На сегодняшний день в тех странах, в которых отсутствует система национального мониторинга качества образования (в их число входит и Россия), исследование TIMSS служит источником качественной и регулярной информации о работе системы школьного образования. PISA, напротив, разрабатывалась как политический инструмент, целью которого является оценка качества и эффективности образования, а также равенства доступа к образованию. Результаты данного исследования призваны отвечать не только на вопрос о сопоставимости знаний и умений учащихся 15-летнего возраста требованиям современного общества, но и оценить с точки зрения международных стандартов компетентностного подхода изменения образования в школах и пути его улучшения для увеличения конкурентоспособности выпускников [Основные результаты международного исследования образовательных достижений учащихся ПИЗА - 2003].

Другими словами, результаты исследования TIMSS служат показателем того, насколько хорошо внедрен учебный план по математике («Что представляет из себя математика в школе?»), PISA, в свою очередь, - насколько хорошо учебная программа страны соотносится с потребностями учащихся в их настоящей и будущей жизни как граждан общества («Какая математика в школе должна быть?») [Grшnmo & Olsen, 2006].

Достижения учащихся в сравнительных исследованиях TIMSS и PISA, а также анализ их результатов предоставляется в специальных международных отчетах и широко обсуждается между людьми, заинтересованными в улучшении образования. Это позволяет сравнить достижения не только стран - соседей, партнеров, но и стран-соперников и сделать соответствующие выводы. Тем не менее, наибольшее значение дает не столько сравнение результатов между странами, сколько переосмысление своих собственных результатов и практик. Результаты позволяют проанализировать программы, которые происходили в образовании за последние годы, инициировать оценку того, о чем никогда не задумывались ранее; взять на вооружение идеи, подкрепленные примерами других стран, а также пересмотреть системы образования для обеспечения справедливого образования для всех учащихся [Yee, de Lange & Schmidt, 2006].

Какой бы ни был хороший и полезный инструментарий (в том числе образовательный), экспертами каких бы областей и квалификации он не разрабатывался, наряду с достоинствами он всегда будет иметь некоторые недостатки и ограничения. Остановимся подробнее на некоторых из них:

· Ряд исследователей в своих работах рассматривали инструменты TIMSS и PISA как основу различных управленческих и политических решений. J. Buckingham отмечает, что хоть международные исследования и дают картину сильных и слабых сторон образовательной системы стран мира, они не дают предложения и возможные пути улучшения достижений учащихся [Buckingham, 2012]. M. Schneider в своей работе также упоминал, что помимо интересных и информативных данных для сравнения достижений стран, PISA представляет маленькое значение для образовательной политики страны, а также узость оценки способностей в рамках данного исследования [Цит. по: Buckingham, 2012, стр.4].

· На результаты исследований достаточно сильно оказывают влияния культурные и географические факторы. Так L. Grшnmo, M. Kjжrnsli и S. Lie (2004) в своей работе с помощью кластерного анализа выделили 5 групп стран на основе ответов учащихся на задания TIMSS: Англоговорящие страны, Немецко-говорящие страны, Скандинавские страны, Восточная Европа (в том числе Россия) и Восточная Азия. Страны, входящие в каждую из групп, имеют схожий «паттерн» результатов, что непосредственно говорит о значении языка и культуры народов. В дополнение к этому, в ряде работ вводятся такие понятия, как Западная математика, математика стран Азии, математика стран третьего мира [Sierpinska & Lerman, 1996; Gerdes, 1996, Barton, 1996], что еще раз показывает: математика, преподаваемая в разных странах, имеет свою специфику.

· В связи с тем, что инструменты TIMSS и PISA разрабатывались с целью оценки страны в целом, то говорить об индивидуальных баллах каждого учащегося не вполне корректно. Другими словами, весь анализ и выводы имеют смысл только на уровне отдельной страны.

· Исследования PISA и TIMSS содержат разные как предметные области, так и затрагиваемые когнитивные процессы. Некоторые области и процессы пересекаются друг с другом, но, одновременно с этим, содержат уникальные собственные темы. Таким образом, невозможно прямое сопоставление тех или иных областей в исследованиях [Grшnmo & Olsen, 2006; Wu, 2010];

· Ряд исследователей утверждает, что разделение когнитивных областей в каждом из исследований, в отличии от предметных, носит весьма условный характер. Это объясняется тем, что задание требует разных когнитивных процессов у разных учащихся. Например, задание на определенную математическую тему позволяет отделить тех учащийся, кто знает данную тему от тех, кто не знает; с другой стороны, если учащихся не знает ответа на вопрос, он будет отвечать на него не методом рассуждения, а с помощью угадывания, то есть использовать разные когнитивные процессы для получения ответа на задачу [Grшnmo & Olsen, 2006], что не совпадает с закладываемой заранее когнитивной областью задания;

· Зачастую в заданиях PISA достаточно трудно выделить одну предметную область или тему, которая проверяется с помощью некоторого задания. Одновременно с этим существуют ситуации, когда задание сразу покрывает несколько тем, и классифицировать его однозначно не предоставляется возможным. В одной из своих работ L. Grшnmo и R. Olsen (2006) говорят, что задания PISA покрывают широкую полосу предметных областей («bandwidths»), в то время как задания TIMSS точно ориентированы на область («high fidelities»);

· Даже не смотря на то, что все же существуют перекрывающиеся области, ротационный блочный дизайн данных международных исследований не позволяет выявить задания в тесте, которые были бы направлены на определенное математическое знание (например, «использование формулы арифметической прогрессии»), а затем сравнить успешность ребенка в двух тестах [Тюменева & Вальдман, 2014].

Каждый учащийся получает определенное число заданий по математике. Так, в исследовании TIMSS - 48-59 заданий (из 217 возможных), в PISA - 11-37 заданий (из 85 возможных). Очевидно, что очень маленькое число учащихся получит одинаковый набор заданий. Это еще раз подтверждает тот факт, что невозможно оценить каждого учащегося в отдельности, а также проанализировать сформированность какого-то конкретного математического навыка, освоение определенной математической темы.

Результаты учащихся во всех странах мира представляются в виде некоторых баллов - PV (Plausible values). В TIMSS PV характеризуют то, как учащийся овладел курсом математики (чем выше балл, тем глубже уровень овладения школьным материалом); в PISA - оценка способности применить знания, полученные в школе для решения задач повседневной жизни.

PV представляют собой значения, напоминающие тестовый балл и имеющие примерно такое же распределение, что и измеряемая черта. PV были разработаны как вычислительные приближения для получения согласованных оценок характеристик населения в тех ситуациях, когда учащимся предоставлялось малое количество вопросов для точной оценки их способностей. Данные значения представляют собой случайные величины из эмпирического распределения баллов учащихся с аналогичными характеристиками и идентичными ответами [OECD, 2004]. Другими словами, plausible values представляют собой множество баллов, которые учащийся может получить, исходя из его ответов, то есть это - условное значения ненаблюдаемого латентного уровня достижений учащегося [Wu, 2005].

