из электронной библиотеки / 297602600185200.pdf
.pdf151
обратная линейная зависимость) до 1 (полная прямая пропорциональная зависимость). Коэффициент корреляции является безразмерной величиной, и его значение не зависит от единиц измерения случайных величин X и У. Коэффициент корреляции Пирсона применим в том случае, если измерение значений исследуемых признаков производятся в шкале отношений или интервалов и форма зависимости является линейной. Коэффициент корреляции характеризует только линейную взаимосвязь (степень ее тесноты). Линейная взаимосвязь двух случайных величин состоит в том, что при увеличении одной случайной величины другая случайная величина имеет тенденцию возрастать (убывать) по линейному закону. Коэффициент корреляции равен отношению корреляционного момента к произведению стандартных отклонений: формула для коэффициента корреляции может быть записана в виде – формула 1:
r = |
n∑xi yi − (∑xi )(∑yi ) |
|
|
[n∑xi2 − (∑xi )2 ] [n∑yi2 − (∑yi )2 |
] |
. (1) |
|
|
|
|
При большом числе наблюдений, когда коэффициенты корреляции необходимо последовательно вычислять из нескольких рядов числовых данных, для удобства получаемые коэффициенты сводят в таблицы, называемые корреляционными матрицами.
Критерий корреляции Пирсона – это метод параметрической статистики, позволяющий определить наличие или отсутствие линейной связи между двумя количественными показателями, а также оценить ее тесноту и статистическую значимость. Другими словами, критерий корреляции Пирсона позволяет определить, есть ли линейная связь между изменениями значений двух переменных.
Линейная вероятностная зависимость случайных величин заключается в том, что при возрастании одной случайной величины другая имеет тенденцию возрастать (или убывать) по линейному закону. Эта тенденция к линейной зависимости может быть более или менее ярко выраженной, т. е. более или менее приближаться к функциональной. Если случайные величины Х и Y связаны точной линейной функциональной зависимостью у=ах+b, то rxy = ± 1. В общем случае, когда величины X и Y связаны произвольной вероятностной зависимостью, линейный коэффициент корреляции принимает значение в пределах -1 <rxy< 1, тогда качественная оценка тесноты связи величин X Y может быть выявлена на основе шкалы Чеддока.
Логический позитивизм (англ. logical positivism) – (логический эмпиризм или неопозитивизм) является школой философии, которая включает в себя эмпиризм, идею о том, что для познания мира необходимы наблюдаемые доказательства, опирающиеся на рационализм, основанный на математических и логико-лингвистических конструкциях в эпистемологии. Логический позитивизм утверждает, что мир познаваем, надо только избавиться от ненаблюдаемого.
152
Медиана – значение варианты, делящей вариационный ряд пополам: по обе стороны от нее находится равное число вариант. Медиана также, как и средняя арифметическая и мода, относится к средним величинам.
Мера центральной тенденции числовых значений ее элементов – совокупность данных иногда характеризуется одним числом. К таким характеристикам относятся мода, медиана и среднее.
Метод экспертных оценок – эмпирический метод исследования. Метод экспертных оценок называют еще методом ГОЛ (групповой оценки личности). За рубежом его нередко называют методом компетентных судей или рейтингом. Это разновидность опроса, связанная с привлечением к оценке изучаемых явлений, процессов наиболее компетентных людей, мнения которых, дополняющие и перепроверяющие друг друга, позволяют достаточно объективно оценить исследуемое. Использование этого метода требует ряда условий. Прежде всего – это тщательный подбор экспертов – людей, хорошо знающих оцениваемую область, изучаемый объект и способных к объективной, непредвзятой оценке. Разновидностями метода экспертных оценок являются: метод комиссий, метод мозгового штурма, метод Делфи, метод эвристического прогнозирования и др. Он используется при необходимости прогнозировать изменение того или иного явления, процесса; представить состояние интересующего исследователя предмета через один, два, пять и более лет или дать объективную оценку таким сторонам деятельности и качествам людей, по которым их самооценка может оказаться искаженной. Метод экспертного опроса (оценок) в психолого-педагогических исследованиях применяется для решения следующих задач: уточнения основных положений методики исследования, определения процедурных вопросов, выбора методов и приемов сбора и обработки информации; оценки достоверности и уточнения данных массовых опросов, особенно когда существует опасность их искажения; более глубокого анализа результатов исследования и прогнозирования характера изменений изучаемого психолого-педагогического явления; подтверждения и уточнения сведений, полученных с помощью других методов; анализа результатов исследования, особенно если они допускают различное толкование.
