УДК 37.02

КОМПЬЮТЕРНЫЕ ПРОГРАММЫ, АВТОМАТИЗИРУЮЩИЕ ОЦЕНКУ ОБЪЕКТОВ И КОНТЕНТ-АНАЛИЗ ТЕКСТА

Майер Роберт Валерьевич
Глазовский государственный педагогический институт им. В.Г.Короленко
доктор педагогических наук, профессор кафедры физики и дидактики физики

Аннотация
Развитие теории обучения требует использования математических методов для оценки дидактических объектов. Предлагаются простые способы автоматизации оценки объектов методом парных сравнений и определения различных видов информации в тексте с помощью компьютера. Представлены тексты программ, написанных в среде Free Pascal, использование которых позволяет: 1) оценить дидактическую сложность понятий, обозначающих физические приборы, величины и физические эксперименты; 2) произвести контент–анализа параграфов различных учебников физики.

Ключевые слова: дидактика, дидактические объекты, информация, контент - анализ, оценка объектов, парные сравнения, педагогика, сложность понятия, теоретические знания, эмпирические знания


THE COMPUTER PROGRAMS WHICH AUTOMATE ASSESSMENT OF OBJECTS AND CONTENT–ANALYSIS OF THE TEXT

Mayer Robert Valerievich
Glazov Korolenko State Pedagogical Institute
doctor of pedagogical sciences, associate professor

Abstract
Development of the theory of training demands use of mathematical methods for an assessment of didactic objects. Easy ways of automation of an assessment of objects by method of pair comparisons and definitions of quantity of different types of information in the text by means of the computer are offered. Are submitted texts of the programs written in the environment of Free Pascal which use allows: 1) to estimate didactic complexity of the notions designating physical quantities, devices and experiments; 2) to make the content analysis of paragraphs of various textbooks of physics.

Рубрика: Педагогика

Библиографическая ссылка на статью:
Майер Р.В. Компьютерные программы, автоматизирующие оценку объектов и контент-анализ текста // Психология, социология и педагогика. 2015. № 1 [Электронный ресурс]. URL: http://psychology.snauka.ru/2015/01/4287 (дата обращения: 20.11.2016).

Введение

В последнее время повысился интерес к применению математических методов в педагогике [2, 3]. Для использования математических моделей, установления качественных и количественных закономерностей необходимо уметь оценивать различные качества педагогических объектов, уровень знаний учеником учебного материала, сложность понятия, формулы, темы, задачи, информативность рисунка и т.д. Также большое значение имеет проблема определения количества того или иного вида информации (например, эмпирической, теоретической, математической) в учебном тексте, лекции, ответе ученика.

Оценка и ранжирование нескольких десятков объектов – довольно трудоемкий процесс для того, чтобы его выполнять вручную. Так, для оценки 30 объектов методом парных сравнений необходимо осуществить не менее 450 различных сопоставлений, в ходе каждого из которых эксперт должен соотнести степень наличия оцениваемого качества в двух сравниваемых объектах. Поэтому лучше автоматизировать этот процесс с помощью компьютерной программы, которая случайным образом предъявляет сравниваемые объекты, воспринимает ответы эксперта и записывает результаты в файл. При этом важно, чтобы эксперт имел возможность сделать перерыв, сохранить результаты, а на следующий день вернуться и продолжить работу.

Контент–анализ многостраничных текстов, подсчет различных терминов–маркеров самим экспертом – дело трудоемкое, а его результат зависит от различных случайных факторов. Повысить объективность контент–анализа учебного текста и повторяемость получающихся результатов возможно с помощью компьютерной программы, которая, используя словарь–тезаурус, подсчитывает частоты упоминания различных терминов в текстовом файле, учитывает их сложность и принадлежность к тому или иному классу. Работа эксперта в этом случае сводится к следующему: 1) составление словаря–тезауруса; 2) классификация и оценка входящих в него терминов; 3) подготовка файла с анализируемым текстом; 4) запуск программы анализирующей текст; 5) интерпретация результатов.

1. Программа для парного сравнения объектов

Для оценки объектов методом парных сравнений используется программа ПР–1, написанная в среде Free Pascal (рис. 1). Допустим, необходимо оценить сложность понятий [7, 9] из школьного курса физики. С помощью Far­_manager создают файл vhod.txt, содержащий список из N=25 оцениваемых понятий (рис. 2.1), случайно выбирают понятие с номером N0=8 и запускают компьютерную программу ПР–1. На экране появляются понятие N0=8, а строчкой ниже – случайным образом выбранное понятие из списка, например, понятие 12. Эксперт должен сравнить оцениваемые качества этих двух объектов и ввести с клавиатуры символы “+”, “0” или “–“. Плюс означает, что оцениваемого качества в объекте 1 больше, чем в объекте 2, ноль – примерно одинаково, а минус – меньше, чем в объекте 2.