· Использование данного рода баллов по каждому учащемуся не дает возможности сделать вывод о вкладе знания определенной темы по математике (например, «вычисление площади», «знание формулы арифметической прогрессии») в способность применить ее в повседневной жизни. Чтобы иметь возможность делать такие выводы, необходимо четко отобрать задания в двух исследованиях на одну и ту же математическую тему, затем выделить учащихся, которым были предъявлены эти задания для последующего сравнения их результатов решения деконстуализированного задании (TIMSS) Математическая задача, не содержащая лишнюю отвлекающую информацию. и контекстуализированного Математическая задача, «нагруженная» лишней информацией. (PISA) заданий. Однако, как уже было упомянуто ранее, в силу блочно-ротационного дизайна это сделать невозможно. В рамках двух исследований существует небольшое число учащихся, которым был предъявлен одинаковый набор заданий, что сразу увеличивает ошибку измерения при попытке интерпретации их результатов.

На протяжении всего времени OECD разрабатывает и продумывает цели и аспекты, в которых необходимо развивать и модернизировать инструментарий PISA [Beyond PISA 2015: A Longer - strategy of PISA, http://www.oecd.org/pisa]:

1) Продолжение использования компьютерного тестирования, включая адаптивное компьютерное тестирование, позволяющее постепенно уменьшать различие между основным предметом в цикле и второстепенными. В свою очередь, это будет способствовать более точному измерению некогнитивных навыков (например, введение новых форматов заданий, таких как видеоклипы, задания сценарного типа и др.);

2) Расширение взаимодействия между PISA, OECD, различными международными исследованиями (TIMSS, TALIS и др.) и образовательными базами данных с целью предоставления дополнительных сведений о результатах обучения;

3) Поиск методологических и аналитических средств для укрепления политической значимости и аналитической мощи PISA, в том числе создание возможности для связи результатов PISA с результатами национальных мониторингов;

4) Охват исследованием все большего числа стран (для сравнения: в 2000 году в исследовании приняло участие 32 страны, в 2012 - 65 стран);

5) Позиционирование инструмента PISA как комплексной и системной оценки страны, но одновременно с этим способствование получению обратной связи отдельных школ;

6) Поиск путей охвата для участия в PISA учащихся с ограниченными возможностями и другими особенными образовательными нуждами.

Возможные пути улучшения модернизация инструмента TIMSS не описаны в существующих официальных документах. Тем не менее, с каждым годом инструмент претерпевает изменения. Например, повышение качества измерений, отведение соответствующего времени для решения заданий теста, реорганизация таблиц, иллюстрирующих связь уровня подготовки учащихся с различными факторами, оказывающими эффект на результаты обучения [Основные результаты международного исследования качества математического и естественнонаучного образования, 2012].

Сегодня достаточно сложно спрогнозировать будущее данных исследований. Одно можно сказать точно, что данные инструментарии очень успешны и популярны (о чем говорит возрастающее с каждым годом число стран-участниц). С каждым новым циклом появляются новые задания, вопросы контекстной информации, внедряются компьютерные технологии для проведения исследований и углубляется статистический анализ результатов. Все это дает основание полагать, что исследования TIMSS и PISA еще долго не исчерпают себя и будут все больше использоваться при разработке и модернизации образовательной системы.

2.3 Использование результатов исследований TIMSS и PISA в изучении вопроса переноса знаний

В предыдущей главе был представлен обзор литературы, посвященной изучению понятия переноса знаний. В каждом из ранее представленных исследованиях был использован собственный инструмент и своя возрастная выборка, принявшая участие в исследовании. Тем не менее, ни в одном из них не рассматривались результаты международных исследований TIMSS и PISA, хотя именно они позволяют говорить об уровни освоения предметного материала и способности применять знания во вне-академическом контексте. Предполагается, что наличие тестового балла (PV) может служить характеристикой уровня освоения того или иного материала.

Попытки связать уровень освоения материала и возможность применить его в повседневном контексте были сделаны в нескольких исследованиях [Grшnmo & Olsen, 2006; Тюменева & Вальдман, 2014]. Основой данных исследований служили результаты международных исследований по оценке образовательных достижений учащихся TIMSS и PISA. Результаты TIMSS выступали показателем уровня владения учащимися предметным материалом, а результаты PISA - способности применить изученный школьный материал в повседневных ситуациях, с которыми они встречаются на протяжении жизни.

L. Grшnmo и R. Olsen (2006) в своей работе сравнивали пять стран (Япония, Нидерланды, Норвегия, Россия и Шотландия) и их успешность в различных математических предметных областях TIMSS и PISA на основе данных 2003 года. Исследователи показали, что Япония и Нидерланды наиболее успешны в целом в исследовании TIMSS, а также в отдельных предметных областях, таких как «Числа», «Измерения» и «Анализ данных». Различия существуют в разделах «Алгебра» и «Геометрия» (Япония существенно превосходит Нидерланды). Данные страны демонстрировали высокие результаты и в исследовании PISA. Проанализировав результаты оставшихся трех стран, авторы делают вывод, что значимую роль для успехов в PISA играют знания по разделу «Числа» (данному разделу отводится наибольшее место в школьной программе стран); те страны, которые испытывают проблемы с заданиями по разделу «Числа» (Норвегия), набирают низкий балл и в исследовании PISA.

Несмотря на то, что важность владения знаниями по разделу «Числа» была доказана в ряде работ [Crowther, 1959; Ma, 1999], L. Grшnmo и R. Olsen (2006) не приводят убедительных и весомых аргументов в подтверждение своих выводов. Необходим ряд дополнительных исследований для того, чтобы можно было говорить о достоверности результатов. Одновременно с этим замечанием необходимо отметить следующий факт: в исследованиях TIMSS-2003 и PISA-2003 принимали участие разные дети, что не дает возможность проконтролировать индивидуальные и личностные характеристики.

Недостаток, связанный с наличием разных выборок учащихся, был устранен в ранее проведенном исследовании автора (А. Вальдман) и Ю.Тюменевой (2014). В основу анализа легла выборка школьников, принявших участие как в исследовании TIMSS-2011, так и в PISA-2012. Авторы попытались описать связь уровня освоения предмета «математика» и возможность применения данных знаний в реальных жизненных ситуациях. Для этого из всех заданий PISA были выбраны только те, которые вызывают серьезные проблемы у российских школьников (трудность заданий оценивалась по однопараметрической модели Раша). В заключении работы авторы делают вывод, что только владение предметным материалом на высоком уровне позволяет решить трудные задания PISA. Однако в связи с недоступностью официальных данных международного исследования PISA, анализ носил неполный характер и требовал уточнения. В свою очередь, настоящая работа является продолжением начатого ранее анализа, углублением его, а также расширением интерпретации результатов.

