УДК 37.013.

75
Миклашевич Нина Васильевна
«ГОУ ВПО «Донбасская национальная академия строительства и
архитектуры», кандидат педагогических наук, доцент, заведующая кафедрой
«Иностранные языки и педагогика высшей школы»,
286123, г. Макеевка, ул. Таёжная, д. 1, кв.78.
+380713144285, mnv57@mail.ru
ПЕДАГОГИЧЕСКОЕ ПРОГНОЗИРОВАНИЕ ОБРАЗОВАТЕЛЬНЫХ
РЕЗУЛЬТАТОВ СТУДЕНТОВ ИНЖЕНЕРНО-СТРОИТЕЛЬНОГО ВУЗА НА
ЗАНЯТИЯХ ПО ИНОСТРАННОМУ ЯЗЫКУ С ПРИМЕНЕНИЕМ
МОДЕЛЕЙ НЕЧЁТКИХ МНОЖЕСТВ

Miklashevich Nina Vasilevna

PEDAGOGICAL FORECASTING OF CIVIL ENGINEERING STUDENTS
LEARNING RESULTS DURING FOREIGN LANGUAGE PERIODS WITH
THE APPLICATION OF FUZZY SET MODELS

Міклашевич Ніна Василівна

ПЕДАГОГІЧНЕ ПРОГНОЗУВАННЯ ОСВІТНІХ РЕЗУЛЬТАТІВ
СТУДЕНТІВ ІНЖЕНЕРНО-БУДІВЕЛЬНОГО ВНЗ НА ЗАНЯТТЯХ З
ІНОЗЕМНОЇ МОВИ З ВИКОРИСТАННЯМ МОДЕЛЕЙ НЕЧІТКИХ
МНОЖИН

В статье приведен пример прогнозирования оценок знаний по английскому языку студентов, обучающихся
по направлению подготовки 08.03.01 Строительство, в программе Mat Labс надстройкой Fuzzy Logic.
Ключевые слова: будущие инженеры-строители, Educational Data Mining, нечёткая логика,
образовательные результаты.
The paper gives the following example of English language grades forecasting using the Mat Lab program with the Fuzzy
Logic add-on. The major under analysis is 03.08.01 Construction.
Key words: future civil engineers, Educational Data Mining, fuzzy logic, educational outcomes.
У статті наведено приклад прогнозування оцінок знань з англійської мови студентів, які навчаються за напрямом
підготовки 08.03.01 Будівництво, із застосуванням програми Mat Lab з надбудовою Fuzzy Logic.
Ключові слова: майбутні інженери-будівельники, Educational Data Mining, нечітка логіка, освітні результати.

Постановка проблемы в общем виде и ее связь с важными научными или

практическими заданиями
На современном этапе развития общества важнейшей стратегической задачей
большинства правительств мира является реновация жилого комплекса и
капитальный ремонт жилищно-коммунальной инфраструктуры. Наблюдается
рост числа населения, в связи с чем всё больше молодых семей нуждается в
получении квартир.

