с 01.01.1992 по 01.01.2025
Глазов, Удмуртская республика, Россия
УДК 31 Статистика. Демография. Социология
Рассмотрена проблема оценки дидактической сложности физических приборов и устройств, изучаемых в школе и вузе. Ее актуальность обусловлена необходимостью оптимизации учебного процесса с учётом ограниченной пропускной способности рабочей памяти обучающихся в рамках теории когнитивной нагрузки. Цель статьи состоит в выявлении основных компонентов дидактической сложности физических приборов и устройств, разработке методологии её количественной оценки с помощью искусственного интеллекта и ее апробации на 50 объектах. В качестве методологической основы использованы положения теории систем, квалиметрии, теории сложности и методологии мягких систем. Исследование опирается на учебную, методическую и научную литературу по физике, в которой рассматриваются различные варианты объяснения устройства и функционирования физических приборов. Парное сравнение осуществляется с помощью нейросети Qwen. Также применяются общенаучные методы анализа и синтеза, качественного и количественного моделирования (в электронных таблицах Excel), методы формализации и абстрагирования, метод построения графов. Выявлено три основных фактора, влияющих на дидактическую сложность прибора: 1) трудность объяснения принципа действия; 2) доступность наблюдения за его функционированием; 3) конструктивно-эксплуатационная сложность. После парных сравнений 25 приборов получена нормированная шкала дидактической сложности (от 0 до 1). С использованием этой шкалы оценено ещё 50 приборов. Разработана методика использования нейросетей для достоверной оценки сложности объектов методом парных сравнений. Результаты количественного ранжирования приборов по сложности могут быть использованы для оптимизации методики обучения.
дидактика, ИИ, квалиметрия, нейросеть, парное сравнение, прибор, сложность, устройство
1. Абраменко Г.В. Применение системного анализа при исследовании сложных технических систем [Текст] / Г.В. Абраменко, Д.В. Васильков, А.И. Григорьев. – М.: Изд-во ЦНИИХМ, 2010. — 256 с.
2. Кудж С.А. Факторы когнитивной сложности [Текст] / С.А. Кудж, В.Я. Цветков // Информационные технологии в науке, образовании и управлении. — 2018. — № 6. С. 34–41.
3. Люгер Д.Ф. Искусственный интеллект: стратегии и методы решения сложных проблем [Текст] / Д.Ф. Люгер. – М.: Вильямс, 2003. – 864 с.
4. Майер Р.В. Сложность решения учебной задачи [Текст]: монография / Р.В. Майер. – Глазов: Изд-во ГИПУ, 2026. 170 с.
5. Микони С.В. Квалиметрия моделей и полимодельных комплексов [Текст]: монография / С.В. Микони, Б.В. Соколов, Р.М. Юсупов. – М.: РАН, 2018. – 314 с.
6. Наймушина О.Э. Многофакторная оценка сложности учебных заданий [Текст] / О.Э. Наймушина, Б.Е. Стариченко // Образование и наука. – 2010. – № 2. – С. 58–70.
7. Checkland P., Scholes J. Soft System Methodology in Action. John Wiley & Sons Ltd, 1990. 346 p.
8. Manning C. D., Raghavan P., Schutze H. An Introduction to Information Retrieval. Cambridge University Press, 2008. 544 p. DOI: https://doi.org/10.1017/CBO9780511809071
9. Sweller J., Ayres P., Kalyuga S. Cognitive Load Theory. New York: Springer. 2011. 274 p. DOI: https://doi.org/10.1007/978-1-4419-8126-4
10. Tsvetkov V.Ya. Complexity Index // European Journal of Technology and Design. 2013, vol. 1, no. 1, pp. 64–69. DOI: https://doi.org/10.13187/ejtd.2013.1.64