Глава 3. Эмпирическое исследование переноса школьных знаний во внеакадемический контекст на российских данных TIMSS-2011 и PISA-2012

3.1 Организация эмпирического исследования, постановка проблемы и задач

На сегодняшний день ряд стран имеют разрыв между баллами в международных исследованиях TIMSS и PISA. В PISA-2012 значительно лидируют 5 стран, так называемые «азиатские тигры»: Сингапур, Гонконг (Китай), Тайвань, Республика Корея и Япония, а затем Финляндия. Их баллы находятся в пределах от 519 до 573 (напомним, российский балл составил 482). В исследовании TIMSS-2011 первая пятерка стран ничем не отличается от PISA (разница существует в порядке cтран между собой), однако шестое место Финляндия уступает России (Россия - 539 баллов, Финляндия - 519).

Успех в PISA стран Восточной Азии в данных исследованиях в аналитическом отчете университета Гратан (Grattan) объясняется связью с реформами по развитию потенциала учителей [Jensen, 2012]. Высокие достижения Финляндии в PISA были достигнуты путем создания организации элитных учителей, единой системы государственных школ, а также расширения представления специального образования [Buckingham, 2012].

На рисунке ниже представлены страны с наиболее существенной разницей в баллах между TIMSS-2011 (8 класс) и PISA - 2012 (рис.7).

В большинстве стран-участниц (Республика Корея, Казахстан, Россия, Израиль и др.) наблюдается тенденция превалирования результатов TIMSS над результатами PISA, и необходимо отметить то, что ситуация в данных циклах исследования не является уникальной, а прослеживается на протяжении многих циклов международных исследований. Этот феномен получил название «PISA шок» («PISA shock) [Yee, de Lange & Schmidt, 2006].



Рис.7. Страны, имеющие разрыв в баллах по результатам TIMSS-2011 и PISA-2012

Можно предположить, что разрыв в баллах обусловлен тем, что система образования в выше представленных странах ориентирована в большей степени на предметные знания, чем на знания для повседневной жизни («real-life»). Некоторые исследователи объясняют превышение баллов TIMSS над баллами в PISA в азиатских странах тем, что исследование PISA в большей степени ориентировано на западную систему образования [Wu, 2009 (1 и 2), Hutchison & Schagen, 2007].

Обратная ситуация характерна для таких стран, как Норвегия, Новая Зеландия, Чили и Финляндия. Они представляют немногочисленную группу стран, которые более успешны в PISA.

Если же сравнивать баллы стран в каждом из исследований TIMSS и PISA, то можно заметить, что размах в баллах TIMSS составил 223 балла, что значительно больше размаха баллов в PISA - 198 баллов. Данная закономерность прослеживается на протяжении всех циклов исследований, а также в разрезе всех предметных областей данных международных инструментариев [Grшnmo & Olsen, 2006].

Обратим внимание еще раз на тот факт, что в TIMSS-2011 российские восьмиклассники по математике заняли 6 место из 63, набрав 539 баллов при среднем международном балле 500. [Ковалева, 2012]. При этом, в PISA-2012 15-летние учащиеся набрали по математической грамотности 482 балла (средний по странам ОЭСР - 494), обеспечив России 31-39 места среди 65 стран-участниц [Первые результаты международной программы PISA-2012, www.centeroko.ru]. Данный разрыв в баллах во многом связан с тем, что российская система образования преимущественно нацелена на формирование у учащихся предметных знаний и навыков и в меньшей степени ориентирована на развитие функциональной грамотности, умение применять полученные знания в реальной жизненной ситуации.

Необходимо сразу отметить, что прямое сравнение результатов данных международных исследований является весьма условным, так как исследование проводится на разных выборках, в разные годы и с использованием разных тестов. Тем не менее, это является одним из толчков к постановке исследовательских вопросов для изучения.

В связи с тем, что целью данной работы являлась оценка связи степени сформированности предметных знаний и умений со способностью их переноса в неакадемический контекст, то выделяется два возможных уровня сопоставления результатов исследований - на уровне теста и на уровне заданий. Анализ на уровне теста дает возможность изучить внутреннюю структуру международных инструментариев, посмотреть целесообразность использования результатов учащихся в разрезе предметных и когнитивных областей (предметные и когнитивные области, выделяемые в каждом из исследований TIMSS и PISA, были представлены в работе ранее) или напротив, необходимость оперирования общими конструктами «математика» и «математическая грамотность». Знание структуры позволит перейти к оценке вклада предметных знаний по математике в способности их применять в повседневной жизни. Анализ на уровне заданий, в свою очередь, дает возможность оценить, насколько знание определенных правил и формул важно в той или иной задачи.

Для достижения поставленных целей и ответа на исследовательский вопрос, эмпирический анализ был проведен в следующем порядке:

1. Общий анализ национальной выборки России;

2. Исследование валидности инструментов TIMSS и PISA на основе результатов эксплуараторного факторного анализа;

3. Изучение связи успешности в TIMSS и PISA, а также вклада предметных знаний в умение их использовать во вне-академическом контексте при помощи корреляционно-регрессионного анализа;

4. Группировка участников TIMSS по их успешности в исследовании;

5. Анализ заданий международных исследований и выделение тех заданий в PISA, которые проверяют знание определенной темы из школьной программы по математике («curriculum-based» заданий);

6. Определение процента решенных выделенных заданий в группах с разным уровнем освоения предметных математических знаний;

7. Интерпретация результатов, формулирование выводов и дальнейших исследовательских гипотез.

Таким образом, и концептуально, и содержательно тесты TIMSS (8 класс) и PISA оценивают разные стороны образовательных результатов учащихся, так же как предоставляют разную контекстную информацию об образовании. Если рассматривать два этих исследования как взаимодополняющие, то открывается возможность использовать контекстную информацию и оцениваемые навыки одного из исследований для объяснения результатов другого. Это дает возможность определить меру содержательного пересечения этих оценочных программ и расширить рамки интерпретации результатов.

Все последующие результаты анализа будут представлены в сопоставлении друг с другом (где это будет возможно) для большей наглядности и очевидности.

В рамках международного исследования TIMSS учащимся предлагалось от 48 до 59 заданий (из 217 возможных), в PISA - от 11 до 37 (из 85 возможных). Задания предоставлялись в специально разработанном блочном ротационном порядке, который позволяет наиболее точно оценить выборку при предъявлении ограниченного числа заданий.

В качестве инструмента для оценки владения учащимися предметным материалом, изучаемым в курсе математики, использовались результаты международного сравнительного исследования TIMSS; результаты PISA, напротив, показывали умения российских школьников использовать предметные математические знания в новом контексте.

3.2 Анализ результатов в России в TIMSS и PISA

Национальная выборка TIMSS-2011 (8 класс) и PISA-2012 составила 4384 учащихся из 229 школ различных субъектов Российской Федерации. Доля мальчиков и девочек составила 50,2% и 49,8% соответственно. Возраст школьников на 2012 год варьировался от 14 до 17 лет (M=15,9; SD=0,49).