Методология SADT (Structured Analysis and Design Technique) – совокупность методов,
правил и процедур, предназначенных для построения функциональной модели объекта какойлибо предметной области.
Методы описательной статистики – описания результатов с помощью различных агрегированных показателей и графиков. Позволяют описывать, подытоживать и воспроизводить в виде таблиц или графиков данные того или иного распределения, вычислять среднее для данного распределения и его размах и дисперсию. Статистическая информация
153
представляется совокупностью данных, для характеристики которых используются разнообразные показатели, называемые показателями описательной статистики.
Мода – средняя величина вариационного ряда, соответствующая наиболее часто повторяющейся варианте. Или, если выразиться по другому, это варианта, которой соответствует наибольшая частота. Обозначается как Мо.
Модель – это представление объекта или явления, повторяющее свойства, существенные для целей конкретного исследователя, и опускающее несущественные свойства. Сложный объект, например бизнес-процесс, описывается совокупностью моделей, каждая из которых отображает ограниченный набор свойств, а все вместе они описывают объект моделирования полностью.
Наблюдение – наиболее информативный метод исследования. Он позволяет увидеть все стороны изучаемых явлений и процессов, доступные восприятию наблюдателя – как непосредственному, так и с помощью различных приборов. Это целенаправленное и организованное восприятие объектов и явлений внешнего мира, связанное с решением определенной научной проблемы или задачи, принято называть научным наблюдением. Наблюдение необходимо для научного познания, поскольку без него наука не смогла бы получить исходную информацию, не обладала бы научными фактами и эмпирическими данными, следовательно, невозможно было бы и теоретическое построение знания. Недостатки: личные особенности исследователя, его интересы, наконец, его психологическое состояние могут значительно повлиять на результаты наблюдения. Еще в большей степени подвержены искажению объективные результаты наблюдения в тех случаях, когда исследователь ориентирован на получение определенного результата, на подтверждение существующей у него гипотезы.
Нотация – система условных обозначений для моделирования. Это установленные способы отображения элементов системы, т. е. графы, таблицы, блок-схемы, формальные и естественные языки.
Нотация IDEF0 (Integration Definition for Function modeling) – в основе лежит понятие блока, который отображает некоторую бизнес-функцию. Четыре стороны блока имеют разную роль: левая сторона имеет значение «входа» (Input), правая – «выхода» (Output), верхняя – «управления» (Control), нижняя – «механизма» (Mechanism). Действие, обычно в IDEFO называемое функцией, обрабатывает или переводит входные параметры (сырье, информацию и т. п.) в выходные. Поскольку модели IDEFO представляют систему как множество иерархических (вложенных) функций, в первую очередь должна быть определена функция, описывающая систему в целом – контекстная функция.
154
Образовательный кластер – система обучения, взаимообучения и инструментов самообучения в инновационной цепочке наука-технологии-бизнес, основанная преимущественно на горизонтальных связях внутри цепочки. Кластерная форма организации приводит к созданию особой формы инновации – «совокупного инновационного продукта». При реализации кластерного подхода необходимо наличие: общей цели; правовой основы совместной деятельности субъектов; разработанных механизмов взаимодействия между субъектами, объединяющимися в кластер; механизма управления; соответствия декларируемым общим целям.
Операция – элементарное (неделимое) действие, выполняемое на одном рабочем месте. Описание данных – компактное описание имеющихся данных с помощью различных
агрегированных (обобщенных) показателей и графиков.