После нажатия на клавишу “Enter” снова появляется понятие с номером N0=8 и случайно выбранное понятие 23. Эксперт снова производит сравнение и ставит оценку “+”, “–“ или “0”. Программа написана так, что понятие с номером N0 не сравнивается с собой (известно, что результат “0”) и не сравнивается дважды ни с каким другим понятием. После окончания процедуры сравнения понятия 8 со всеми остальными понятиями из входного файла (рис. 2.1), программа создает текстовый файл vihod.txt из одной строки, содержащий номер объекта N0=8 и результаты его сравнений с понятием 1, понятием 2, …., понятием N в виде “+ + + … + 0 0 – + … – 0 + – –” (рис. 2.2). Затем эксперт повторяет ту же самую процедуру с другим объектом, например, с понятием N0=10. В случае необходимости эксперт может сделать перерыв или отложить процедуру сравнения на следующий день. С помощью текстового редактора из получающихся строчек (рис. 2.2) формируется двумерная матрица NxN, похожая на представленную на рис. 2.3. В результате полного перебора всего списка понятий каждая пара понятий сравнивалась дважды (сначала i-ое с j-тым, а потом наоборот), что позволяет уменьшить влияние случайных факторов. Результаты сравнения двух объектов записываются на пересечении соответствующих строки и столбца. С левого верхнего угла к правому нижнему идет диагональ из нулей.

Для получения оценок объектов получившаяся двумерная матрица из плюсов, нулей и единиц (рис. 2.3) анализируется программой ПР–2 (рис. 3), которая для каждой i–ой строки находит сумму всех плюсов и из нее вычитает сумму всех минусов. Получающийся результат A_i для каждой строки выводится на экран. Если в программе ПР–2 активизировать x[j,i] и закомментировать x[i,j], то она аналогичным образом обработает столбцы матрицы. Соответствующие результаты B_i (i=1, 2, …, N) выводятся на экран. Величина K оцениваемого качества i–ого объекта считается пропорциональной разности A_i-B_i. К ней можно прибавить некоторую постоянную и результат умножить на коэффициент так, чтобы максимальное значение характеристики K равнялось единице, а минимальное – нулю.

2. Программа для контент–анализа текста

Метод контент–анализа, заключается в “переводе в количественные показатели массовой текстовой информации” и их последующей статистической обработке [1]. Для оценки количества содержащихся в тексте эмпирических, теоретических и математических знаний следует определить число использований “эмпирических” терминов (обозначающих объекты и явления, приборы и устройства), “теоретических” терминов (названия физических величин), математических терминов (математические величины, операции, символы в формулах) и общенаучных терминов (например, “докажем”, “измерения”, “проанализируем” и т.д.). Единицей измерения объема информации является одно упоминание термина. Так как в русском языке средняя длина слова 6,3 буквы (включая пробел), то для нахождения суммарного числа слов N (объема информации в тексте I) достаточно общее количество букв разделить на 6,3.

Методика такого качественно–количественного анализа содержания учебных текстов предполагает выбор исчерпывающих и взаимоисключающих критериев и определение правила для надежного фиксирования нужных характеристик текста так, чтобы получающиеся результаты не зависели от эксперта, имели высокую повторяемость и отражали объективные характеристики текста [1]. Физический текст включает в себя собственно текстовую информацию, рисунки (графическая информация) и формулы. Чтобы оценить количество информации в рисунках и формулах будем заменять их максимально короткими предложениями, которые полно передают заключенную в них учебную информацию. Речь идет о полезной информации, необходимой для усвоения соответствующего параграфа учебника (ненужная информация, содержащаяся в рисунках не учитывается).

Приближенно можно считать, что количество “формульной” информации пропорционально числу математических символов, встречающихся в тексте и в формулах. Каждый символ соответствует некоторому понятию. Сложность символов будем оценивать по пятибальной шкале: 1. Сложность S=1: одиночные символы (не вектора), сумма, разность, произведение и деление. 2. Сложность S=2: возведение в степень, извлечение корня, сложение и вычитание векторов. 3. Сложность S=3: формула содержит тригонометрические функции, логарифмы, скалярное произведение векторов. 4. Сложность S=4: пределы, дифференциалы, производные, векторное произведение. 5. Сложность S=5: интегралы, операторы и т.д. Подсчитывается число математических символов в параграфе со сложностью S=1, 2, 3, 4, 5, и результаты присваиваются элементам матрицы mat_sim[i] (программа Analizer, процедура Formuli).