В связи с тем, что исследуемая выборка отличается от репрезентативной выборки страны в исследовании TIMSS-2011, был произведен анализ распределения результатов учащихся. Необходимо отметить, что непосредственное сравнение PV между исследованиями невозможно, поэтому описательная статистика приведена для каждого инструментария отдельно.

Средний балл российских учащихся по математике в TIMSS составил 539,65 баллов (SD=79,40), в то время как средний международный - 500. Результаты школьников колеблются от 270,65 баллов до 792,57. В PISA-2012 российский результат составил только 486,77 баллов (SD=84,13). Несмотря на то, что максимальный результат в PISA достаточно высокий - 782,29, наименьший составил лишь 181,66 баллов. Форма распределения баллов отличается от нормального (в силу неэквивалентности национальной выборки) как в TIMSS (Коэф. асимметрии = -0,20; Эксцесс = -0,33; Статистика Колмогорова-Смирнова = 0,03, p? 0,00), так и в PISA (Коэф. асимметрии = -0,04; Эксцесс = -0,02; Статистика Колмогорова-Смирнова = 0,03, p? 0,00). В дополнение к этому, в результатах TIMSS ярко выражена левосторонняя асимметрия (рис.8).

Рис.8. Распределение результатов по математике в TIMSS-2011 и PISA-2012

В связи с тем, что анализ осуществлялся в 2 этапа, то результаты будут представлены отдельно по каждому из них.

Анализ на уровне теста

Коэффициенты корреляции Пирсона между областями очень высокие. В TIMSS для содержательных областей 0,79-0,89, для когнитивных 0,91-0,95; в PISA - от 0,82 до 0,91 и от 0,84 до 0,90 соответственно. Результаты свидетельствуют о том, что как предметные, так и когнитивные области в каждом из изучаемых инструментов очень связаны между собой (табл.2). Эти коэффициенты значительно выше, чем остальные значения коэффициентов между инструментами (см. также приложение 1-4).

Таблица 2. Матрица интеркорреляций между предметными областями международных исследований TIMSS и PISA

		PISA	TIMSS
		Изменения и зависимости	Количество	Пространство и форма	Неопределенность	Алгебра	Данные и шансы	Числа	Геометрия
PISA	Изменения и зависимости	1	0,91**	0,86**	0,85**	0,56**	0,56**	0,58**	0,55**
	Количество	0,91**	1	0,87**	0,89**	0,58**	0,57**	0,59**	0,55**
	Пространство и форма	0,86**	0,87**	1	0,82**	0,54**	0,52**	0,56**	0,52**
	Неопределенность	0,85**	0,89**	0,82**	1	0,54**	0,54**	0,56**	0,51**
TIMSS	Алгебра	0,56**	0,58**	0,54**	0,54**	1	0,79**	0,88**	0,89**
	Данные и шансы	0,56**	0,57**	0,52**	0,54**	0,79**	1	0,86**	0,83**
	Числа	0,58**	0,59**	0,56**	0,5**	0,88**	0,86**	1	0,87**
	Геометрия	0,55**	0,55**	0,52**	0,51**	0,89**	0,83**	0,87**	1

Для оценки структуры измеряемых конструктов в TIMSS и PISA был осуществлен факторный анализ (ЭФА) методом главных компонент. В основе данного анализа легли PV по содержательным (предметным) областям, а также по когнитивным областям. В результате было получено, что в TIMSS содержательные области объясняют 89% дисперсии и факторные нагрузки на единственную компоненту близки к единице.

Таблица 3. Нагрузки на первую компоненту по содержательным областям, TIMSS

Факторная нагрузка	0,95	0,97	0,96	0,95
Содержательная область	Алгебра	Данные и шансы	Числа	Геометрия

В PISA прослеживаются аналогичные результаты. 90% вариации объясняется четырьмя предметными областями. Факторные нагрузки на единственную компоненту превышают 0,94.

Таблица 4. Нагрузки на первую компоненту по содержательным областям, PISA

Факторная нагрузка	0,95	0,97	0,94	0,94
Содержательная область	Изменения и зависимости	Количество	Пространство и форма	Неопределенность

По когнитивным процессам, закладываемым в каждый из изучаемых международных исследований, результаты получились аналогичные приведенным ранее (более подробно ознакомиться можно с ними в приложении 5 и 6).

Таким образом, несмотря на то, что в спецификации TIMSS и PISA содержательные и когнитивные области заявлены как самостоятельные, на практике они не отличаются значимо друг от друга. В связи с этим, дальнейшее изучение связи между успешностью учащихся в TIMSS и PISA осуществлялось по предмету «математика» в целом.

В результате анализа значения регрессионных коэффициентов был получен небольшой вклад “навыков TIMSS” в “навыках PISA”. Результаты TIMSS объясняют 39% вариации результатов PISA; 61% дисперсии связан с другими, неучтенными в модели факторами. Этот показатель существенно меньше того, что был обнаружен в работе M. Wu (2010). Данное различие, возможно, связано с тем фактом, что выборка у M. Wu представляла собой агрегированные данные на уровне страны; в данной работе - выборка идентична в двух исследованиях.

В проведенных ранее исследованиях отмечалась сильная связь результатов по математике в PISA с результатами по чтению в PISA. Так J. Buckingham в своей работе, изучая результаты исследований TIMSS и PISA 2003 года в Австралии, указывает значение коэффициента корреляции Пирсона 0,95 между достижениями по чтению и математики в PISA, а 0,84 - между достижениями по математике в TIMSS и PISA. После этого автор делает вывод, что достижения по чтению лучше предсказывают достижения по математике в PISA, чем математические знания, измеряемые в TIMSS [Buckingham, 2012]. В данной работе коэффициенты корреляции Пирсона составили 0,62 и 0,55 между математическими областями и между чтением и математикой в PISA соответственно (см. приложение 7). Существенные различия в значениях коэффициентов, можно предположить, также связаны с различием в изучаемых выборках.

Как было рассмотрено в работе ранее, в зависимости от набранного балла, в TIMSS (аналогично и в PISA) присваивается уровень освоения предметного материала (математики). Только 4,7% учащихся не имеют элементарных математических знаний и более 47% российских учащихся владеют школьными знаниями выше среднего уровня (рис.9).

Риc.9. Распределение российских учащихся по уровням освоения школьного материала по математике в TIMSS-2011, %

Ниже представлены результаты того, как переход на следующий уровень освоения математики связан с возможностью переносить данное знание в повседневный контекст. В качестве зависимой переменной выступает балл по математике в PISA; в качестве независимых - фиктивные переменные, характеризующие уровень владения предметным материалом по математике (за базу сравнения был выбран первый уровень в исследовании TIMSS).

Таблица 5. Результаты регрессионного анализа

	B	Значимость
Константа	381,70	0,00
2-ой уровень	42,57	0,00
3-ий уровень	84,94	0,00
4-ый уровень	134,39	0,00
5-ый уровень	188,73	0,00

Из представленной таблицы видно, что переход к более высокому уровню прибавляет прирост баллов в исследовании PISA. Это и согласуется с логикой: чем больше учащийся разбирается в предметном материале (TIMSS), тем легче его потом применить на практике (задания PISA).

