ресурсов открытого типа.

Интеллектуальные обучающие среды и сценарии ситуационного обучения позволяют выбирать лучший имитационный вариант по показателям обученности и гипотезе, модели обучения.

В адаптивном тесте следующее предлагаемое задание поступает в реальном режиме и зависит от результата ответа на текущее задание. Адаптивное тестирование чаще применяется для обучающего контроля и самообразования [8] и тесно связано с адаптивным обучением. Форма контроля определяется объективными целями, содержанием, методами, инструментами и «точкой входа» (время, место).

Пример. Можно предложить шаблоны построения адаптивных тестовых заданий:

1) найти синонимичную форму;

2) вставить адекватную глагольную форму;

3) выбрать ключевые слова;

4) составить план усложнения текста;

5) распределить предложения по отношению к ситуации;

6) написать эссе на тему «Как сравнивать лекарства в веб-магазине» (ориентир – [9]).

На адаптивное тестирование и его результативность влияют и субъективные, связанные с учителем, факторы:

1) «размах» требований, уровней строгости и профессионализма;

2) загруженность учителя и сложность автоматизации тестирования (по различным оценкам, один час автоматизированного контроля требует около 40-60 часов работы учителя (подготовка, обработка и анализ тестирования);

3) различный менталитет и темп «прохода теста» учениками;

4) ненулевая вероятность «шумов» (например, списывания, предвзятости) на тестировании;

5) сложности планирования, квантования и учета компетенций в тестах;

6) сложности параметризации дифференцирующей способности каждого тестового задания;

7) сложности валидизации тестирования и эмпирической апробации тестовых заданий и др.

В рамках адаптивного тестирования будет эффективным выбирать и использовать задания базы, соответствующие уровню подготовки ученика (профиля тестируемого) [10].

Компьютерное адаптивное тестирование имеет достоинства:

1) мотивация, эффективность и устойчивость (надежность);

2) секретность и индивидуализация выполнения теста;

3) шкалируемость в интервальной шкале баллов;

4) возможность уменьшения длины теста и времени тестирования;

5) объективный «отклик» на качественно подготовленные тесты и тестирование.

Адаптивное тестирование является эффективным способом повышения качества образования [11] с эффективным учетом обратных связей при принятии решения по переходу на новый уровень (мере обученности).

Для адаптивного решения предлагается процедура на структуре типа «дерево» D, в которой S – множество вариантов (непустое), P – начальное множество («начальный пустой буфер»), K – путь в дереве или список вариантов. Процедура имеет вид:

повторять пока ()

удалить из S не соответствующие критерию адаптивности варианты;

поместить в Р вариант;

добавить в S вариант;

удалить из P варианты, находящиеся в списке K;

если () и (все значения последнего атрибута в K обработаны)

то изменить значение последнего параметра в K:

иначе удалить последний атрибут из K;

если (все примеры из одного класса)

то добавить в D лист, содержащий идентификатор класса;

иначе найти атрибут с минимальным показателем релевантности;

добавить значение с наилучшей мерой в K.

Пример. Дерево удобно для адаптивного усвоения ситуационной грамматики английского языка. Приведем дерево D (Active Voice) с листьями L1-L11 и конкретными примерами E1-E11 (табл.).

Таблица ветвей и листьев дерева Active Voice

Уровень самостоятельности для учеников при этом может быть немонотонным и выбираемым адаптивно. Соответственно, уровни поддерживаются адаптивным тестированием.

База тестовых заданий структурируется также семантической сетью с учётом особенностей учебных дисциплин и обучающих стратегий, а также индивидуальных и когнитивных способностей и компетенций обучаемого.

В концепцию адаптивного тестирования обычно включают адаптивный механизм и адаптивную среду тестирования, которая может изменять структуру урока и роли ученика и учителя в учебном процессе.

Цель концепции – адаптивность самостоятельной работы ученика, его самоконтроля и контроля учителем его компетенций, их соответствия как критериально-нормативным требованиям, так и индивидуальным особенностям учащегося.

