Водопьян Г.М., Уваров А.Ю. О построении модели процесса информатизации школы

Подождите немного. Документ загружается.

Глава 3. Использование К;модели для классификации школ

9911

Так, хорошо подготовленное решение о доступности для учащихся в тече%

ние минимум десяти часов ежедневно семь дней в неделю всех средств

ИКТ, которые имеются в школе, повлечет за собой не только соответст%

вующее распоряжение охране. Если это сознательный шаг педагогичес%

кого коллектива к изменению режима работы школы, он может изменить

всю образовательную среду и приведет, в частности:

• к организации соответствующих внеклассных занятий и кружков;

• к изменению учебной нагрузки и оплаты труда учителей;

• к использованию компьютеров для выполнения домашних заданий;

• к приобретению услуг провайдеров интернет%обучения и т.п.

Сегодня, когда средства ИКТ поступили в каждую школу, создание необ%

ходимых организационных условий не менее значимо, чем условий мате%

риальных. Например, налаживание системы технической поддержки

средств ИКТ дает возможность эффективно использовать устаревшую

технику, что увеличивает количество рабочих мест. Другой пример —

расширение функциональных обязанностей заведующего библиотекой,

когда его обязывают учитывать ЦОР и контролировать использование

установленных в библиотеке средств ИКТ, резко повышает доступность

ЦОР для всей школы. Еще один пример — обучение учителей работе со

средствами презентационной графики, что тоже повышает доступность

средств ИКТ в школе.

Широко понимаемая доступность средств ИКТ есть ключевая характе%

ристика процесса информатизации школы. Перенесение акцента с нали%

чия средств ИКТ на их доступность стимулирует обсуждение таких воп%

росов, как организация целостного пространства учебной работы

школьников, формирование открытой учебной архитектуры, изменение

физического пространства помещений школы (в частности, создание зон

свободного доступа к компьютерам в школьных рекреациях)

Таким образом, можно говорить о доступности средств ИКТ как о резуль%

тате целенаправленной организационной работы, включающей:

• оснащение школы техническими и программными средствами ИКТ

(технологические ресурсы);

• развитие (модернизацию) действующих в школе традиций;

• разработку новых правил (регламентов) работы школы;

Изменение физического учебного пространства — специальная тема, которая пока не нашла

достойного освещения в отечественной педагогической литературе, где по%прежнему доминирует об%

суждение требований к компьютерным классам. Нет сомнения, что развитие процесса информатиза%

ции должно повлечь за собой пересмотр и действующих сегодня норм проектирования школьных

помещений.

O postroenii_verstka4.qxd 17.07.2006 15:55 Page 91

Глава 3. Использование К;модели для классификации школ

9922

• формирование ИКТ%компетентности участников учебно%воспита%

тельного процесса;

• соответствующее приспособление (переоборудование, переплани%

ровку, достройку) имеющихся помещений.

В основе этой работы лежит стремление достичь нового качества образо%

вания, превратить школу индустриального общества (образцовую ману%

фактуру) в школу информационного общества (современное информа%

ционное производство).

ООппррееддееллееннииее ннааббоорраа ииннддииккааттоорроовв ддлляя ооппииссаанниияя ссооссттоояянниияя

ииннффооррммааттииззааццииии шшккооллыы

Мы обсудили три группы показателей (технологические, человеческие и

организационные). Используя их в совокупности, можно сравнительно

полно описать состояние информатизации школы (рис. 16), тогда как их

раздельное обсуждение малопродуктивно, поскольку в реальности они

подстраиваются друг к другу. Например, наличие компьютерной сети

в школе ведет к одним организационным решениям, а ее отсутствие —

к другим. Распространение мультимедийных проекторов не может не сти%

мулировать освоение учителями средств презентационной графики,

а внедрение интерактивных досок меняет как требования, предъявляемые

к учителям при подготовке к занятиям, так и требования к их технологи%

ческой и педагогической компетентности.

Рис. 16. Взаимосвязь технологических, человеческих и организационных ресурсов

ЧЧееллооввееччеессккииее

рреессууррссыы

ТТееххннооллооггииччеессккииее

рреессууррссыы

ООррггааннииззааццииоонннныыее

рреессууррссыы

ССооссттоояяннииее

ииннффооррммааттииззааццииии шшккооллыы

O postroenii_verstka4.qxd 17.07.2006 15:55 Page 92

Глава 3. Использование К;модели для классификации школ

9933

Выявление полного набора показателей состояния информатизации шко%

лы и установление связей между ними — сложная самостоятельная задача.

