Standards and Monitoring in Education Standards and Monitoring in Education Стандарты и мониторинг в образовании 1998-1740 81739 10.12737/1998-1740-2024-12-5-46-52 Специалисту на заметку Сhalk up for specialist Специалисту на заметку KEY CONCEPTS AND CONNECTIONS BETWEEN SECTIONS OF THE SCHOOL ASTRONOMY COURSE КЛЮЧЕВЫЕ КОНЦЕПТЫ И СВЯЗИ МЕЖДУ РАЗДЕЛАМИ ШКОЛЬНОГО КУРСА АСТРОНОМИИ https://orcid.org/0000-0001-8166-9299 Майер Р. В. Mayer R. V. robert_maier@mail.ru

доктор педагогических наук;

doctor of pedagogical sciences;

 Глазовский государственный инженерно-педагогический университет им. В.Г. Короленко Глазов Россия Глазовский государственный инженерно-педагогический университет им. В.Г. Короленко Глазов Russian Federation 28 11 2024 28 11 2024 12 5 46 52 14 04 2024 01 10 2024 https://zh-szf.ru/en/nauka/article/81739/view

Проанализирована проблема выявления ключевых понятий школьного курса астрономии и установления внутрипредметных связей между различными разделами курса. В результате контент-анализа школьного учебника астрономии выявлено 42 ключевых концепта, знание которых имеет прин-ципиальное значение для усвоения курса. С целью определения силы внутри-предметных связей, для каждого раздела курса астрономии получены списки ключевых слов с указанием количества их употреблений, которые фактически являются формализованными моделями сравниваемых текстов. С помощью специальных компьютерных программ, написанных на языке ABCPascal, вы-числены: 1) косинусоидальная мера близости между любыми двумя разделами; 2) мера Дайса, реагирующая на наличие слов в текстах и не учитывающая число словоупотреблений. Была учтена парадигматическая связь между различными терминами, например: Солнце – звезда, Сатурн – планета и т.д. Получены матрицы мер близости, на их основе построены: 1) граф, показывающий внутрипредметные связи между разделами учебника астрономии; 2) граф, учитывающий «расстояния» между разделами в многомерном семантическом пространстве. С целью оценки степени интегрированности различных разделов в курс астрономии вычислены средние коэффициенты семантической близости каждого раздела с другими разделами. Установлено, что их наибольшими значениями обладают разделы: 3 (Движение небесных тел), 5 (Методы исследования небесных тел) и 7 (Звезды). Они близки друг к другу и составляют ядро учебника астрономии.

The problem of identifying the key concepts of the school astronomy course and establishing intra-subject relationships between different sections of the course is analyzed. As result of the content analysis of the school astronomy textbook, 42 key concepts have been identified, the knowledge of which is of fundamental importance for the course assimilation. In order to determine the strength of intra-subject connections, the keyword lists are obtained for each section of the astrono-my course indicating the number of their uses, which are actually formalized models of the compared texts. Using special computer programs on ABCPascal, are cal-culated: 1) the cosine measure of proximity between any two sections; 2) the Dice measure that reacts to the presence of words in texts and does not take into account the number of word uses. The paradigmatic connection between different terms was taken into account, for example: Sun – star, Saturn – planet, etc. Matrices of proximity measures are obtained, and based on them are constructed: 1) the graph showing intra-subject connections between the astronomy textbook sections; 2) the graph that takes into account the «distances» between sections in a multidimensional semantic space. In order to assess the integration degree of various sections into the astronomy course, the average coefficients of semantic proximity of each section with other sections are calculated. It is found that their greatest values are in sections 3 (Motion of celestial bodies), 5 (Methods of studying celestial bodies) and 7 (Stars). They are close to each other and form the astronomy textbook core.

 астрономия внутрипредметные связи дидактика концепт мера близости текст astronomy intrasubject connections didactics concept proximity measure text

