Проведен многомерный статистический анализ результатов первой сессии по высшей математике студентов очной формы обучения Энергетического института Томского политехнического университета. Рассмотрение проведено в системе 4-х показателей: ВК – результаты тестового входного контроля по математике, АТТ1 – результаты текущей аттестации по высшей математике в середине семестра, АТТ2 – результаты текущей аттестации по высшей математике в конце семестра, ЭКЗ – результат классического экзамена. В рамках корреляционного анализа выявлены высоко значимая положительная корреляционная зависимость между АТТ и ЭКЗ. С учетом корреляционной зависимости показателей на основании факторного анализа построены Ф1 – фактор успеваемости по высшей математике {АТТ1+АТТ2+ЭКЗ} и Ф2 – фактор входного контроля. В построенном 2-х мерном факторном пространстве {Ф1, Ф2} методом K-средних получена 3-х кластерная высококачественная модель, распределяющая 11 групп студентов по 3-м кластерам. В рамках дисперсионного анализа выделены для каждого фактора однородные группы кластеров. Результаты подобной кластеризации результатов оценивания знаний могут быть учтены в процессе обучения для оценки качества образования и контроля знаний.
The many-dimensional statistical analysis of outcomes of the first session on higher mathematics of students of a full-time course of study of Power institute of Tomsk polytechnic university is spent. Reviewing is spent in system of 4 indicators: EC – outcomes of test entering control on the mathematician, CERT1 – outcomes of current certification for higher mathematics in the middle of a semestre, CERT 2 – outcomes of current certification for higher mathematics in the end of a semestre, EX – outcome of classical examination. Within the limits of a correlation analysis are revealed highly significant positive correlative association between CERT and EX. Taking into account correlative association of indicators on the basis of a component analysis are constructed F1 - the progress factor on higher mathematics { CERT 1+ CERT 2+ EX } and F2 – the factor of entering control. In constructed 2 measured factor space {F1, F2} the method of K-averages receives 3 cluster high-quality model distributing 11 groups of students on 3rd clusters. Within the limits of an analysis of variance homogeneous groups of clusters are selected for each factor. Outcomes similar кластеризации outcomes of an estimation of knowledge can be considered in the course of training for an estimation of quality of formation and control of knowledge.
1. Арефьев В. П., Михальчук А. А., Филипенко Н. М. Сравнительный статистический анализ входного и текущего контроля математических знаний в рамках классической формы заочного высшего образования // Современные проблемы науки и образования. – 2013. – № 5 (Электронный журнал). – URL: www.science-education.ru/111-10676 (дата обращения: 22.02.2014).
2. Арефьев В.П., Михальчук А.А., Филипенко Н.М. Многомерные статистические методы оценивания знаний в системе заочного инновационного обучения // Современные проблемы науки и образования. – 2014. – № 2 (Электронный журнал). – URL: science-education.ru/116-12658 (дата обращения: 08.04.2014).
3. Арефьев В.П., Михальчук А.А., Филипенко Н.М. Кластерный анализ результатов оценивания знаний в системе заочного обучения с использованием дистанционных образовательных технологий // Современные проблемы науки и образования. – 2013. – № 3 (Электронный журнал). – URL: science-education.ru/109-9506 (дата обращения: 22.02.2014).
4. Багаутдинова С.Ф., Левшина Н.И., Санникова Л.Н., Турченко В.И. Разработка и организация системы мониторинга качества образовательной деятельности студентов в высшем учебном заведении // Фундаментальные исследования. – 2014. – № 1-0. – С. 109-114.
5. Боровиков В.П. STATISTICA. Искусство анализа данных на компьютере: Для профессионалов. – СПб.: Питер, 2003. – 688 с.
6. Жичкин А.М. Метод применения инструментария контроля качества в организациях высшего профессионального образования // Высшее образование сегодня. – 2014. – № 1. – С. 19-25.
7. Куринин И.Н., Нардюжев В.И., Нардюжев И.В. Статистический анализ результатов компьютерного тестирования в кредитной системе обучения // Вестник Российского университета дружбы народов. Серия: Информатизация образования. – 2013. – № 1. – С. 115-125.
8. Образование в ТПУ: итоги 2012/13 учебного года / И. А. Абрашкина [и др.]; Национальный исследовательский Томский политехнический университет (ТПУ). – Томск: Изд-во ТПУ, 2013. – 318 с.
9. Саидова Ф.Б. Проблемы качества высшего образования в контексте трансформации образования // Педагогические науки. – 2014. – № 1 (64). – С. 7-9.
10. Степанов В.И. Проблемы обеспечения качества высшего образования в рамках болонского процесса // Вестник Томского государственного педагогического университета. – 2013. – № 6 (134). – С. 27-32.