К%модель не претендует на то, чтобы зафиксировать и раскрыть все внут%

ренние связи, ограничиваясь внешним описанием. Для этого достаточно

воспользоваться опытом эксперта, который занимается информатиза%

цией школы и представляет все проходящие в ней процессы (а значит, и

характеризующие их индикаторы) во взаимосвязи. Он определит состав

переменных и соответствующих индикаторов состояния информатизации

школы. Кроме того, методы объективной классификации, которые лежат

в основе К%модели, не требуют разделения переменных на группы, по%

скольку они обеспечивают учет всех взаимосвязей между переменными

при выделении устойчивых состояний образовательного учреждения

в процессе кластеризации. В нашем случае перечень индикаторов для опи%

сания состояния информатизации был составлен следующим образом.

Мы подготовили предварительный набор индикаторов, стараясь учиты%

вать все высказанные выше соображения, а также опыт, накопленный при

разработке моделей, которые были рассмотрены в главе 2. При описании

технологических ресурсов мы выделяли такие аспекты, как рабочие места

и периферийное оборудование, которое заметно влияет на педагогические

возможности этих рабочих мест; используемое программное обеспечение

(прежде всего предназначенное для специфических нужд учебной рабо%

ты); развитие сетевой инфраструктуры и доступ в Интернет. При описа%

нии человеческих ресурсов учитывались как формальные признаки ИКТ%

подготовки учителей, так и применение ими своих способностей на прак%

тике. Основное внимание уделялось использованию организационных

ресурсов. При определении каждого из индикаторов одновременно оце%

нивались диапазон его возможных значений и потенциальные риски

получения недостоверных данных.

Затем мы попросили нескольких экспертов — признанных практиков

в области информатизации школы с более чем десятилетним опытом ра%

боты — оценить этот предварительный набор индикаторов. Каждого из

них мы знакомили с замыслом работы. Потом он читал подготовленное

описание и давал свои предложения по исключению или замене инди%

каторов, изменению формулировок и перечней их возможных значений,

включению дополнительных индикаторов. Мы тщательно следили за тем,

чтобы за каждым изменением стоял пример реальной школы, при класси%

фикации которой помогает это изменение. В итоге был подготовлен пере%

чень вопросов, которые мы использовали для классификации экспери%

ментальной выборки школ (Приложение 1).

O postroenii_verstka4.qxd 17.07.2006 15:55 Page 93

Глава 3. Использование К;модели для классификации школ

9944

ППооддггооттооввккаа ииннссттррууммееннттаа ии ссббоорр ддаанннныыхх оо ссооссттоояяннииии

ииннффооррммааттииззааццииии шшккоолл

Следующий этап включал в себя разработку инструмента для сбора

данных, определение объема и состава экспериментальной выборки, сбор

и первичную обработку данных. Цель этого этапа — подготовить матрицу

данных для кластеризации школ.

РРааззррааббооттккаа ииннссттррууммееннттаа ддлляя ссббоорраа ддаанннныыхх

Экспертная оценка итогового перечня индикаторов, которую провели

специалисты Института социологии РАН, имеющие опыт социологичес%

ких обследований в сфере образования, показала, что предпочтительным

способом сбора данных является интервьюирование работников школ.

Однако у нас не было возможности организовать интервьюирование, и

мы использовали для сбора данных метод анкетирования. Он несколько

менее надежен, но вполне допустим для решения нашей задачи.

Все входящие в анкету индикаторы делятся на две группы: количественные

(объемные), значения которых можно описать с помощью разностной

шкалы (число), и качественные, значения которых можно оценить лишь

с помощью шкалы порядка (уровень выполнения некоторого требования).

Количественные индикаторы описывают, как правило, объемы физичес%

ки доступных ресурсов (скажем, общее количество компьютеров в школе

или количество компьютеров, приходящихся на одного педагога).

Качественные индикаторы характеризуют обеспеченность тем или иным

ресурсом или степень достижения некоторого результата. Так, описывая

школьную компьютерную сеть, важно зафиксировать не столько ее техно%

логические характеристики (скорость обмена информацией и пр.), кото%

рые определяются уровнем развития ИКТ и не зависят от усилий педаго%

гов, сколько ее распространенность в рамках школы (она может соеди%

нять компьютеры внутри одного или нескольких классов, объединять

большинство или всего несколько компьютеров, быть доступной с каждого

рабочего места, в любом из помещений школы и т.д.). Это позволит оценить,

в какой мере компьютерная сеть охватывает школу. Распространенность

сети зависит от работников школы и во многом определяет практическую

доступность ИКТ%ресурсов.