Андриевская Н.К. Гибридная интеллектуальная мера оценки семантической близости // Проблемы искусственного интеллекта. – 2021. – № 1. – С. 4–17. Andrievskaya N.K. Gibridnaya intellektual'naya mera ocenki semanticheskoy blizosti // Problemy iskusstvennogo intellekta. – 2021. – № 1. – S. 4–17. Бородащенко А.Ю. Анализ текстов на семантическое сходство на основе аппарата теории графов // Известия ОрелГТУ. Серия: Информационные системы и технологии. – 2008. – № 1-2. – С. 46–52. Borodaschenko A.Yu. Analiz tekstov na semanticheskoe shodstvo na osnove apparata teorii grafov // Izvestiya OrelGTU. Seriya: Informacionnye sistemy i tehnologii. – 2008. – № 1-2. – S. 46–52. Ванюшкин А.С., Гращенко Л.А. Методы и алгоритмы извлечения ключевых слов // Новые информационные технологии в автоматизированных системах. – 2016. – № 19. – С. 85–93. Vanyushkin A.S., Graschenko L.A. Metody i algoritmy izvlecheniya klyuchevyh slov // Novye informacionnye tehnologii v avtomatizirovannyh sistemah. – 2016. – № 19. – S. 85–93. Велихов П.Е. Меры семантической близости статей Википедии и их применение в обработке текстов // Информационные технологии и вычислительные системы. – 2009. – № 1. – С. 23–37. Velihov P.E. Mery semanticheskoy blizosti statey Vikipedii i ih primenenie v obrabotke tekstov // Informacionnye tehnologii i vychislitel'nye sistemy. – 2009. – № 1. – S. 23–37. Воронина И.Е. и др. Функциональный подход к выделению ключевых слов: методика и реализация / И.Е. Воронина, А.А. Кретов, И.В. Попова, Л.В. Дудкина // Вестник ВГУ. Серия: Системный анализ и информационные технологии. – 2009. – № 1. – С. 68–72. Voronina I.E. i dr. Funkcional'nyy podhod k vydeleniyu klyuchevyh slov: metodika i realizaciya / I.E. Voronina, A.A. Kretov, I.V. Popova, L.V. Dudkina // Vestnik VGU. Seriya: Sistemnyy analiz i informacionnye tehnologii. – 2009. – № 1. – S. 68–72. Галузо И.В. Астрономия: учеб. для 11-го кл. учреждений общ. сред. образования с рус. яз. обучения / И.В. Галузо, В.А. Голубев, А. . Шимбалев. – Минск: Адукацыя і выхаванне, 2015. – 224 с. Galuzo I.V. Astronomiya: ucheb. dlya 11-go kl. uchrezhdeniy obsch. sred. obrazovaniya s rus. yaz. obucheniya / I.V. Galuzo, V.A. Golubev, A. . Shimbalev. – Minsk: Adukacyya і vyhavanne, 2015. – 224 s. Гнитецкая Т.Н., Шутко Ю.Е. Внутрипредметные связи в обучении физике: монография / Т.Н. Гнитецкая. Дальневост. федерал. ун-т. – Владивосток: Изд-во Дальневост. федерал. ун-та, 2023. – 208 с. Gniteckaya T.N., Shutko Yu.E. Vnutripredmetnye svyazi v obuchenii fizike: monografiya / T.N. Gniteckaya. Dal'nevost. federal. un-t. – Vladivostok: Izd-vo Dal'nevost. federal. un-ta, 2023. – 208 s. Ефимова Т.В. Анализ художественного текста с применением семантической сети // Вестник ВГУ. Серия: Лингвистика и межкультурная коммуникация. – 2003. – № 1. – С. 57–67. Efimova T.V. Analiz hudozhestvennogo teksta s primeneniem semanticheskoy seti // Vestnik VGU. Seriya: Lingvistika i mezhkul'turnaya kommunikaciya. – 2003. – № 1. – S. 57–67. Искандеров Н.Ф. Виды внутрипредметных связей в школьном курсе физики // Мир науки, культуры, образования. – 2012. – № 6. – С. 161–163. Iskanderov N.F. Vidy vnutripredmetnyh svyazey v shkol'nom kurse fiziki // Mir nauki, kul'tury, obrazovaniya. – 2012. – № 6. – S. 161–163. Кузнецов Л.А., Кузнецова В.Ф. Технология автоматизированной оценки содержательной близости текстов // Программные продукты и системы. 2013. – № 1. – С. 34–42. Kuznecov L.A., Kuznecova V.F. Tehnologiya avtomatizirovannoy ocenki soderzhatel'noy blizosti tekstov // Programmnye produkty i sistemy. 2013. – № 1. – S. 34–42. Майер Р.В. Сложность учебных понятий и текстов:монография. – Глазов: ГИПУ, 2024. – 132 с. Mayer R.V. Slozhnost' uchebnyh ponyatiy i tekstov:monografiya. – Glazov: GIPU, 2024. – 132 s. Нугуманова А.Б. и др. Обогащение модели bag-ofwords семантическими связями для повышения качества классификации текстов предметной области / А.Б. Нугуманова, И.А. Бессмертный, П. Пецина, Е.М. Байбурин // Программные продукты и системы. – 2016. – № 2 (114). – С. 89–99. Nugumanova A.B. i dr. Obogaschenie modeli bag-ofwords semanticheskimi svyazyami dlya povysheniya kachestva klassifikacii tekstov predmetnoy oblasti / A.B. Nugumanova, I.A. Bessmertnyy, P. Pecina, E.M. Bayburin // Programmnye produkty i sistemy. – 2016. – № 2 (114). – S. 89–99. Попов К.А., Строчилов П.А. Концентрическая модель построения учебного курса, ориентированного на реализацию внутрипредметных связей // Известия ВГПУ. – 2014. – № 4. – С. 206–210. Popov K.A., Strochilov P.A. Koncentricheskaya model' postroeniya uchebnogo kursa, orientirovannogo na realizaciyu vnutripredmetnyh svyazey // Izvestiya VGPU. – 2014. – № 4. – S. 206–210. Сулейманов А.Ш. Семантическая близость и семантические расстояния между текстами // Системні технології. – 2007. – № 10. – С. 132–136. Suleymanov A.Sh. Semanticheskaya blizost' i semanticheskie rasstoyaniya mezhdu tekstami // Sistemnі tehnologії. – 2007. – № 10. – S. 132–136. Турбина О.А., Савельева О.А. Принцип классификации текстовых связей // Вестник ЮУрГУ. – 2006. № 6. – С. 53–59. Turbina O.A., Savel'eva O.A. Princip klassifikacii tekstovyh svyazey // Vestnik YuUrGU. – 2006. № 6. – S. 53–59. Шереметьева С.О., Осминин П.Г. Методы и модели автоматического извлечения ключевых слов // Вестник ЮУрГУ. Серия: Лингвистика. – 2015. Т. 12. – № 1. – С. 76–81. Sheremet'eva S.O., Osminin P.G. Metody i modeli avtomaticheskogo izvlecheniya klyuchevyh slov // Vestnik YuUrGU. Seriya: Lingvistika. – 2015. T. 12. – № 1. – S. 76–81. Barker K., Cornacchia N. Using Noun Phrase Heads to Extract Document Keyphrases // Advances in Artificial Intelligence. – 2000. Vol. 1822. – pp. 40–52. Barker K., Cornacchia N. Using Noun Phrase Heads to Extract Document Keyphrases // Advances in Artificial Intelligence. – 2000. Vol. 1822. – pp. 40–52.