Описательная статистика предназначена, чтобы суммировать или отображать данные так, чтобы оперативно получать обзор. Цель – обработка эмпирических данных, их систематизация, наглядное представление в форме графиков и таблиц, а также их количественное описание посредством основных статистических показателей. Статистический вывод позволяет делать умозаключения о какой-либо совокупности на основе выборки данных из этой совокупности. Совокупность представляет собой все возможные исходы или измерения, представляющие для нас интерес. Выборка – это подмножество совокупности. Как определяются основные статистические показатели можно найти в приложении MExcel (вкладка статистические функции).
Подпроцесс – это бизнес-процесс, являющийся структурным элементом некоторого бизнеспроцесса и представляющий ценность для потребителя.
Позитивизм (фр. positivisme, от лат. positivus – положительный) – философское учение и направление в методологии науки, определяющее единственным источником истинного, действительного знания эмпирические исследования и отрицающее познавательную ценность философского исследования. Позитивизм – основной тезис: все подлинное (позитивное) знание
– совокупный результат специальных наук.
Показатели описательной статистики – состоят из групп: 1. Показатели положения описывают положение данных на числовой оси. Примеры таких показателей – минимальный и максимальный элементы выборки (первый и последний члены вариационного ряда), верхний и нижний квартили (ограничивают зону, в которую попадают 50% центральных элементов выборки). Наконец, сведения о середине совокупности могут дать средняя арифметическая, средняя гармоническая, медиана и другие характеристики. 2. Показатели разброса описывают степень разброса данных относительно своего центра. К ним в первую очередь относятся: дисперсия, стандартное отклонение, размах выборки (разность между максимальным и
155
минимальным элементами), межквартильный размах (разность между верхней и нижней квартилью), эксцесс и т. п. Эти показатели определяют, насколько кучно основная масса данных группируется около центра. 3. Показатели асимметрии характеризуют симметрию распределения данных около своего центра. К ним можно отнести коэффициент асимметрии, положение медианы относительно среднего и т. п. 4. Показатели, описывающие закон распределения, дают представление о законе распределения данных. Сюда относятся таблицы частот, полигоны, кумуляты, гистограммы. Данные показатели используются для наглядного представления и первичного («визуального») анализа результатов. Чтобы обеспечить объективность, адекватность, полноту эмпирического этапа исследования для необходимого уровня достоверности необходимо использовать все группы показателей.
Среднее (или среднее арифметическое) выборки – это число, равное отношению суммы всех чисел выборки к их количеству.
Статистические методы – методы, использующие при обработке результатов исследования математико-статистические методы и современную вычислительную технику. Дают возможность: компактно и информативно описывать результаты эксперимента; устанавливать степень достоверности сходства и различия исследуемых объектов на основании результатов измерений их показателей; анализировать наличие или отсутствие зависимости между различными показателями (явлениями); количественно описывать эти зависимости; выявлять информативные показатели; классифицировать изучаемые объекты и прогнозировать значения их показателей и характеристик, и др.
Фандрайзинг, иногда фандрейзинг (от англ. fundraising) – процесс привлечения денежных средств и иных ресурсов (человеческих, материальных, информационных и т. д.), которые организация не может обеспечить самостоятельно и которые являются необходимыми для реализации определенного проекта или своей деятельности в целом.
Физикализм – концепция логического позитивизма, которая разрабатывалась Карнапом, Нейратом и др. Сторонники физикализма ставят ценность какого-либо положения любой науки в зависимость от возможности перевести его на язык физики. Предложения, не поддающиеся такой операции, рассматриваются как лишенные научного смысла.
Функциональная модель – это модель, с помощью которой определяются, анализируются и фиксируются требования к составу и структуре функций системы, т. е. определяется, для каких целей разрабатывается система, какие функции она будет выполнять. На этой же модели указываются исходная информация, промежуточные и итоговые результаты работы системы. Она отображает функциональную структуру объекта, т. е. производимые им действия и связи между этими действиями, т. е. описывает состав выполняемых работ.
156
Функциональный блок – представляет собой некоторую конкретную функцию в рамках рассматриваемой системы. На диаграмме в нотации IDEF0 функциональный блок изображается прямоугольником.