Если учащийся находится на первом уровне освоения школьного материала по математике, то он в среднем наберет 382 балла; в то время как на пятом уровне освоения - 561 балл (на 189 баллов больше). Разница в баллах между всеми уровнями составляет более 40 баллов, между 5-ым и 4-ым - более 50 баллов.

Анализ на уровне заданий

1. Группировка участников TIMSS по их успешности в исследовании

Разделение учащихся на группы проходило на основании их среднего балла по TIMSS-математика. Для каждого учащегося был рассчитан средний балл по математике и в соответствии с этим были выделены 5 групп (примерно по 20%): 1- самые слабые, 5 группа - самые сильные (таблица 6).

Таблица 6 Распределение учащихся по группам на основе полученных ими баллов в исследовании TIMSS-2011

№ группы	1	2	3	4	5
Доля каждой группы в общем числе учащихся, %	20,0	20,1	19,5	20,9	19,5
Средний балл в TIMSS	424,17	498,46	544,39	585,02	647,81

2. Выделение «curriculum-based» заданий PISA

В основе отбора необходимых заданий лежал тот факт, что при решении задания PISA необходимо было применить конкретные знания из школьного предмета математики, будь то теорема Пифагора или формула арифметической прогрессии. После тщательного анализа существующих заданий PISA были отобраны 22 задания (практически все из них отмечались как самые трудные в прошлой работе, посвященной анализу данной проблемы) [Тюменева & Вальдман, 2014]. Для лучшего представления заданий, о которых будет идти речь, в приложении 9 представлен пример. В заданиях такого типа необходимо использовать не только информацию из текста, но также из таблицы, графика, проследить изменения или построить модель и т. д. [Тюменева & Вальдман, 2014].

3. Расчет процента решаемости «curriculum-based» заданий в группах TIMSS

В связи с тем, что учащимся предъявлялось разное число «curriculum-based» заданий PISA, то в качестве 100% было взято общее число реально предъявленных 22 заданий каждой группе учащихся. Процент решаемости был рассчитан по математике в целом (так как было показано ранее, мы имеем право работать с предметом математика как единым целым). Результаты представлены ниже (рис.10).



Рис.10. Решаемость «curriculum-based» заданий PISA учащимися с разными достижениями по математике в TIMSS, %

Существует прямая связь между достижениями в TIMSS и успешностью в решении заданий PISA: чем лучшую успешность в TIMSS демонстрирует учащийся, тем больше «curriculum-based» заданий PISA он способен решить. Обращает, однако, на себя внимание следующее: разница между процентом решаемости в 1-ой и 2-ой по успешности в TIMSS группе составляет всего 5,9%, между 2-ой и 3-ей - 8% и т.д, в то время как между 4 и 5-ой - 13,7% (более чем в 2 раза больше разницы между всеми остальными группами).

В связи с тем, что для результатов TIMSS характера ярко выраженная положительная асимметрия, переход к интерпретации процентов и изучению «скачков» между ними не является верным. Проценты могут переоценивать способности учащихся на концах распределения и недооценивать в середине. Для возможности интерпретации было осуществлено логарифмирование значений (логит трансформация).

Логит трансформация представляет собой логарифм шансов [Transformations, http://www.coursehero.com]. Так, если p - это вероятность события, то (1-p) - это вероятность того, что данное событие не произойдет. Для вычисления шанса используется следующая формула: p/(1 - p). После логарифмической трансформации она имеет вид:

Z = ln[P/(1-P)],

Где

Ln - натуральный логарифм;

P - процент, представленный в виде пропорции от 0 до 1.

Трансформация процентов была использована для каждой TIMSS группы. В целом, результаты после трансформации повторили выводы, полученные ранее (таблица 7).

Учащиеся из лучшей TIMSS группы (№5) показывают наилучший результат решаемости в curriculum-based задачах. В остальных группах можно увидеть небольшие различия по сравнению с разрывом между 4 и 5 группами.

В дополнение к этому для проверки надежности данных результатов были выделены несколько случайных выборок по 20 заданий, и расчеты проведены еще раз. Ни в одном из дополнительно анализируемых вариантов найденного скачка в решаемости между 4-ой и 5-ой группой обнаружено не было (таблица 7). Различие между процентными значениями и логитами примерно одинаковые во всех группах и во всех случайных выборках.

Таблица 7. Проверка надежности результатов

	22 задачи	случайная 1	случайная 2	случайная 3	случайная 4
	%	Логиты	%	логиты	%	логиты	%	логиты	%	Логиты
1	15,5	-1,7	28,9	-0,9	23,9	-1,2	38,9	-0,5	28,4	-0,9
2	21,5	-1,3	37,8	-0,5	31,8	-0,8	46,7	-0,1	35, 7	-0,6
3	28,7	-0,9	44,6	-0,2	38,5	-0,5	53,2	0,1	42,4	-0,3
4	34,4	-0,6	51,9	0,1	45,0	-0,2	59,5	0,4	49,3	-0,02
5	48,1	-0,1	61,3	0,5	56,4	0,3	66,8	0,7	59,1	0,4

Таким образом, была обнаружена положительная связь между уровнем освоения математики и способностью переносить данные знания в повседневный контекст. Другими словами, чем лучше учащийся знает предмет, тем больше вероятность того, что он сможет применить полученные знания на практике. Тем не менее, связь носит нелинейный характер: только высокий уровень овладения школьным материалом дает возможность к переносу; при ухудшении степени овладения предметом способность переноса значительно снижается.

Выводы

Цель настоящей работы состояла в изучении связи степени сформированности предметных знаний с умением переносить эти знания в ситуации повседневной жизни. Несмотря на то, что изучению переноса знаний посвящен большой ряд исследований, они не рассматривают степень освоения предметного материала.

Результаты проведенного исследования говорят о том, что PISA и TIMSS можно рассматривать в качестве инструментов оценки общего уровня математической подготовленности на материале скорее предметных знаний (TIMSS) и во вне-академическом контексте (PISA).

Результаты учащихся по математике в данных исследованиях связаны. Тем не менее, связь не настолько сильна, чтобы можно было говорить о том, что для переноса знаний необходимо хорошее владение ими. Полученные результаты достаточно легко объяснимы, если еще раз вернуться к ранее упомянутому в работе циклу моделирования. В связи с тем, что перенос знаний является только частью всего процесса математического моделирования и помимо него существует еще ряд других этапов (например, упрощение, вычисление), то проблемы в решении задачи на моделирование может заключаться в любом другом этапе. К сожалению, при отсутствии непосредственно самого решения учащихся (тетрадей), невозможно сказать, где именно они испытывают проблемы.

При анализе уровня освоения предметного материала и заданий повседневной жизни с четко выраженной математической темой было выявлено, что чем лучше учащийся владеет школьным материалом по математике, тем с большей вероятностью он может применить эти знания на практике. Кроме того, эта связь оказалась нелинейной: только владение математикой на высоком уровне способствует переносу знаний. Средние уровни освоения предмета, по сравнению с низкими, не дают преимуществ в переносе.