На основе разработанного набора индикаторов была подготовлена анкета

в виде Excel%таблицы, которая также включала пункты, содержащие общие

O postroenii_verstka4.qxd 17.07.2006 15:55 Page 94

Глава 3. Использование К;модели для классификации школ

9955

сведения о школе, и инструкцию по заполнению. Анкета была ориентиро%

вана на работника школы, который отвечает за решение задач информати%

зации: ее должен был заполнять заместитель директора, учитель инфор%

матики или другой отвечающий за эту работу педагог.

ООппррееддееллееннииее ооббъъееммаа ии ссооссттаавваа ээккссппееррииммееннттааллььнноойй ввыыббооррккии

Опробование К%модели для решения задачи классификации школ про%

водилось на экспериментальной выборке школ. Понятно, что объем и

состав выборки влияют на точность результатов, которые мы получаем

статистическими методами.

Классический подход к определению объема выборки состоит в том, что

сначала задается точность, с которой мы хотим судить о значениях пара%

метров генеральной совокупности (доверительный интервал), а затем

определяется объем малой выборки. Однако в нашем случае этот подход

малопригоден, поскольку, во%первых, мы не уверены, что генеральная

совокупность (состояния информатизации всех школ страны) подчиняет%

ся закону нормального распределения; во%вторых, нам надо определить

саму структуру генеральной совокупности, а не ее параметры — математи%

ческое ожидание и дисперсию.

Для определения объема экспериментальной выборки мы воспользова%

лись двумя эмпирическими правилами, которые хорошо зарекомендо%

вали себя при проведении многомерного статистического анализа. Первое

из них требует, чтобы выборка содержала по крайней мере на 51 наблюде%

ние больше, чем число обрабатываемых переменных [8]. Учитывая, что

подготовленная анкета содержала 45 индикаторов, минимальный объем

выборки должен составлять 96 школ. Второе правило требует, чтобы

число объектов в экспериментальной выборке было по крайней мере в три

раза больше числа параметров классификации [5]. Согласно этому правилу,

минимальный объем выборки должен составлять 135 школ. При прове%

дении анкетирования мы предполагали собрать данные примерно от

120—140 школ.

Чтобы судить о свойствах генеральной совокупности по данным, которые

собраны на ограниченной выборке объектов, структура этой выборки

в максимальной степени должна соответствовать структуре генеральной

совокупности. Мы исходили из предположения, что большинство школ

нашей страны находятся на ранних этапах своей информатизации. Хотя

достаточно продвинутые школы сравнительно редки, без них искомая

O postroenii_verstka4.qxd 17.07.2006 15:55 Page 95

Глава 3. Использование К;модели для классификации школ

9966

структура пространства информатизации будет существенно неполна.

Поэтому наряду с обычными школами мы включили в эксперименталь%

ную выборку достаточное число продвинутых школ. Для проведения

анкетирования мы воспользовались помощью известных специалистов

в области информатизации образования из Санкт%Петербурга, Алтайского

края и Красноярска, которые провели сбор данных в школах своих регио%

нов. Мы просили их обследовать как продвинутые, так и обычные школы.

Для проверки классификации, полученной статистическими методами,

необходима контрольная группа, в которую входят заведомо похожие

друг на друга школы. В качестве такой группы использовались школы

сети ОРТ

. Они располагают схожими технологическими возможностя%

ми, работают по близким методикам, а сам их опыт сравнительно хорошо

описан. В контрольную выборку вошли школы ОРТа из Москвы, Киши%

нева, Киева, Софии, Бишкека и Вильнюса.

ССббоорр ии ппееррввииччннааяя ооббррааббооттккаа ддаанннныыхх

Сбор данных проводился в течение февраля%марта 2004 года. Анкеты бы%

ли разосланы в школы, входящие в экспериментальную группу, по элек%

тронной почте. Некоторые анкеты (около четверти от всего объема)

заполнялись представителями школ (учителями информатики) во время

пребывания на курсах повышения квалификации (Санкт%Петербург,

Барнаул). Все анкетируемые делали это добровольно. Им рассказывалось

о целях работы, и предлагалась заранее подготовленная инструкция.

Анкеты, как правило, заполнялись в электронном виде (на компьютере),

сохранялись в виде отдельного файла и отправлялись на наш адрес по

электронной почте. По информации от педагогов, заполнение анкеты

(ответы на вопросы) занимало в среднем около часа. В итоге мы получили

101 анкету. После проверки на полноту заполнения и достоверность часть

анкет (шесть штук) была отсеяна, поскольку в них:

• ответы на какие%то вопросы отсутствовали;

• ответы явно расходились с информацией, которой мы располагали

об этой школе;

• ответы на разные вопросы противоречили друг другу.

