Хг - стаж самостоятельной работы за ПУ, лет; Х 2 - количество установленных программ; Х 3 - дневной сеанс работы за ПК, часов, Х 4 - персональных страниц в сетях, Х 5 - контактов в сети (содержание адресных книг); Х 6 - суммарное число применяемых типов ПК.
Далее, Х 7 - 2 сумма триггеров ASMR (автономная сенсорная меридиональная реакция); Х 8 - максимальный период продуктивной работы, мин; Х 9 - объем текста, читаемого без перерыва, страниц, Х - количество просмотренных кинолент за текущий месяц, Х - объем мобильной фонотеки, файлов, Х - количество изображений в альбомах социальной сети.
Следует учесть, что доступность ресурсов сети, рост производительности и улучшение эргономических характеристик персональных устройств обнаруживает тенденцию увеличения большинства показателей. Сама обстановка в современном обществе, как указывает Л.Н. Боброва, побуждает педагогов и обучающихся всех возрастов и направлений к систематическому и практически ежедневному использованию интернет-ресурсов в образовательных целях - как для поддержки учебного процесса, так и одного из средств его организации и осуществления [8]
Поскольку значения параметров различаются более чем на порядок - в частности, количество типов ПК варьирует в интервале 1 6, триггеров ASMR - 1 15, фотографий в сети - 1 10 000 единиц и более, необходимо выполнить преобразование входных дат.
Стандартизация данных позволяет отразить варьирование показателей на универсальной шкале (-3о 3о) и оценить совокупный эффект разнокачественных параметров (см. рис. 3).
Для этой цели для каждого показателя X определим ожидаемое среднее значение в текущем году - по результатам обработки многолетних наблюдений и, соответственно, рассчитаем отклонения от прогноза для отдельных дат: A x.. = x.. - x.(avemge); полученные разности разделим, соответственно, на о.. Установим максимально возможное значение x.(max) для каждого параметра в пределах исследований (с вероятностью 95%).
В нейронных сетях для преобразования дат используется sigmoid function - зависимость вида s(x) = 1/(1 +exp(-a•x)), при этом коэффициент a определяет наклон графика (рис. 4). При a = 2 функция s(x) близка к интегральной функции нормированного распределения (в частности, и на интервале -3 ч 3).
Для величин большего порядка (например, количество фотографий в сети) целесообразно выбрать пологий график, то есть уменьшить a. Оптимальный коэффициент наклона aj для каждой кривой находим путем расчета минимума целевой функции Z = У sj(xj(max) - xj(average)) ЃЁ min. Данные преобразования и корректировки необходимы для обеспечения адекватной работы индикаторов электронной анкеты: точности и чувствительности.
Функцию s(x) находим до взвешивания величин, она изменяется в интервале 0 ч 1, при xij = xi(average), sj(0) = 0,5 (см. рис. 4). Это положение стрелки на шкале индикатора соответствует среднестатистическому (т. е. выровненному, по многолетним данным) уровню ответов (акцентируется смайликом, см. рис. 2).
Рис. 3. Схема обработки стандартизированных данных
Рис. 4. Функции, применяемые для преобразования дат: 1 - интегральная кривая нормированного распределения, 2,3,4 - sigmoid function s(x) при a = 2; 1; 0,5
Преобразование дат с помощью функции s(x) с оптимизацией наклона по факторам позволяет минимизировать влияние выбросов - экстремальных значений исследуемых признаков, не типичных для исследуемой совокупности. Вклад переменных X. в вариацию условных показателей Yk различен и корректируется весами w.k, где к - индекс выходной переменной. При w.k = 0 влияние фактора на выходной показатель отсутствует.
Отсутствие линейной зависимости между оценками Yk следует проверить путем расчета матрицы корреляций llw.k II.
Например, в оценку творческой активности Y2(creaijve) с наибольшими весами войдут: Х 2 (количество используемых программ); Х 3 (количество каналов связи): Х 6 (типов ПК). Менее надежны Х 8 -продуктивный период работы, мин; Х 9 - объем текста, стр.; X - объем фонотеки; X - изображений в социальной сети. С отрицательным весом учитываем просмотр кинолент - X . В итоге текущий отсчет индикатора творческой активности определяется как Y2(creative) = 2 w.k-s.(x.)/'Lw.k-s.(x.(maxi)^W0%, где i - номер анкеты, j - индекс вектора, влияющего на creative, к = 2.
Отрицательные веса применяем для учета косвенного влияния факторов (при условии, если текущее значение параметра выше прогнозируемого, x..> x^avem e) Например, если студент указывает в анкете повышенное количество просмотренных видеороликов (фильмов, клипов), реальную работоспособность оценим с некоторым вычетом, поскольку развлекаться и учиться на одном экране, на наш взгляд, проблематично.
Лепестковая диаграмма (см. рис. 2), имеет 5 направлений по результатам группировки 15 триггеров ASMR по 5 с пересечением не более 2 отсчетов = (5-5 - 15)/5 = 2. Правильный пятигранник лепестковой диаграммы (зеленого цвета) соответствует среднему результату по многолетним данным в потоке. Автоматическое управление цветовой гаммой ячеек осуществляется с помощью инструмента MS Excel "Условное форматирование".