Данные результаты могут иметь не только широкое теоретическое применение как новый источник информации и исследовательских гипотез о переносе знаний, но и практическое - при организации школьного урока и программы в целом.

Интерпретация результатов имеет ограничения в связи с особенностями исследований TIMSS и PISA (блочный ротационный дизайн, вероятностная оценка результатов, охват математических тем и т.д.), но, несмотря на это, позволяет получить достаточно подробный ответ на поставленный в работе исследовательский вопрос.

Заключение

Система образования формирует облик современного общества, поэтому акцент на улучшение качества образования играет ключевую роль. Обучение начинается с ранних лет человека и занимает достаточно большую часть его жизни. В стенах образовательной организации учащийся изучает ряд предметов с целью получения базовых знаний по каждому из них. Однако достаточно ли таких базовых знаний для возможности использовать их через некоторый промежуток времени и в совершенно другой ситуации? Или наоборот, необходимо их изучение на более глубоком уровне для последующего применения? Ответы на вопросы остаются открытыми.

Жизненные ситуации - комплексные задачи, которые помимо имеющихся знаний у учащихся требуют множество других умственных процессов. Трудности могут возникать как на этапе переноса знаний, так и н любом другом. Настоящая работа показала, что существует нелинейная связь между уровнем владения предметными знаниями и умением их применять в жизненных ситуациях: только те учащиеся, которые очень хорошо разбираются в предметном материале могут использовать свои знания в другом контексте; те школьники, кто испытывает некоторые проблемы со школьной программой, вероятнее всего будут иметь трудности и в их переносе.

Работа является уникальной в нескольких аспектах. Во-первых, исследования ранее не проводились на одной и той же выборке школьников, принявших участие в обоих исследованиях TIMSS и PISA. Во-вторых, ранее авторы не рассматривали перенос знаний как результат степени освоения предметных знаний. Необходимо дальнейшее изучение поднятой проблемы. Однако уже можно увидеть не только потенциальный теоретический вклад исследования (появление недостающей литературы), но и практический (пересмотр и возможная реорганизация школьной программы).

Список литературы

1. Ковалева Г.С., Результаты международного исследования TIMSS-2011 // Вопросы образования, 2012.

2. Тюменева Ю.А, Вальдман А.И. (2014). Что дают предметные знания для умения применять их в новом контексте? Первые результаты сравнительного анализа TIMSS-2011 и PISA-2012, проведенных на одной и той же выборке российских учащихся. Вопросы образования, 1.

3. Центр оценки качества образования ИСМО РАО. Основные результаты международного исследования образовательных достижений учащихся ПИЗА-2003, 2004.

4. Центр оценки качества образования ИСМО РАО. Основные результаты международного исследования качества математического и естественнонаучного образования TIMSS-2011, 2012.

5. Barnett, S., & Ceci, S. J. (2002).When and where do we apply what we learn? A taxonomy for far transfer. Psychological Bulletin, 128, 612-637.

6. Barton, B. (1996). Anthropological Perspectives on Mathematics and Mathematics Education. In Bishop, A.J. et al.(eds.). International Handbook of Mathematics Education. Kluwer Academic Publishers, Dordrecht/ Boston/ London. p.1035-1053.

7. Blum, W., & Ferri, R.B. (2009). Journal of Mathematical Modelling and Application, 1(1), 45-58.

8. Bransford, J. D., Brown, A. L., & Cocking, R. R. (1999). How people learn: Brain, mind, experience, and school. Washington, DC: National Academy Press.

9. Broad, M. L., & Newstrom, J. W. (1992). Transfer of Training: Action-packed Strategies to Ensure High Payoff from Training Investments., Addison-Wesley, Reading, MA.

10. Brown, A. L., Kane, M. J., & Long, C. (1989). Analogical Transfer in Young Children: Analogies as Tools for Communication and Exposition. Applied Cognitive Psychology, 3, 275-293.

11. Broomes, D. (1989). The Mathematical Demands of a Rural Economy, in C. Keitel, P. Damerow, A. Bishop, and P. Gerdes (eds.). Mathematics Education and Society, United Nations Educational Scientific: Paris.

12. Buckingham, J. (2012). Keeping PISA in Perspective: Why Australian Education Policy Should Not Be Driven by International Test Results. IssueAnalysis, 136.

13. Calais, J. (2006). Haskell's Taxonomies Of Transfer Of Learning: Implications For Classroom Instruction. National forum of applied educational research journal, 20 (3).

14. Crowther (1959) 15 to 18: Report of the Central Advisory Council for Education (England). HMSO.

15. Desse, J. (1958). Transfer of Training: The Psychology of Learning, McGraw-Hill, New York.

16. Dixon, R. A. (2012). Transfer of learning: Connecting concepts during problem solving. Journal of Technology education, 24.

17. Dossey, J. A., McCrone, S., & O'Sullivan, C. (2006). Problem solving in the PISA and TIMSS 2003 assessments technical report. National Center for Education Statistics, Institute of Education Sciences, U.S. Dept. of Education.

18. Engle, R.A. (2006). Framing Interactions to Foster Generative Learning: A Situative Explanation of Transfer in a Community of Learners Classroom. The journal of the learning science, 15(4), 451-498.

19. Fogarty, R., Perkins, D., & Barrell, J. (1992). The Mindful School: How to Teach for Transfer. Highett, Australia: Hawker Brownlow Education.

20. Fong, G. T., Krantz, D. H., & Nisbett, R. E. (1986). The effects of statistical training on thinking about everyday problems. Cognitive Psychology, 18(3), 253-292.

21. Frejd, P. (2013). Modes of modelling assessment - A literature review. Educational Studies in Mathematics, 84(3), 413-438.

22. Gagne, R. M. (1965). The conditions of learning. New York: Holt, Rinehart, and Winston.

23. Gentner, D., Loewenstein, J., & Thompson L. (2003). Learning and transfer: A general role for analogical encoding. Journal of Educational Psychology, 95(2), 393- 408.

24. Gerdes, P. (1996). Ethnomathematics and Mathematics Education. In BISHOP, A.J. et al.(eds.). International Handbook of Mathematics Education. Kluwer Academic Publishers, Dordrecht/ Boston/ London, 909-943.

25. Grшnmo, L. S., Kjжrnsli, M., & Lie, S. (2004). Looking for cultural and geographical factors in patterns of response to TIMSS items. In C. Papanastasiou (Ed.),Proceedings of the IRC-2004 TIMSS (Vol. 1, pp. 99-112). Nicosia: Cyprus University Press.

26. Grшnmo, L. S., & Olsen, R. V. (2006). TIMSS versus PISA: The case of pure and applied mathematics - 2nd IEA International Research Conference.