Функция – совокупность операций, сгруппированных по определенному признаку. Функция (операция) – некоторый преобразователь входных объектов в выходные.
Последовательность взаимосвязанных по входам и выходам функций составляет бизнеспроцесс. Функция бизнес-процесса может порождать объекты любой природы (материальные, денежные, информационные). Причем бизнес-процессы и информационные процессы, как правило, неразрывны, то есть функции материального процесса не могут осуществляться без информационной поддержки.
Частота – показатель, выражающий собой число повторений или возникновения событий (процессов). Таблица частот содержит информацию обо всех встречавшихся в выборке значениях и их частотах. Частоты бывают абсолютные и относительные. Абсолютная частота является целым числом и показывает, сколько раз данное значение повторяется в выборке. Сумма абсолютных частот всегда равна объему выборки. Относительная частота получается из абсолютной, если поделить ее на объем выборки. Таким образом, относительная частота является дробным числом из промежутка от 0 до 1 и показывает, какую долю данное значение составляет от всего объема выборки. Сумма относительных частот всегда равна 1.
Шкала измерения – числовая система, в которой отношения между различными свойствами изучаемых явлений, процессов переведены в свойства того или иного множества, как правило – множества чисел. В педагогических исследованиях используется классификация из 4 типов шкал измерения: 1) номинативная, или номинальная, или шкала наименований; 2) порядковая, или ординальная, шкала; 3) интервальная, или шкала равных интервалов; 4) шкала равных отношений [152, с. 218–225].
Шкала Чеддока – используется для качественной оценки тесноты связи величин X Y. Эта шкала чаще всего используется в практической деятельности, когда число коррелируемых пар признаков Х и Y невелико (n<30).
Таблица
Шкала Чеддока
Теснота связи |
Значение коэффициента корреляции |
|
|
при наличии прямой связи: |
|
|
|
|
Слабая |
0,1 |
– 0,3 |
Умеренная |
0,3 |
– 0,5 |
Заметная |
0,5 |
– 0,7 |
Высокая |
0,7 |
– 0,9 |
Весьма высокая |
0,9 |
– 0,99 |
157
Экспертиза – процедура получения оценок от экспертов. Суть метода состоит в проведении экспертами анализа проблемы с качественной или количественной оценкой суждений и формальной обработкой результатов индивидуальных мнений. С помощью экспертных оценок проводится анализ сложных педагогических процессов, явлений, характеризующихся в основном качественными признаками, дается прогноз развития отрасли, определяются факторы, оказывающие наибольшее воздействие на процессы обучения и воспитания, осуществляются оценка альтернативных решений и выбор предпочтительных вариантов.
Эксперты (от латинского «expertus» – опытный) – это лица, обладающие знаниями и способные высказать аргументированное мнение по изучаемому явлению. В качестве критериев для формирования группы экспертов используются три признака: род занятий, стаж работы и уровень квалификации по интересующему профилю. Учитываются также уровень и характер образования, возраст и др. Центральный среди всех критериев отбора экспертов – их компетентность.
Эксцесс – это мера крутости кривой распределения. Возвращает эксцесс множества данных. Эксцесс характеризует относительную остроконечность или сглаженность распределения по сравнению с нормальным распределением. Положительный эксцесс обозначает относительно остроконечное распределение. Отрицательный эксцесс обозначает относительно сглаженное распределение.
158
Список иллюстративных материалов
1.Рисунок 1.1 – Функциональный блок и интерфейсные дуги [27, с. 118].
2.Рисунок 1.2 – Структура SADT-модели. Декомпозиция диаграмм [27,
c.122].
3.Рисунок 1.3 – Иерархия диаграмм [26].