На рис. 4 представлена специальная программа Analyzer (среда Free Pascal), которая, используя словарь–тезаурус, подсчитывает частоты упоминания различных физических и математических терминов в текстовом файле. Контент–анализ текста осуществляется следующим образом: 1. Определяют сложность и количество “формульной” информации путем подсчета числа математических символов различной сложности в тексте и формулах; результаты вводят в mat_sim[i]. 2. Заменяют рисунки краткими описаниями, содержащими информацию об изображенных на рисунках физических и математических объектах. 3. Создают текстовый файл в формате vhod1.txt, содержащий анализируемый текст с описаниями рисунков без формул (рис. 5). 4. Составляют список физических математических и общенаучных терминов, встречающихся в данном тексте. Для этого используют программы Word_stat, Word_count, Word_statistic, которые можно найти в Интернете. 5. Создают словарь–тезаурус текста, содержащий общие части однокоренных терминов (например, слова дифракция, дифрагировать, дифракционный – общая часть “дифра”), который сохраняют в файле slovar.txt (рис. 6.1). 6. Каждый термин относят к одному из классов “эмпирический”, “теоретический”, “математический”, “общенаучный”, и оценивают его сложность  по шкале 1–2–3; результаты записывают в файл slovar.txt. 7. Запускают программу Analyzer, которая обращаясь к файлу slovar.txt, анализирует текст, хранящийся в файле vhod1.txt, а результаты записывает в файл vihod1.txt. Также создается профиль текста, состоящий из матрицы наиболее часто встречающихся слов и их частот (рис. 6.2). 8. Интерпретируют полученные результаты, создают таблицы, строят гистограммы и т.д.

Заключение

В статье предложены простые варианты решения проблемы автоматизации оценки объектов методом парных сравнений и определения количества различных видов информации в тексте. Сравнение, оценка и ранжирование объектов, а также определение количества различных видов информации в тексте – важные процедуры измерения, использующиеся в гуманитарных науках. С помощью программ ПР­–1 и ПР–2 (рис. 1 и 3), помогающих реализовать метод парных сравнений, удалось оценить дидактическую сложность понятий, обозначающих физические приборы, величины и физические эксперименты [7, 9]. Все это позволило осуществить классификацию учебников и тем школьного курса физики на основе оценки их физической и математической сложности, установить закономерности распределения учебного материала [5, 6, 8]. Программа ПР–3 (рис. 4) применялась для контент–анализа параграфов различных учебников физики [4].


Библиографический список
  1. Аверьянов Л.Я. Контент–анализ. – Монография. – М.: РГИУ, 2007. – 286 с.
  2. Битинас Б. Многомерный анализ в педагогике и педагогической психологии – Вильнюс, 1971. – 347 с.
  3. Дюк В.А. Компьютерная психодиагностика. – С.П.: Братство, 1994. – 364 с.
  4. Майер Р.В. Автоматизированный метод количества различных видов информации и ее сложности в физическом тексте с помощью ПЭВМ //  ”Известия высших учебных заведений. Поволжский регион. Гуманитарные науки”. – N3 2014. – С. 203 – 212.
  5. Майер Р.В. Классификация тем школьного курса физики на основе оценки их физической и математической сложности // Инновации в образовании. – 2014. – № 9. – С. 29–38.
  6. Майер Р. В. Метод оценки физической сложности тем школьного курса физики // Концепт. – 2014. – № 08 (август). – ART 14199. – URL: http://e-koncept.ru/2014/14199.htm. – Гос. рег. Эл. No ФС 77–49965.
  7. Майер Р.В. Оценка дидактической сложности физических понятий методом парных сравнений // Мир науки. Научный интернет–журнал [Электронный ресурс]. – 2014, Выпуск 3. – 8 с. http://mir-nauki.com
  8. Майер Р.В. Оценка дидактической сложности различных учебников физики // Современные научные исследования и инновации. – Май 2014. – № 5 [Электронный ресурс]. URL: http://web.snauka.ru/issues/2014/05/34429
  9. Майер Р.В. Эффективный метод оценки дидактической сложности физических понятий // Фундаментальные исследования. – N 11. – 2014. – C. 904–909.
  10. Психосемантика слова и лингвостатистика текста: Методические рекомендации к спецкурсу / Сост. А.П. Варфоломеев. – Калининград: Калинингр. Ун–т, 2000. – 37 с.
  11. Толстова Ю.Н. Основы многомерного шкалирования: учебное пособие. – М.: КДУ, 2006. – 160 с.


Все статьи автора «Майер Роберт Валерьевич»


© Если вы обнаружили нарушение авторских или смежных прав, пожалуйста, незамедлительно сообщите нам об этом по электронной почте или через форму обратной связи.

Связь с автором (комментарии/рецензии к статье)

Оставить комментарий

Вы должны авторизоваться, чтобы оставить комментарий.

Если Вы еще не зарегистрированы на сайте, то Вам необходимо зарегистрироваться:
  • Регистрация