27. Haskell, E.H. (2001). Transfer of learning: Cognition, instruction, and reasoning. New York: Academic Press.

28. Hutchison, D., & Schagen, I. (2007). Comparisons between PISA and TIMSS - Are we the man with two watches? In Loveless, T. (Eds.), Lessons Learned - What international assessments tell us about math achievement. Washington, D.C.: Brookings Institute Press, 227-261.

29. Jensen (2012) Catching Up: Learning from the Best School Systems in East Asia (Melbourne: Grattan Institute report, 3.

30. Jonassen, D.H. (1997). Instructional design models for well-structured and ill-structured problem-solving learning outcomes. ETR&D, 45(1), 65-94.

31. Jonassen, D.H., & Tessmer, M. (1996). An outcomes-based taxonomy for the design, evaluation, and research of instructional systems. Training Research Journal.

32. Kintsch, W. (1970). Learning, memory, and conceptual processes. New York: John Wiley & Sons.

33. Leberman, McDonald, & Doyle (2006). The Transfer of Learning: Participants' Perspectives of Adult Education and Training. Gower Publishing.

34. Lehman, D. R., Lempert, R. O., & Nisbett, R. E. (1988). The effects of graduate training on reasoning: Formal discipline and thinking about everyday-life events. American Psychologist, 43(6), 431-442.

35. Ma, L. (1999). Knowing and teaching elementary mathematics. Lawrence Erlbaum Associates, Mahwah NJ.

36. Masters (2005). International Achievement Studies: Lessons from PISA and TIMSS. Research Developments 13.

37. Mayer, R.E. (1987). The elusive search for teachable aspects of problem solving. In J.A. Glover & R.R. Ronning (Eds.), Historical foundations of educational psychology (pp. 327-347). New York: Plenum Press.

38. Mullis, I.V.S., Martin, M.O., Foy, P., & Arora, A. (2012). TIMSS 2011 International Results in Mathematics. Chestnut Hill, MA: TIMSS & PIRLS International Study Center, Boston College.

39. OECD (2002). Definition and selection of competences (DESECO). Theoretical and Conceptual Foundations, Strategy paper.

40. OECD (2005). The definition and selection of key competencies, Executive summary.

41. OECD (2013). PISA 2012 Assessment and Analytical Framework: Mathematics, Reading, Science, Problem Solving and Financial Literacy, OECD Publishing.

42. Perkins, D. N., & Salomon, G. (1996). Learning transfer. In A. C. Tuijnman (ed.), International Encyclopedia of Adult Education and Training (2nd edn., pp. 422-27). Tarrytown, NY: Pergamon Press.

43. Pollak, H. O. (1979). The Interaction between Mathematics and Other School Subjects. In: UNESCO (Ed.), New Trends in Mathematics Teaching IV. Paris, 232-248.

44. Ripple, R. E., & Drinkwater, D. J. (1982). In Encyclopedia of Educational Research Free Press, New York, 19-48.

45. Royer J.M. (1978). Theories of learning transfer. Technical Report №79.

46. Schoenfeld, A. H.: 1987, 'Confessions of an Accidental Theorist', For the Learning of Mathematics 7(1), 30-39.

47. Sierpinska, A., & Lerman, S. (1996). Epistomologies of Mathematics and of Mathematics Education. In A. J. BISHOP, A.J. ET AL.(eds.). International Handbook of Mathematics Education. Kluwer Academic Publishers, Dordrecht/ Boston/ London. p.827-876.

48. Sutton, M. J. (2003). Problem representation, understanding, and learning transfer: Implications for technology education research. Journal of Industrial Teacher Education, 40(4), 47-61.

49. Thorndike, E. L., & Woodworth, R. S. (1901). Theinfluence of improvement in one mental function upon the efficiency of other functions. Psychological Review, 8, 384-395.

50. Turner, R. (2007). Modelling and applications in PISA. In W. Blum, P. Galbraith, H-W. Henn, & M. Niss (Eds.), Modelling and applications in mathematics education: The 14th ICMI study, (pp. 433-440). New York: Springer.

51. VanderStoep, S.W. & Shaughnessy, J. J. (1997). Taking a course in research methods Improves reasoning about real-life events. Teaching of psychology, 4, 122-124.

52. Willimson, Z., & Schell, J. (2010). Transfer of Learning. OnRamps Texac college readiness, Instructional Design Memo.

53. Woodworth, R. S., & Schlosberg, H. (1954). Experimental psychology. New York: Holt, Rinehart & Winston.

Приложение

Матрица интеркорреляций по предметным областям TIMSS-2011

	Алгебра	Данные и шансы	Числа	Геометрия
Алгебра	1	0,79**	0,88**	0,89**
Данные и шансы	0,79** ** - связь значима на уровне значимости 0,01	1	0,86**	0,83**
Числа	0,88**	0,86**	1	0,87**
Геометрия	0,89**	0,83**	0,87**	1

Матрица интеркорреляций по когнитивным процессам TIMSS-2011

	знание	применение	рассуждение
Знание	1	0,95**	0,91**
Применение	0,95**	1	0,92**
Рассуждение	0,91**	0,92**	1

Матрица интеркорреляций по предметным областям PISA-2012

	Изменения и зависимости	Количество	Пространство и форма	Неопределенность
Изменения и зависимости	1	0,91**	0,86**	0,85**
Количество	0,90**	1	0,87**	0,89**
Пространство и форма	0,86**	0,87**	1	0,82**
Неопределенность	0,85**	0,89**	0,82**	1

Матрица интеркорреляций по когнитивным процессам PISA-2012

	Применение	Формулирование	Интерпретация
Применение	1	0,90**	0,88**
Формулирование	0,90**	1	0,84**
Интерпретация	0,88**	0,84**	1

Таблица 1-2 Результаты факторного анализа методом главных компонент по когнитивным процессам в TIMSS-2011

Компонента	Первичные собственные значения
	Сумма	% дисперсии	Накопленный %
1	2,85	94,90	94,90
2	0,10	3,37	98,27
3	0,05	1,73	100,00
	Факторные нагрузки на 1-ую компоненту
Знание	0,98
Применение	0,98
Рассуждение	0,97

Таблица 1-2 Результаты факторного анализа методом главных компонент по когнитивным процессам в PISA-2012

Компонента	Первичные собственные значения
	Сумма	% дисперсии	Накопленный %
1	2,75	91,67	91,67
2	0,16	5,31	96,98
3	0,09	3,02	100,00
	Факторные нагрузки на 1-ую компоненту
Применение	0,97
Формулирование	0,96
Интерпретация

Подобные документы

• Содержание, формы и методы формирования эстетических знаний и умений у учащихся I-IV классов в образовательной области "Технология"

  Формирование эстетических знаний и умений как педагогическая проблема. Анализ содержания трудового обучения в программах общеобразовательных школ. Методика и результаты экспериментальной работы по формированию эстетических знаний и умений на уроках.
  
  дипломная работа [67,5 K], добавлен 16.08.2011
  

• Теоретические аспекты инженерии знаний

  Отношение между реальной действительностью и полем знаний. Технология проведения структурного анализа как прагматическая составляющая семиотической модели. "Пирамида знаний" и уровни понятийной структуры. Стратегии проведения стадии получения знаний.
  