Для последующей обработки мы использовали анкеты из 94 школ

О школах ОРТ см.: http://www.ort.org.

Школа № 550 (Санкт%Петербург) представила две анкеты, относящиеся к двум разным этапам ее

информатизации.

O postroenii_verstka4.qxd 17.07.2006 15:55 Page 96

Глава 3. Использование К;модели для классификации школ

9977

Список образовательных учреждений, вошедших в экспериментальную

выборку, представлен в Приложении 2.

На некоторые вопросы анкеты следовало дать ответ в виде числа (коли%

чество учащихся, компьютеров, проекторов, кабинетов, устройств ввода

графической информации и т.п.). Для дальнейшей обработки все абсо%

лютные значения были пересчитаны в относительные (количество учени%

ков на один компьютер, проекторов на один учебный кабинет и т.п.).

Собранные данные были закодированы. В процессе кодирования коли%

чественные переменные, значения которых были пересчитаны из абсолют%

ных в относительные, попали в матрицу данных без изменений; каждому

вопросу с выбором ответа был присвоен номер, а различным ответам —

числовые значения (ранги). Например, вопрос о подключении школы

к Интернету предлагал выбор одного из следующих ответов:

• в школе нет доступа к Интернету;

• в школе есть одно рабочее место с доступом к Интернету (модем по

телефонной линии);

• в школе есть несколько рабочих мест с доступом к Интернету (свои

модемы используют секретарь школы, кабинет информатики, биб%

лиотека и т.п.);

• школа подключена к Интернету по выделенной линии.

Кодируя этот вопрос, мы ввели переменную «Интернет», которая прини%

мала целые значения от 0 (в школе нет доступа к Интернету) до 3 (шко%

ла подключена к Интернету по выделенной линии). Мы исходили их того,

что разница между близлежащими значениями (рангами) несущественна,

и не стали использовать весовые коэффициенты. Конечно, разница между

рангами 0 (в школе нет доступа к Интернету) и 1 (в школе есть одно рабо%

чее место с доступом к Интернету) не сопоставима с разницей между ран%

гами 2 (в школе есть несколько рабочих мест с доступом к Интернету) и

3 (школа подключена к Интернету по выделенной линии). Однако в обоих

случаях мы оставили ее равной единице. Представляется, что для нашей

задачи возникающей погрешностью можно пренебречь. Вопрос о введе%

нии соответствующих весовых коэффициентов может быть темой спе%

циального исследования.

Полученная матрица данных была подготовлена в Excel и загружена

в статистический пакет программ SPSS, который широко применяется

для обработки результатов социологических и других обследований. Этот

пакет (версия 13.0) использовался нами для проведения всех дальнейших

расчетов.

O postroenii_verstka4.qxd 17.07.2006 15:55 Page 97

Глава 3. Использование К;модели для классификации школ

9988

Анализ описательных статистик показал, что переменные, характеризую%

щие состояние информатизации школы, сильно разнятся по абсолютной

величине выборочных средних значений и дисперсий. Например, доля

компьютеров, подключенных к сети, часто выражалась десятками процен%

тов, а значения некоторых других переменных не превышали единицы.

Различия доходили до двух порядков, что могло повлиять на результаты

классификации. Поэтому мы провели нормирование переменных. Из зна%

чений переменных мы вычли их среднее, а полученную разность раздели%

ли на стандартное отклонение по всей совокупности значений. Таким

образом, средние значения всех нормированных переменных стали равны

нулю, а дисперсия — единице.

Для пяти переменных (№№ 2, 11, 17, 23, 35) выборочная дисперсия оказа%

лась близка к нулю (Приложение 3). Наличие таких переменных обуслов%

лено тем, что описываемые ими феномены в школах практически не наб%

людаются. Так, только в одной из опрошенных школ оказался мобильный

компьютерный класс, да и то он, в основном, используется в стационарном

варианте. Ясно, что такого рода переменные не могут оказать влияния на

классификацию школ, и они были исключены из рассмотрения.

В итоге мы получили матрицу данных, которая включала 94 объекта,

каждый из которых описан 40 переменными. Таким образом, объем экспе%

риментальной выборки удовлетворил одному из двух указанных выше

критериев.

ККллаассссииффииккаацциияя шшккоолл ээккссппееррииммееннттааллььнноойй ввыыббооррккии

Наша задача — найти такое разбиение экспериментальной выборки школ

на группы (классификацию), которое объединяет школы со схожими

(одинаковыми или близкими) состояниями их информатизации.