Анкета занимает около 6 Мбайт дисковой памяти (алгоритмы, пояснения, иллюстрации) и размещается на сервере, учащиеся сохраняют копию в каталоге группы под произвольным именем для индивидуального доступа.
Опрос проводим ежегодно, примерно через один-два месяца занятий, то есть после адаптации нового потока к условиям компьютерного класса, ответы учитываем однократно: для статистической обработки, накопления дат содержимое анкет через связь ячеек аккумулируется в итоговой книге. В дальнейшем учащиеся имеют возможность корректировать содержание теста, использовать анкету в плане самоанализа поведения в сети, отношения к форматам данных, играм, видео и музыке.
Электронная анкета может быть рекомендована как инструмент научно-поисковой деятельности в школе, колледже, вузе: рабочая версия теста доступна после публикации статьи; персональный сайт: http://dmid6.ucoz.net/, без регистрации и каких-либо ограничений.
Список литературы
1. Калинина Т.В. Основы информационной культуры у детей старшего дошкольного возраста: состояние проблемы и пути решения // Проблемы современного образования. - 2018. - № 1. - С. 149-162.
2. Толстова О.И. Особенности зрительного восприятия гиперактивных пользователей // Проблемы современного образования. - 2018. - № 1. - С. 61-68.
3. Sung W, Ahn J., Black J. Introducing Computational Thinking to Young Learners: Practicing Computational Perspectives Through Embodiment in Mathematics Education // Technology, Knowledge and Learning. - 2017. - Vol. 22. Iss. 3. - P. 443-463.
4. Горячев М.Д., Яндукова Т.А. Формирование коммуникативной культуры младших школьников в процессе совместной учебной и внеучебной деятельности // Вестн. Самарского ун-та. История, педагогика, филология. - 2017. - Т. 23, № 4. - С. 48-51.
5. Садыков Т.М. История развития интерактивных технологий // Проблемы современного образования. - 2016. - № 4. - С. 158-161.
6. Рахимова И.И. Экспериментальное выявление психологической особенности проявления зависимости от компьютерной игры испытуемых младшего школьного возраста // Проблемы современного образования. - 2016. - № 4. - С. 74-79.
7. Огрызков В.Е., Денисов Д.П. Конструктивные особенности и дизайн расчетнологических заданий с элементами технологии виртуального выбора (virtual selection) // Социально-экономические и правовые системы стран евразийской экономической интеграции: материалы Междунар. науч.-практ. конф. (Омск, 1-2 марта 2018). - Омск: Изд-во ОмГТу, 2018. - С. 352-360.
8. Боброва Л.Н., Никулова Г.А. Использование образовательных интернет-ресурсов по естественнонаучным дисциплинам в школе: взгляд с двух сторон // Проблемы современного образования. - 2018. - № 2. - С. 99-112.
References
1. Kalinina T. V. Osnovy informatsionnoy kultury u detey starshego doshkolnogo voz- rasta: sostoyanie problemy i puti resheniya. Problemy sovremennogo obrazovaniya. 2018, No. 1, pp. 149-162.
2. Tolstova O. I. Osobennosti zritelnogo vospriyatiya giperaktivnykh polzovateley. Prob- lemy sovremennogo obrazovaniya. 2018, No. 1, pp. 61-68.
3. Sung W., Ahn J., Black J. Introducing Computational Thinking to Young Learners: Practicing Computational Perspectives Through Embodiment in Mathematics Education. Technology, Knowledge and Learning. 2017, Vol. 22, Iss. 3, pp. 443-463.
4. Goryachev M. D., YAndukova T. A. Formirovanie kommunikativnoy kultury mlad- shikh shkolnikov v protsesse sovmestnoy uchebnoy i vneuchebnoy deyatelnosti. Vestn. Samarskogo un-ta. Istoriya, pedagogika, filologiya. 2017, Vol. 23, No. 4, pp. 48-51.
5. Sadykov T. M. Istoriya razvitiya interaktivnykh tekhnologiy. Problemy sovremennogo obrazovaniya. 2016, No. 4, pp. 158-161.
6. Rakhimova I. I. Eksperimentalnoe vyyavlenie psikhologicheskoy osobennosti proy- avleniya zavisimosti ot kompyuternoy igry ispytuemykh mladshego shkolnogo voz- rasta. Problemy sovremennogo obrazovaniya. 2016, No. 4, pp. 74-79.
7. Ogryzkov V. E., Denisov D. P. Konstruktivnye osobennosti i dizayn raschetno- logicheskikh zadaniy s elementami tekhnologii virtualnogo vybora (virtual selection). In: Sotsialno-ekonomicheskie i pravovye sistemy stran evraziyskoy ekonomi- cheskoy integratsii. Proceedings of International scientific-practical conference (Omsk, 1-2 Mar. 2018). Omsk: Izd-vo OmGTU, 2018. Pp. 352-360.
8. Bobrova L. N., Nikulova G. A. Ispolzovanie obrazovatelnykh internet-resursov po estestvennonauchnym distsiplinam v shkole: vzglyad s dvukh storon. Problemy sovremennogo obrazovaniya. 2018, No. 2, pp. 99-112.