  презентация [751,8 K], добавлен 14.08.2013
  

• Основные параметры качества знаний по химии

  Качество знаний, его главные параметры. Функции и виды контроля знаний в педагогическом процессе. Экспериментальная проверка знаний и умений учащихся. Контроль знаний учащихся как элемент оценки качества знаний. Уровни контроля и проверки знаний по химии.
  
  курсовая работа [33,0 K], добавлен 04.01.2010
  

• Оценка знаний учащихся

  Критерии оценки знаний и умений учащихся. Методы контроля и самоконтроля. Методы усвоения знаний, умений и навыков в соответствии с требованиями программами. Рейтинговая и тестовая системы оценки знаний как фактор повышения эффективности обучения.
  
  курсовая работа [45,3 K], добавлен 28.02.2012
  

• Зачет как одна из форм контроля знаний учащихся по алгебре в 8 классе

  Теоретические основы проверки знаний, умений и навыков на уроках математики. Методы контроля знаний, умений и навыков учащихся. Методика проведения зачетных уроков. Экспериментальная работа по изучению влияния уроков-зачетов по математике в 8 классе.
  
  дипломная работа [406,9 K], добавлен 24.06.2008
  

• Дидактические основы организации тематического контроля знаний учащихся

  Проблема организации контроля знаний учащихся и правильной оценки уровня их знаний. Виды контроля. Роль и значение тематического контроля, обеспечивающие эффективность учебного процесса, пути и методы проведения тематического контроля знаний учащихся.
  
  дипломная работа [86,3 K], добавлен 01.05.2008
  

• Методика изучения элементов математического моделирования в курсе математики 5-6 классов

  Математическое моделирование в школе. Роль изучения элементов математического моделирования в курсе математики 5-6 классов. Анализ учебников Г.В. Дорофеева, Л.Г. Петерсон с точки зрения формирования умений, характерных для математического моделирования.
  
  дипломная работа [442,6 K], добавлен 28.05.2008
  

• Организация контроля и учета знаний, умений и навыков

  Принципы диагностирования и контролирования обученности (успеваемости) учащихся, последовательность контроля и оценки знаний и умений. Осуществление контроля знаний методом тестирования с использованием технических средств. Рейтинговая система контроля.
  
  курсовая работа [62,4 K], добавлен 30.01.2013
  

• Проверка и оценка знаний и умений учащихся

  Проверка и оценка знаний учащихся как важный структурный компонент процесса обучения. Рассмотрение истории и системы оценивания. Анализ целей оценки знаний и умений учащихся: учет результативности процесса обучения, определение итоговых результатов.
  
  курсовая работа [52,4 K], добавлен 09.02.2015
  

• Формы и методы контроля знаний на уроках литературы

  Контроль знаний как существенный элемент современного урока. Место контроля знаний и умений учащихся на уроках литературы. Технология контрольно-оценочной деятельности учителя. Традиционные и нетрадиционные формы контроля знаний и умений учащихся.
  
  курсовая работа [107,4 K], добавлен 01.12.2011
  

• Использование метода моделирования при систематизации знаний старших дошкольников об окружающем мире

  Исследования проблемы умственного воспитания старших дошкольников с применением метода моделирования для систематизации знаний. Изучение возможностей и результатов применения метода моделирования в систематизации знаний дошкольников об окружающем.
  
  курсовая работа [40,1 K], добавлен 24.05.2002
  

• Проверка и оценка знаний, умений и навыков учащихся младших классов

  Понятие оценки знаний, умений и навыков, дидактические цели и задачи данного процесса. Использование практических заданий при проверке знаний. Значение контрольно-оценочной самостоятельности младшего школьника. Особенности организации контроля достижений.
  
  курсовая работа [34,2 K], добавлен 16.12.2012
  

• Способы оценивания и контроля знаний, умений и навыков учащихся СПО в дизайн-образовании

  Принципы получения объективной оценки знаний студентов. Способы оценивания и контроля результатов их обучения. Методы оценивания практических работ учащихся СПО в дизайн-образовании. Принципы построения системы непрерывного контроля знаний студентов.
  
  курсовая работа [3,3 M], добавлен 17.12.2012
  

• Проблема оценки знаний в углубленных и коррекционных классах

  Обучение в специальной (коррекционной) школе для детей с задержкой психического развития. Основные функции проверки и оценка знаний, умений и навыков учащихся. Сущность фронтального и уплотненного опроса. Проверка выполнения детьми домашних заданий.
  
  реферат [19,1 K], добавлен 06.02.2012
  

• Роль внеклассной работы в формировании математических знаний и умений у учащихся с нарушением слуха

  Основные проблемы формирования математических знаний и умений у учащихся с нарушением слуха во внеклассной работе. Моделирование педагогического процесса по формированию математических знаний и умений у детей с нарушением слуха во внеклассное время.
  
  курсовая работа [46,7 K], добавлен 14.05.2011
  

• Обобщение и систематизация знаний по физике при подготовке к Централизованному Тестированию

  Психолого-педагогические основы проверки знаний и навыков по физике. Основные функции и формы проверки знаний, умений и навыков в учебном процессе. Методика тестового контроля знаний. Виды тестов по физике. Централизованное тестирование по предмету.
  
  дипломная работа [2,6 M], добавлен 17.12.2009
  

• Знания, навыки и умения в процессе обучения

  Анализ проблем формирования в процессе обучения механизма усвоения знаний и умений. Особенности знаний, навыков и умений в процессе обучения. Функционирование триады "знания-умения-навыки" в дидактике. Практические аспекты усвоения знаний и умений.
  
  реферат [28,9 K], добавлен 03.08.2010
  

• Методика обобщения исторических знаний по историческому материалу

  Методы, приемы и средства обобщения исторических знаний. Формирование приемов умственных действий. Роль искусства в отражении современной общественной жизни. Систематизация знаний, варианты обобщения. Типы уроков. Схемы и таблицы в обобщении знаний.
  
  реферат [120,2 K], добавлен 23.11.2008
  

• Процесс формирования знаний о живой природе у детей старшего дошкольного возраста

  Научные подходы к проблеме формирования у дошкольников природоведческих знаний о живой природе. Анализ содержания природоведческих знаний в образовательных программах, условия организации моделирования. Анализ результатов опытно-экспериментальной работы.
  
  дипломная работа [172,5 K], добавлен 23.12.2017
  

• Методика реализации внутрипредметных связей в школьном курсе математики

  Психолого-педагогические основы отбора содержания и усвоения новых знаний. Методическая значимость реализации внутрипредметных связей в школьном курсе математики, их применение на этапе обобщения и систематизации знаний, умений, изучения нового материла.
  
  курсовая работа [251,7 K], добавлен 27.05.2015
  

• главная
• рубрики
• по алфавиту
• вернуться в начало страницы
• вернуться к началу текста
• вернуться к подобным работам