Простейшее решение состоит в том, чтобы использовать для классифика%

ции переменные, которые получены на основе индикаторов состояния

информатизации школы (см. рис. 14). Вариант такой классификации,

выполненный по методу наибольшего правдоподобия, приведен в табл. 9.

Но это решение имеет существенные недостатки.

O postroenii_verstka4.qxd 17.07.2006 15:55 Page 98

Глава 3. Использование К;модели для классификации школ

9999

Табл. 9. Кластеризация по 40 переменным методом Уорда

1 кластер 2 кластер 3 кластер

1_алт 102_крск 11_крск

10_спб 120_спб 239_спб

15_спб 163_спб 248_спб

326_спб 1701_злнг 42_сам

402_спб 27_крск 56_спб

539_спб 381_спб гимн 3_крск

558_спб 426_спб ОРТ_лицей_киш

588_спб 62_крск универс_крск

76_крск 652_спб

97_крск 700_спб 4 кластер

алеф_запор 84_крск 110_спб

урож_2_алт гимн 4_крск 12_крск

гимн 6_крск 134_софия

егорОУ_алт 138_крск

лицей 1_крск 3_алт

лицей 6_крск 368_спб

41_крск

5 кластер 6 кластер 457_спб

19_крск 199_спб 63_крск

2_алт 456_спб 78_крск

21_крск 523_спб 94_крск

21_спб 541_спб бгпк_алт

23_крск 578_спб гимн 9_крск

235_спб 62_барн лицей 4_крск

266_спб 72_крск лицей 8_крск

29_тула част%гос_биш

33_спб 7 кластер

382_спб 148_спб

486_спб 156_спб

493_спб 40_крск 10 кластер

5_алт гимн 42_барн 137_крск

54_крск 207_спб

75_крск 8 кластер 22_спб

гимн 5_алт 1299_мск 455_спб

казанОУ_алт 82_крск

колывОУ_алт 9 кластер

краснОУ_алт 1311_мск

новофирОУ_алт лицей ОРТ_киев

угловОУ_алт 550_спб

уст_талОУ_алт

O postroenii_verstka4.qxd 17.07.2006 15:55 Page 99

Глава 3. Использование К;модели для классификации школ

110000

Во*первых, полученная классификация чувствительна к исходному набо%

ру переменных. У нас нет доказательств, что выбранные переменные до%

статочно полно и точно отражают искомые сходства между школами. Эти

переменные получены на основе интуиции экспертов, а не на основе тео%

рии, которая позволила бы оценить степень приемлемости результатов

кластеризации. Техника кластерного анализа тоже не предоставляет

инструментов для проверки полученной классификации.

Во*вторых, мы уверены, что этот набор переменных может и должен ме%

няться. В процессе информатизации школы могут (и должны) появляться

новые переменные

. Опасность того, что используемый набор переменных

способен привнести в анализируемые данные структуру, которая отли%

чается от искомой (объективно существующей), достаточно велика.

В*третьих, интерпретируя результаты, надо сравнивать и объяснять раз%

личия средних значений 40 переменных для каждого из найденных клас%

теров, а это нелегко сделать при столь большом числе переменных. Экс%

перты в области кластерного анализа предлагают остерегаться подобных

попыток [32]. Следовательно, кластеры можно будет характеризовать лишь

с помощью описаний Историй информатизации школ. То есть мы теряем

важный инструмент проверки найденной классификации — возможность

сравнить две интерпретации (по кластерным средним и с помощью Историй

информатизации). Поэтому для содержательной интерпретации класси%

фикации с помощью кластерных средних нам необходимо найти другой

набор переменных, а именно набор параметров информатизации.

Итак, у нас есть и содержательные, и формальные основания отказаться

от идеи классифицировать школы в пространстве переменных состояния

информатизации. Однако такой набор переменных можно использовать

как инструмент, чтобы собрать первичные данные о состоянии информа%

тизации школ, а уже эти данные послужат основой для определения истин%

ных, действующих на практике и пока еще не выраженных явно параметров

процесса информатизации школы, которые и следует использоваться при

классификации. На рис. 14 они названы параметрами классификации.

Мы используем набор переменных (они определены с помощью экспер%

тов), чтобы найти параметры (факторы) классификации. При этом мы по%

лагаем, что их окажется немного, их будет легко интерпретировать и они

позволят выявить сравнительно устойчивую структуру пространства ин%

форматизации школы.

Например, переменные, отражающие изменение управленческой культуры школы, которые

использованы в Матрице ВЕСТА.

O postroenii_verstka4.qxd 17.07.2006 15:55 Page 100