В условиях реорганизации образования в России в рамках Болонского соглашения все учреждения нашей страны каждые пять лет проходят комплексную проверку своей деятельности. Эта процедура предусматривает проверку остаточных знаний по всем аттестуемым основным образовательным программам в виде компьютерного тестирования, в частности Федерального экзамена в сфере профессионального образования. При исследовании процесса подготовки обучающихся к тестированию приходится моделировать ситуации, когда значение результативного признака в текущий момент времени формируется под воздействием ряда факторов, действующих в прошлые моменты времени t 1, t 2, ..., t l. Поэтому при моделировании процесса подготовки студентов к тестированию предпочтительно использовать модели с распределенным лагом, в частности модель Алмона [1]. В табл. 1 представлены данные об изменениях знаний и умений обучающихся (переменная y, в баллах) в зависимости от «инвестиций» в подготовку обучающихся к тестированию (переменная x , в баллах) за 6 месяцев.
Таблица 1 – Исходные данные для реализации модели
Недели |
у |
х |
1 |
34 |
23 |
2 |
32 |
25 |
3 |
37 |
27 |
4 |
34 |
24 |
5 |
39 |
26 |
6 |
39 |
30 |
7 |
41 |
29 |
8 |
40 |
28 |
9 |
42 |
25 |
10 |
48 |
26 |
11 |
51 |
32 |
12 |
51 |
35 |
13 |
53 |
32 |
14 |
54 |
36 |
15 |
56 |
42 |
16 |
59 |
41 |
17 |
61 |
45 |
18 |
62 |
38 |
19 |
69 |
37 |
20 |
72 |
40 |
21 |
70 |
39 |
22 |
75 |
38 |
23 |
76 |
40 |
24 |
80 |
45 |
Укажем, что переменная y – средний балл группы, набранный при выполнении пробного тестирования. Переменная x оценивается по следующим показателям:
Таблица 2 – Шкала оценки критериев
№ п.п. |
Критерии |
Max-значение |
1 |
Обзор базовых тем |
10 |
2 |
Анализ типовых задач |
10 |
3 |
Решение типовых задач обучающимися |
10 |
4 |
Решение задач повышенной сложности |
10 |
5 |
Применение дополнительных средств активации НИРС |
10 |
Построим модель с распределенным лагом для L=4 предположении, что структура лага описывается полиномом второй степени.
Общий вид модели:
Для полинома второй степени имеем:
Для расчета параметров модели необходимо провести преобразование исходных данных в новые переменные z0, z1, z2 . Это преобразование выглядит следующим образом:
Значения переменных z0, z1, z2 приводятся в табл. 3.
Таблица 3 – Расчетные данные переменных z0, z1, z2
Недели |
у |
х |
Z0 |
Z1 |
Z2 |
1 |
34 |
23 |
- |
- |
- |
2 |
32 |
25 |
- |
- |
- |
3 |
37 |
27 |
- |
- |
- |
4 |
34 |
24 |
- |
- |
- |
5 |
39 |
26 |
125 |
245 |
725 |
6 |
39 |
30 |
132 |
255 |
765 |
7 |
41 |
29 |
136 |
262 |
782 |
8 |
40 |
28 |
137 |
263 |
767 |
9 |
42 |
25 |
138 |
280 |
830 |
10 |
48 |
26 |
138 |
288 |
878 |
11 |
51 |
32 |
140 |
276 |
842 |
12 |
51 |
35 |
146 |
271 |
809 |
13 |
53 |
32 |
150 |
277 |
797 |
14 |
54 |
36 |
161 |
302 |
876 |
15 |
56 |
42 |
177 |
333 |
991 |
16 |
59 |
41 |
186 |
350 |
1034 |
17 |
61 |
45 |
196 |
361 |
1045 |
18 |
62 |
38 |
202 |
397 |
1163 |
19 |
69 |
37 |
203 |
419 |
1259 |
20 |
72 |
40 |
201 |
412 |
1250 |
21 |
70 |
39 |
199 |
408 |
1250 |
22 |
75 |
38 |
192 |
382 |
1140 |
23 |
76 |
40 |
194 |
384 |
1146 |
24 |
80 |
45 |
202 |
393 |
1183 |
Отметим, что число наблюдений, по которым производился расчет этих переменных, равно 20 (четыре наблюдения были потеряны вследствие сдвига факторного признака на четыре момента времени). Расчет параметров уравнения регрессии методом наименьших квадратов, с использованием табличного процессора (рис. 1) дал следующие результаты:
Рисунок 1 – Результаты расчета параметров уравнения регрессии методом наименьших квадратов
Рассчитаем коэффициенты регрессии исходной модели:
b0=0,539
Модель с распределенным лагом имеет вид:
Полученные коэффициенты показывают структуру лага в модели зависимости знаний, умений и навыков обучающихся от «инвестиций» в их подготовку. Анализ этой модели показывает, что рост «инвестиций» в подготовку обучающихся к Федеральному экзамену в сфере профессионального образования на 1 единицу в текущем периоде приведет через 4 недели к росту их знаний, умений и навыков в среднем на 2,074 балла.
Определим относительные коэффициенты регрессии.
Более половины воздействия фактора на результат реализуется с лагом в 3 недели. Таким образом, в среднем увеличение «инвестиций» в подготовку студентов приведет к увеличению их знаний, умений и навыков через 2,763 недели.
Список литературы
Кочетыгов А.А., Толоконников Л.А. Основы эконометрики: учеб. пособие – М.: ИКЦ «МарТ», Ростов н/Д: Издательский центр «МарТ» 2007. – 344 с.
Рогачев А.Ф. Алгоритмическое моделирование экономических процессов на основе компьютерных тренажеров / А.Ф. Рогачев, М.П. Процюк // Известия Нижневолжского агроуниверситетского комплекса: Наука и высшее профессиональное образование. 2014. № 1 (33).
Токарев К.Е. Моделирование стратегий управления оказанием образовательных услуг в аграрном вузе / К.Е. Токарев, М.П. Процюк // Современная экономика: проблемы и решения, № 5 – 2014 г.
Процюк М.П. Разработка алгоритма повышения эффективности управления оказанием образовательных с учетом их качественных характеристик / М.П. Процюк, К.Е. Токарев // "Бизнес. Образование. Право" Вестник института бизнеса,№ 2 – 2014.