Применение таксономии Блума для классификации результатов обучения в электронной информационно-образовательной среде

Цель исследования. Исследование направлено на создание комплексного подхода к оценке образовательных результатов, закладываемых разработчиками в образовательную программу. Такой подход может дополнить балльно-рейтинговую систему для обеспечения более детализированной и многогранной оценки, особенно в рамках электронных обучающих курсов и, как следствие, всей электронной-образовательной среды в целом.

Материалы и методы. В качестве основного методологического подхода в исследовании применяется компетентностный подход, в рамках которого оценка образовательных результатов ориентирована на степень сформированности компетенций, проектируемых в каждой дисциплине, реализуемых в образовательной программе. В качестве материалов были проанализированы рабочая программа учебной дисциплины, а также электронный обучающий курс, реализованный для выполнения самостоятельной работы по дисциплине на базе LMS. Использовались данные электронного журнала оценивания, формируемые по результатам контроля успеваемости студентов. Для анализа и последующей структуризации результатов обучения использована таксономия образовательных целей Б. Блума. Для обработки и сопоставления данных был применен метод матричного моделирования. Также из использованных методов исследования можно выделить анализ и синтез, экспертное оценивание, методы математической статистики (в обработке полученных матриц), а также сравнительный анализ эмпирических данных.

Результаты. В рамках исследования осуществлена аналитика возможностей БРС для оценки образовательных результатов. Для объективизации процесса измерения образовательных результатов в рамках дисциплины предложено использовать структурированную модель, основанную на таксономии образовательных целей Б. Блума.

Данный процесс реализуется следующим образом: электронный журнал курса импортируется в виде матрицы, в которой строки соответствуют студентам, а столбцы — элементам

оценивания (тесты, задания, проекты и т.д.). Параллельно формируется таксономическая (экспертная) матрица курса, где каждому элементу оценивания присваивается вес, отражающий уровень по таксономии Блума его вклада в достижение определенных компетенций. Операция умножения матрицы журнала оценок на таксономическую матрицу позволяет агрегировать индивидуальные достижения студентов с учетом уровней сформированности компетенций по каждому из уровней таксономии. Разработан алгоритмический подход к организации комплексного процесса оценки образовательных результатов, который включает этапы автоматизированного экспорта данных из LMS Moodle, формирования матриц, их последующего перемножения и визуализации полученных оценок в виде матрицы результата. Это не только обеспечивает объективизацию процедуры балльно-рейтинговой оценки, но и позволяет проводить регулярный мониторинг достижения запланированных образовательных результатов.

Проведена эмпирическая валидация предлагаемой методики на материале одной из учебных дисциплин, ведущейся с применением электронного обучающего курса. Сопоставление результатов, полученных с помощью предложенного алгоритмического подхода, с итоговыми результатами свидетельствует о практической состоятельности предложенной схемы и ее потенциале для масштабирования в других курсах и образовательных программах.

Заключение. Предложенный комплексный подход к оценке образовательных результатов обеспечивает сквозную прослеживаемость формирования компетенций и способствует повышению объективности, а также прозрачности процедуры контроля качества обучения.

1. Сенецкая Л.Б., Боженова К.А. Балльно-рейтинговая система, как инструмент управления учебным процессом // Deutsche Internationale Zeitschriftfür Zeitgenössische Wissenschaft. 2021. № 15. С. 42–44. DOI: 10.24412/2701-8369-2021-15-42-44.

2. Телепова М.В., Кривоножко К.А. Балльно-рейтинговая система оценивания и ее влияние на качество образовательного процесса // Ratio et Natura. 2021. № 2 (4).

3. Стариченко Б.Е. Балльно-рейтинговая система оценивания учебной деятельности студентов: вопросы назначения // Педагогическое образование в России. 2017. № 5. С. 116–125.

4. Zykova T.V. Shershneva V.A., Vainshtein Yu.V., Danilenko A.S., Kytmanov A.A. E-learning courses in mathematics in higher education // Perspectives of Science and Education. 2018. № 4 (34). С. 58–65.

5. Вайнштейн Ю.В., Есин Р.В., Шершнева В.А. Индивидуализация обучения математической логике в электронной информационно-образовательной среде // Перспективы науки и образования. 2020. № 5 (47). С. 147– 159. DOI: 10.32744/pse.2020.5.10.

6. Вайнштейн Ю.В., Шершнева В.А. Адаптивное электронное обучение в современном образовании // Педагогика. 2020. № 5. С. 48–57.

7. Bloom B.S., Engelhart M.D., Furst E.J., HillW.H., Krathwohl D.R. Taxonomy of educational objectives: The classification of educational goals, Handbook I: Cognitive domain, David McKay Company, New York, 1956.

8. Krathwohl D.R., Bloom B.S., Masia B.B. Taxonomy of educational objectives: Handbook II. Affective domain. White Plains: Longman Inc., 1964.

9. Dave R.H. Psychomotor levels. In R.J. Armstrong (Ed.), Developing and writing behavioral objectives. Educational Innovators Press. 1970. С. 33–34.

10. Simpson E. The Classification of Educational Objectives in the Psychomotor Domain. Gryphon House, Washington DC. 1972.

11. Harrow A.J. A Taxonomy of the Psychomotor Domain: A Guide for Developing Behavioral Objectives. McKay, New York. 1972.

12. Anderson L.W., Krathwohl D.R. et al eds. A Taxonomy for Learning, Teaching, and Assessing: A Revision of Bloom’s Taxonomy of Educational Objectives. Allyn & Bacon. Boston, MA (Pearson Education Group), 2001.

13. Bialik M., Fadel C. Knowledge for the age of artificial intelligence: What should students learn? Center for Curriculum Redesign. Boston, Massachusetts. 2018. 48 с.

14. Forehand M. Bloom’s Taxonomy. In: M. Orey (Ed.) Emerging Perspectives on Learning, Teaching and Technology. 2010.

15. Аксенова Н.В., Диденко А.В. Эффективные методы и подходы для разработки электронного курса // Профессиональное образование в России и за рубежом. 2016. № 2(22). С. 108–114.

16. Зыкова Т.В., Вайнштейн Ю.В., Носков М.В. Оценка образовательных результатов в системе электронного обучения на основе таксономии // Новые образовательные стратегии в открытом цифровом пространстве. (Санкт-Петербург, 09–27 марта 2024). СПб.: Центр научно-информационных технологий Астерион, 2025. С. 51–56.