Принципы адаптивности тестирования по английскому языку:

1) индивидуализации контроля с учетом личностных и психологических факторов (темпа ответа, говорения и речевых навыков, потенциала компетенций, рефлексии и др.), самооценки своих достижений учеником;

2) динамичного и многоуровневого подхода к формированию заданий теста с возможностью перехода как к более сложному, так и менее сложному заданию;

3) интерактивности коммуникаций, с ее языковой поддержкой системой тестирования и способностью мотивировать обучение, творческую активность и общение.

Пример. Полезны когнитивные карты компетенций учащихся, которые фиксируют компетенции по темам и полезны для адаптивного продвижения ученика. Возможно командное самотестирование с оцениванием успехов команды и совместным анализом результатов. Каждый ученик выстраивает свою стратегию (обучения, тестирования), которая обсуждается методом Дельфи и адаптируется. Учитель становится членом команды, ее лидером. Затем можно провести индивидуальное тестирование, по результатам которого можно сформировать группы учащихся (например, «с пробелами по теме, базовым компетенциям», «без пробелов, с базовыми компетенциями», «с продвинутым уровнем компетенций»). Третью группу можно перевести на режим самоконтроля. На аттестационном тестировании такое деление уже нельзя делать. Но дифференцированные тестовые задания адаптивны, они развивают и мотивируют.

При адаптивном автоматизированном тестировании, при правильном ответе на тест (задание) текущего уровня, тестируемый автоматически переводится к выполнению заданий более высокой сложности, а если ответ – неправильный, то к заданию более низкого уровня. Для прохождения некоторого постоянного уровня сложности следует выполнить все задания этого уровня.

Пример. Адаптивным тестом может быть тест Oxford Online Placement Test по грамматике и прагматике [12], который динамично совершенствуется и позволяет оценивать компетенции по аудированию и чтению. Тест адаптируем к текущему уровню тестируемого, предлагая задания, которые его уровню лучше соответствуют. Он оценивает грамматику и лексику, понимание и передачу сообщения. Можно подключить и тест The Use of English Section по грамматике [13].

Адаптивность при тестировании английскому языку позволяет применять разнообразные подходы к обучению – переводный, лексический, фонетический, структурный, интенсивный и др., а также активировать важные параметры тестирования – сложность теста, вариация баллов, дифференцирующая способность и др. [14].

Адаптивные системы тестирования являются инновационными, они основываются на искусственном интеллекте, самообучении, учебной аналитике (класса Learning Analytics).

Выводы

Для гибкого, интеллектуального обучения необходимо обеспечить инструментальные потребности и обучаемого, и обучающего. Здесь эффективны адаптивные, когнитивные подходы с учетом внутренних особенностей и связей учебного процесса. Без адаптивных технологий, подходов, в частности адаптивного тестирования, невозможно реализовать сложные процедуры обучения и контроля, так как неопределенность и «шум» процессов мешает активировать индивидуальные способности обучаемого и вести контроль и прогноз качества обучения.

В перспективе самообучение – высшая цель адаптивного обучения. Поэтому необходимо развивать адаптивные механизмы, интеллектуальную поддержку обучения. Персонализированные стратегии обучения должны учитывать способности учеников, устойчивость обучающего процесса.

Адаптивность требует объединения ресурсов (время, пространство, инструментарий, информация и др.). Адаптивной системе присуща самоорганизационная способность с ее атрибутом – управляемостью, саморегулированием. Саморазвивающимся адаптивным системам присущи инвариантные, системные меры сложности.

Обучающий контент должен быть структурирован, например, как выше было показано, иерархически (деревом) или семантической сетью с учётом дидактических особенностей учебного курса, стратегии обучения и адаптации, когнитивных способностей, уровня базовых знаний и темпов забывания и запоминания ученика. Проделанный в работе системный анализ проблем адаптивного обучения и тестирования позволит реализовать это эффективнее и полнее.