Проведен статистический анализ результатов успеваемости первых трех семестров по высшей математике студентов заочной формы обучения с использованием дистанционных образовательных технологий Томского политехнического университета. Рассмотрение проведено в системе 2-х показателей: ИДЗ – сумма баллов за выполнение 4-х индивидуальных домашних заданий в течение каждого семестра; ЭКЗ – баллы, полученные в результате семестрового тест-экзамена. Проведена гистограммная динамика результатов успеваемости студентов. Согласно ранговому дисперсионному анализу Фридмана с повторными измерениями динамика успеваемости оценивается как высоко значимая по совокупности трех семестров за счет отличия, например, ЭКЗ2 от ЭКЗ1 и ИДЗ1 – высоко значимо, от ИДЗ2 и ЭКЗ3 – статистически значимо при незначимом отличии от ИДЗ3. С помощью непараметрического критерия Краскела – Уоллиса все выборки показателей успеваемости оценены на однородность: слабо значимую в случае ИДЗ1, высоко значимую – ИДЗ2 и ИДЗ3, незначимую – ЭКЗ1 и ЭКЗ3, а в случае ЭКЗ2 как статистически значимую за счет статистически значимых отличий группы Б12 от Г2 и А3. Сделан вывод о том, что результаты параметрического дисперсионного анализа в более мягкой форме полностью подтверждают результаты непараметрического дисперсионного анализа как относительно динамики успеваемости, так и однородности составных выборок. На основании параметрического дисперсионного анализа повторных испытаний проведены оценки статистической значимости нестабильности динамики групповых средних. Результаты проведенного анализа оценивания знаний студентов-заочников в режиме дистанционных образовательных технологий могут быть учтены при внедрении современных информационных образовательных интернет-технологий в организацию электронного и дистанционного обучения для обеспечения качества образования и контроля знаний.
The statistical analysis of outcomes of progress of first three semestre on higher mathematics of students of correspondence mode of study with use of distant educational process engineerings of Tomsk polytechnic university is spent. Reviewing is spent in system of 2 indicators: IHW – a score for performance of 4 individual homeworks during each semestre; EX – the points received as a result of semestrial test – examination. Dynamics of histograms of outcomes of progress of students is spent. According to Friedman´s rank ANOVA with repeated measurements dynamics of progress is estimated as highly significant on a population of three semestre at the expense of difference, for example, EX2 from EX1 and IHW1 – is highly significant, from IHW2 and EX3 – statistically is significant at insignificant difference from IHW3. By means of nonparametric criterion of Kraskel-Uollis all samples of indicators of progress are estimated on a homogeneity: poorly significant in case of IHW1, highly significant - IHW2 and IHW3, insignificant – EX1 and EX3, and in case of EX2 as statistically significant for the account statistically significant differences of group B12 from G2 and А3. The conclusion that outcomes of a parametrical ANOVA in softer form completely confirm outcomes of a nonparametric ANOVA as concerning dynamics of progress, and a homogeneity composite samples is drawn. On the basis of a parametrical ANOVA with repeated measurements estimations of the statistical importance of instability of dynamics of group averages are spent. Outcomes of the spent analysis of an estimation of knowledge of students in a condition of distant educational process engineerings can be considered at introduction modern informational educational the Internet - process engineerings in the organisation of electronic and distant training for security of quality of formation and control of knowledge.
1. Арефьев В. П., Михальчук А. А., Филипенко Н. М. Дисперсионный анализ качества современного заочного технического образования // Современные проблемы науки и образования. – 2013. – №. 2. (Электронный журнал) URL: www.science-education.ru/108-8626 (дата обращения: 22.02.2014).
2. 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. – № 1-1. – С. 109-114.
3. Башарина О.В. Мониторинг процесса формирования профессиональных компетенций как элемент мультикомпонентной информационно-образовательной среды (на основе LMS MOODLE) // Современные проблемы науки и образования. – 2014. – № 1; URL: www.science-education.ru/115-11914 (дата обращения: 31.03.2015).
4. Гайворонская Т.В., Шадрина Э.М. Мониторинг результатов диагностического тестирования студентов первого курса - важный механизм внутри вузовской системы качества образовательного процесса // Международный журнал экспериментального образования. – 2014. – № 4-1. – С. 15-19.
5. Карпенко О.М., Абрамова А.В., Широкова М.Е., Басов В.А. Обзор средств организации электронного обучения и перспективы их развития // Дистанционное и виртуальное обучение. – 2015. – № 2 (92). – С. 4-24.
6. Лазутин С.Б. Новые информационные технологии в системе дистанционного обучения // Вестник Тамбовского университета. Серия: Естественные и технические науки. – 2012. – Т. 17. – № 1. – С. 161-164.
7. Морозова Н.Н., Проскурякова Л.К. Мониторинг качества математической подготовки в техническом вузе // Психология образования в поликультурном пространстве. – 2014. – № 27 (3). – С. 87-95.
8. Никулина Т.В. Электронное и дистанционное обучение: сущность и качество // Theoretical & Applied Science. – 2015. – № 1 (21). – С. 134-138.
9. Солодовник Е.В. Электронные образовательные ресурсы в системе электронного обучения в вузе // Проблемы высшего образования. – 2014. – № 1. – С. 279-282.
10. Фотина О.В. К проблеме идентификации личности в учебной онлайн среде //Дистанционное и виртуальное обучение. – 2015. – № 1 (91). – С. 26-33.