1
 Если в региональных центрах капитальный ремонт ведётся периодически, то
на окраинах даже европейских крупных городов коммунальные службы не
справляются с необходимыми ремонтными услугами в полной мере. В маленьких
же городах постсоветского пространства капитальный ремонт проводился более
тридцати лет назад. Есть жильё, которое находится в аварийном состоянии.
Правительство Донецкой Народной Республики сталкивается также с
дополнительными проблемами, связанными с разрушением инфраструктуры и
жилых объектов из-за боевых действий в 2014-2015 годах. Подобные вызовы
стоят перед строительной отраслью многих стран мира, и чтобы успешно с ними
справиться, необходима консолидация интеллектуального потенциала, опыта и
усилий всех инженеров-строителей. Перенять опыт иностранных коллег сможет
только тот инженер-строитель, который владеет иностранными языками на
высоком уровне. Изучение иностранного языка – сложный непрерывный процесс,
на результативность которого влияют не только усилия преподавателя, но и
мотивация самого студента к изучению предмета, погружение в языковую среду и
частота применения коммуникативных навыков и перевода. В этой связи
представляется важным планирование учебных достижений студентов и умение
прогнозировать их образовательные результаты. Полагаем, что для достижения
этой цели могут быть полезными современные компьютерные интеллектуальные
системы.
Анализ последних исследований и публикаций, в которых начато решение
данной проблемы, и на которые опирается автор
Теория прогнозирования рассмотрена в работах И. В. Бестужева-Лады,
А. В. Брушлинского, В. А. Лисичкина, В. М. Сафроновой, Г. Е. Шепитько и др. В
педагогическом словаре Г. М. Коджаспировой [1, c. 272] прогнозирование
представляется как познавательная деятельность преподавателя, направленная на
раскрытие черт и особенностей процессов развития личности студента и
ожидаемых от них следствий; указание на путь и условия осуществления
предвидения. И. П. Подласый видит сущность прогнозирования в том, чтобы до
начала учебного процесса спрогнозировать его возможную результативность в

2
имеющихся конкретных условиях [4]. Основоположником педагогического
прогнозирования является Э. Г. Костяшкин. В зарубежной практике проблему
педагогического прогнозирования рассматривают с позиции применения
интеллектуальных систем. В частности, набирает популярность направление
исследований Educational Data Mining [6]. Р. С. Дж. Д. Бэйкер [7],
П. С. Инвентадо, А. Датт [8], М. А. Исмаил, Т. Хераван, М. Г. Коляда [3],
Т. И. Бугаёва, К. Ромеро [9], С. Вентура и др. посвятили работы вычислительным
методам в педагогике.
Особенности профессиональной подготовки и психологии инженеров-
строителей рассмотрены в работах В. В. Костыгиной, Т. И. Шевцовой,
Е. С. Шелеповой и др. Вопросы прогнозирования в профессиональном
образовании рассматривались С. М. Марковой, С. А. Цыплаковой, К. П. Седых,
А. В. Хижной, О. Н. Филатовой и др.
Выделение нерешенных ранее частей общей проблемы, которым
посвящается обозначенная статья
Большинство исследований по проблемам педагогической аналитики
представлены на английском языке. На территории постсоветского пространства
опубликовано незначительное количество статей, посвященных теории и
практике применения средств Educational Data Mining. Проблема
прогнозирования образовательных результатов студентов на занятиях по
иностранным языкам практически не изучена (а образовательные результаты
будущих инженеров-строителей в англоязычных научно-педагогических трудах
не прогнозировались и вовсе – как минимум в исследованном нами массиве
научной литературы).
Формулировка целей статьи
Целью статьи является создание прогноза оценки знаний по иностранному
языку студентов инженерно-строительного вуза с применением теории нечётких
множеств и проверка его эффективности.
Изложение основного материала исследования с полным обоснованием
полученных научных результатов

3
 Опираясь на достижения коллег с кафедры инженерной и компьютационной
педагогики ГОУ ВПО «Донецкий национальный университет» [2; 5] в области
применения интеллектуальных систем для педагогического прогнозирования, мы
составили прогноз оценок знаний студентов по английскому языку с
применением нечётких множеств.
В качестве показателей прогностической модели мы выбрали: аудирование,
говорение, чтение и мотивацию к изучению языка. Нами была разработана также
система уровней для их оценивания.
Таблица 1
Характеристики уровней прогностической модели