4.Рисунок 1.4 – Схема применения структурного подхода [6]
5.Рисунок 1.5 – Пример нулевого (А0) уровня SADT-модели подсистемы «Абонемент». Контекстная диаграмма
6.Рисунок 1.6 – Пример декомпозиции SADT-модели подсистемы «Абонемент»
7.Рисунок 1.7 – Пробная образовательная модель учебного кластера «Проектирование ИС»
8.Таблица 1.1. Методологии структурного анализа и проектирования [6]
9.Таблица 1.2. Компетенции, формируемые при преподавании дисциплин учебного кластера «Проектирование ИС»
10.Таблица 1.3. Компетенции, формируемые в деятельности СНК
11.Таблица 1.4. Программа наблюдения
12.Таблица 1.5. Структура измерения
13.Таблица 1.6. Результаты описательной статистики
14.Таблица 1.7. Корреляционный анализ взаимосвязи компетенций.
15.Таблица 1.8. Динамика формирования компетенции ОК-10
16.Рисунок 1.8 – Область моделирования
17.Рисунок 1.9 – Цель и точка зрения функциональной модели
18.Рисунок 1.10 – Контекстная модель учебного кластера «Проектирование
ИС»
19.Рисунок 1.11 – Модель 1 уровня декомпозиции учебного кластера «Проектирование ИС»
20.Рисунок 1.12 – Модель 2 уровня декомпозиции – «Информатика»
21.Рисунок 1.13 – Модель 2 уровня декомпозиции – «Структурное проектирование ИС»
22.Рисунок 1.14 – Модель 2 уровня декомпозиции – «Основы объектноориентированного проектирования»
23.Рисунок 1.15 – Модель 2 уровня декомпозиции – «Проектирование АБИС»
24.Рисунок 1.16 – Свойства модели – определение модели и область моделирования
25.Рисунок 1.17 – Свойства модели – цель модели и точка зрения
26.Рисунок 1.18 – Контекстная диаграмма функциональной модели AS-IS
27.Рисунок 1.19 – Диаграмма декомпозиции 1 уровня функциональной модели AS-IS
28.Рисунок 1.20 – Контекстная диаграмма функциональной модели TO-BE
29.Рисунок 1.21 – Диаграмма декомпозиции 1 уровня функциональной модели TO-BE
159
Приложение 1
Пример паспорта и программы формирования компетенций
Пример паспорта и программы формирования компетенций
Белгородский государственный институт искусств и культуры Кафедра информатики и информационно-аналитических ресурсов ПАСПОРТ
системной компетенции по направлению подготовки – 071900 Библиотечно-информационная деятельность Квалификация (степень) Бакалавр
ОК-10. ИСПОЛЬЗОВАНИЕ ОСНОВНЫХ ЗАКОНОВ ЕСТЕСТВЕННО-НАУЧНЫХ ДИСЦИПЛИН В ПРОФЕССИОНАЛЬНОЙ ДЕЯТЕЛЬНОСТИ, ПРИМЕНЕНИЕ МЕТОДОВ МАТЕМАТИЧЕСКОГО АНАЛИЗА И МОДЕЛИРОВАНИЯ, ТЕОРЕТИЧЕСКОГО И ЭКСПЕРИМЕНТАЛЬНОГО ИССЛЕДОВАНИЯ
1. Характеристика компетенции 1.1. Структура компетенции:
|
Структурный компонент компетенции |
Уровень |
|
|
овладения |
|
|
(Нулевой-У0/ |
|
|
НизкийУН/ |
|
|
Базовый-УБ/ |
|
|
Продвинутый- |
|
|
УП/) |
К |
Когнитивный (знания, предметные умения, инструментальные |
|
|
навыки): |
|
|
Имеет общее представление о законах математической логики, основных |
У0 |
|
положениях теории множеств, о средствах структурирования данных – |
|
|
линейные и прямоугольные таблицы. Знает общие методы научного |
|
|
познания |
|
|
Имеет представление о законах математической логики, основных |
УН |
|
положениях теории множеств, |
|
|
применяет как средства структурирования данных линейные и |
|
|
прямоугольные таблицы и математический аппарат (матрицы) для хранения |
|
|
и обработки данных, использует общие методы научного познания |
|
|
Интерпретирует законы математической логики, основные положения |
УБ |
|
теории множеств, |
|
|
применяет в соответствии с поставленной целью средства структурирования |
|
|
данных линейные и прямоугольные таблицы и математический аппарат |
|
|
(матрицы) для хранения и обработки данных, использует общие методы |
|
|
научного познания, |
|
|