Уровни Компонентный прогностической модели

Говорение Чтение Аудирование Мотивация
общение
осуществилось,
коммуникативная
высказывания
задача решена, и
студента
при этом студент
соответствовали
понял, осмыслил
поставленной
главную идею
задаче, и при
прочитанного студент понял студент готов
этом студент
Репроду иноязычного только основной модифицировать
выразил свои
ктивный текста в объёме, смысл имеющиеся образцы
мысли на
(D) предусмотренном иноязычной задач по заданному
иностранном
заданием, чтение речи алгоритму
языке с
обучающегося в
отклонениями от
основном
языковых норм,
соответствует
не мешающими,
требованиям
однако, понять
программы
содержание
сказанного

4
 общение
осуществилось,
высказывания
коммуникативная
обучающегося коммуникативна
задача решена и
соответствовали я задача решена
при этом  студент
поставленной и при этом
полностью понял
коммуникативно студент
и осмыслил
й задаче и при полностью
содержание
этом студент понял
прочитанного студент готов
выразил свои содержание
иноязычного модернизировать
Продукт мысли на иноязычной
текста за профессиональные
ивный иностранном речи, за
исключением задачи по
(C) языке с исключением
деталей и оригинальным
незначительным отдельных
частностей, не алгоритмам
и отклонениями подробностей,
влияющих на 
от языковых не влияющих на
понимание  этого 
норм, а в понимание
текста,   в 
остальном его содержания
объёме,  
устная речь услышанного в
предусмотренном 
соответствовала целом
заданием
нормам
английского
языка
общение
осуществилось, коммуникативна
коммуникативная
высказывания я задача решена
задача решена и
студента и при этом
при этом студент студент готов
соответствовали студент
полностью понял моделировать
поставленной полностью
и осмыслил нестандартные
Творчес коммуникативно понял
содержание ситуации, содержащие
кий (A) й, задаче и при содержание
прочитанного функциональную
этом его устная иноязычной
иноязычного профессиональную
речь полностью речи,
текста в объёме, новизну
соответствовала соответствующе
предусмотренном
нормам й требованиям
заданием
английского программы
языка

Прогностическая модель создана в программе Mat Lab R2018B Fuzzy Logic.

Разработана система правил нечёткой логики, включающая в себя 256 правил,
некоторые из них представлены ниже:
– Если умение говорить сформировано на творческом уровне И умение
писать сформировано на продуктивном уровне И изложение по итогам
аудирования написано на творческом уровне И студент проявил репродуктивный
уровень мотивации ТО студент получит оценку «хорошо»;

5
 – Если умение говорить сформировано на формальном уровне И умение
писать сформировано на формальном уровне И изложение по итогам аудирования
написано на продуктивном уровне И студент проявил репродуктивный уровень
мотивации ТО студент получит оценку «неудовлетворительно»;
Результаты моделирования представлены на рис.1.

Рис. 1(а). Зависимость оценки знаний студента, полученной на экзамене по

английскому языку, от умения вести диалог

Рис. 1(б). Зависимость оценки знаний студента, полученной на экзамене по

английскому языку, от умения читать иностранные тексты

6
 Рис. 1(в). Зависимость оценки знаний студента, полученной на экзамене по
английскому языку, от результатов изложения по итогам аудирования

Рис. 1(г). Зависимость оценки знаний студента, полученной на экзамене по

английскому языку, от уровня мотивации студента к изучению иностранного
языка
Оценка знаний студента по английскому языку зависит от умения вести
диалог скачкообразно: до определённого уровня владения коммуникативными
навыками не наблюдается увеличения вероятности получения более высокого
балла, а достижение определённого уровня общения сразу становится гарантией
получения высокого балла. Все зависимости имеют нелинейный характер. Самый
сложный характер зависимости оценки знаний студента – от уровня его
мотивации к изучению предмета.
Для проверки работоспособности созданной модели мы собрали
экспериментальные данные об оценке навыков говорить, слушать и читать на
английском языке у 102 студентов, обучающихся в ГОУ ВПО «Донбасская
национальная академия строительства и архитектуры» по направлению
подготовки 08.03.01 Строительство (профили «Промышленное и гражданское
строительство», «Производство строительных материалов и конструкций»,
«Автомобильные дороги»). Для оценки уровня мотивации студентов к изучению
иностранного языка мы применили опрос. Каждому из студентов, который
принимал участие в эксперименте, предлагалось оценить по 100-балльной шкале
(аналогичной шкале ESTC) степень необходимости знания иностранного языка в
деятельности инженера-строителя. Оценка ниже 60 баллов считалась показателем