исследует и изучает библиотечно-информационные системы с |
|
|
использованием метода моделирования |
|
|
Владеет методами теоретического и экспериментального исследования, |
УП |
|
умеет выбрать методологию исследования библиотечно-информационных |
|
|
систем, актуальную цели исследования |
|
Д |
Деятельностный. Основные способы деятельности и опыт (методы, |
|
|
технологии, метапредметные умения, широкие навыки, мыслительные |
|
|
действия): |
|
|
|
|
160 |
|
|
|
|
|
|
|
|
||
|
Структурный компонент компетенции |
|
|
Уровень |
||
|
|
|
|
|
|
овладения |
|
|
|
|
|
|
(Нулевой-У0/ |
|
|
|
|
|
|
НизкийУН/ |
|
|
|
|
|
|
Базовый-УБ/ |
|
|
|
|
|
|
Продвинутый- |
|
|
|
|
|
|
УП/) |
|
Имеет общее представление о методах математического анализа и |
У0 |
||||
|
моделирования, теоретического и экспериментального исследования |
|
||||
|
Репродуктивно применяет законы математической логики, основные |
УН |
||||
|
положения теории множеств, |
|
|
|
|
|
|
средства структурирования данных – линейные и прямоугольные таблицы и |
|
||||
|
математический аппарат (матрицы) для хранения и обработки данных, |
|
||||
|
использует общие методы научного познания, |
|
|
|
||
|
исследует и изучает библиотечно-информационные системы с |
|
||||
|
использованием метода моделирования |
|
|
|
||
|
Осознает цель, мотивирует выбор методов, адекватных целям исследования. |
УБ |
||||
|
Владеет спектром технологий исследования библиотечно-информационных |
|
||||
|
систем, использует на основе критериев научно-исследовательской работы |
|
||||
|
общие методы научного познания, метод моделирования при исследовании |
|
||||
|
процессов |
в библиотеке на |
трех уровнях |
практической |
деятельности |
|
|
(структурированный, слабоструктурированный, неструктурированный), |
|
||||
|
метод моделирования при исследовании и изучении библиотечно- |
|
||||
|
информационных систем |
|
|
|
|
|
|
Самостоятельно определяет цель и организует исследование, прогнозирует |
УП |
||||
|
результат, проводит его адекватную самооценку, владеет современными |
|||||
|
методологиями, умеет обосновать выбор методологии в соответствии с |
|
||||
|
целями |
|
|
|
|
|
ЦМ |
Ценностно-мотивационный (ценностные отношения, этические и |
|
||||
|
моральные нормы, мотивация): |
|
|
|
||
|
Имеет общее представление о применении основных законов |
У0 |
||||
|
естественнонаучных дисциплин в профессиональной деятельности |
|
||||
|
Осознает |
необходимость |
применения |
основных |
законов |
УН |
|
естественнонаучных дисциплин в профессиональной деятельности |
|
||||
|
Стремится к саморазвитию в соответствии с целями профессиональной |
УБ |
||||
|
деятельности посредством освоения основных законов естественнонаучных |
|||||
|
дисциплин, методов математического анализа и моделирования, |
|
||||
|
теоретического и экспериментального исследования |
|
|
|||
|
Готов к самостоятельному осуществлению профессиональной деятельности, |
УП |
||||
|
стремится к самореализации и саморазвитию. Критически осмысливает |
|
||||
|
свою деятельность |
|
|
|
|
1.2.Перечень признаков (дескрипторов) проявления компетенции:
−применяет основные критерии научно-исследовательской работы;
−интерпретирует в практической деятельности законы математической логики, основные положения теории множеств;
−применяет как средства структурирования данных линейные и прямоугольные таблицы и математический аппарат (матрицы) для хранения и обработки данных;
−пользуется общими методами научного познания:
методами эмпирического исследования (наблюдение, описание, счет, анкетный опрос, собеседование, тестирование, эксперимент, сравнение, измерение, контент-анализ и т. д.);