7
неудовлетворительного уровня мотивации, ниже 75 – удовлетворительным, ниже
90 баллов – хорошим, 90-100 баллов – отличным. С целью защиты персональных
данных мы скрыли информацию о фамилиях студентов экспериментальной
группы. Результаты занесены в таблицу, фрагмент представлен в табл. 2.
Таблица 2
Экспериментальная оценка результатов прогнозирования (фрагмент)
Реальный
Аудирова Моти Прогнозируемый Совпаде
№ п/п Говорение Чтение экзаменацио
ние вация результат ние
нный балл
1. D D D 65 «Удовлетворительно» 60 да
2. A A A 100 «Отлично» 90 да
… … … … … … … …
102. D D С 100 «Хорошо» 81 да

91 прогноз из 102 оказался эффективным, т.е. прогностическая модель

эффективна в 89% случаев, что является достаточным уровнем точности для
прогнозирования в социальных науках.
Выводы по этому исследованию и перспективы дальнейших поисков в
данном направлении
Предложенный в статье способ прогнозирования оценки знаний по
английскому языку студентов строительного вуза с применением теории нечётких
множеств является достаточно эффективным. В дальнейшем мы планируем
расширить экспериментальную базу на другие профили обучения студентов ГОУ
ВПО «ДОННАСА», а также провести исследования других средств Educational
Data Mining, активно применяемых в ведущих зарубежных вузах.
Список литературы
1. Коджаспирова Г. М. Словарь по педагогике / Г. М. Коджаспирова,
А. Ю. Коджаспиров. – М. : МарТ, 2005. – 448 с.
2. Коляда М. Г. Педагогическое прогнозирование в компьютерных
интеллектуальных системах / М. Г. Коляда, Т. И. Бугаева. – М.: Русайнс, 2015. –
380 с.

8
 3. Коляда М. Г. Педагогическое прогнозирование: теоретико-
методологический аспект. Монография / М. Г. Коляда, Т. И. Бугаева. – Донецк:
Ноулидж, 2014. – 268 с.
4. Подласый И. П. Педагогика. Т. 1. Теоретическая педагогика. – М. :
Юрайт, 2016. – 404 с. – ISBN 978-5-9916-5527-9.
5. Ташкинов Ю. А. Моделирование сформированности прогностической
компетенции инженера-строителя с использованием интеллектуальных систем //
Вестник Донбасской национальной академии строительства и архитектуры.
Сборник трудов / Редкол.: Е. В. Горохов, В. Ф. Мущанов, А. М. Югов, В.
И. Братчун и др. – Макеевка, ДонНАСА, 2019. – №135. – С.59-63.
6. Ташкинов Ю. А. Технология прогнозирования образовательных
результатов студентов строительного вуза средствами компьютационной
педагогики. – DOI 10.15507/1991-9468.100.024.202003.483-500 // Интеграция
образования. – 2020. – Т. 24, № 3. – С. 483–500.
7. Baker R. S., Inventado P. S. Educational Data Mining and Learning
Analytics // Learning Analytics. 2014. pp. 61-75. doi: 10.1007/978-1-4614-3305-7_4.
8. Dutt A., Ismail M. A. and Herawan T. A Systematic Review on Educational
Data Mining. vol.5. 2017. pp. 15991-16005. doi: 10.1109/ACCESS.2017.2654247.
9. Romero C., Ventura S. (2019) Educational data mining and learning analytics:
An updated survey. V. 10, issue 3, 21p. doi.org/10.1002/widm.1355