Старовиков, М.И. Натурно-вычислительный эксперимент: гносеологические особенности и их реализация в учебном процессе [Текст] / М.И. Старовиков, И.В. Старовикова / Проблемы совершенствования обучения математике, физике и информатике в школе и вузе: материалы международной научно-практической конференции (Алматы, 24-25 октября 2014 г.) / Казахский национальный педагогический университет имени Абая. – Алматы: Изд. «Ұлаӻат». – С.152 – 155. УДК 372.853 М.И. Старовиков, И.В. Старовикова НАТУРНО-ВЫЧИСЛИТЕЛЬНЫЙ ЭКСПЕРИМЕНТ: ГНОСЕОЛОГИЧЕСКИЕ ОСОБЕННОСТИ И РЕАЛИЗАЦИЯ В УЧЕБНОМ ПРОЦЕССЕ (г. Бийск, ФГБОУ ВПО «Алтайская государственная академия образования имени В.М. Шукшина») В статье обосновывается целесообразность более широкого включения натурновычислительного эксперимента в учебный процесс общеобразовательных школ и профессиональных учебных заведений. Рассмотрена структура натурно-вычислительного эксперимента, что необходимо для его адекватного представления в содержании обучения. Раскрываются педагогические следствия использования натурно-вычислительного эксперимента в учебном процессе. In the article is based the expediency of the wider start of real-computational experiment in the training process of general education schools and professional educational institutions. Is examined the structure of real-computational experiment, which is necessary for its adequate idea in the content of instruction. The pedagogical consequences of the use of a real-computational experiment in the training process are revealed. Учебный эксперимент, натурный эксперимент, вычислительный эксперимент. Training experiment, real experiment, the computational experiment. В настоящее время сложно представить себе проведение научных исследований без использования компьютера и связанных с ним информационных технологий. Информационно-компьютерные технологии (ИКТ) применяются на всех этапах исследования, начиная от поиска, сбора и хранения информации по проблеме и заканчивая изложением и презентацией его результатов. По нашей оценке, наибольший положительный эффект применение ИКТ дает при анализе данных, полученных в натурном эксперименте, и моделировании. Компьютер позволяет реализовать в экспериментальном исследовании самые совершенные в математическом отношении методы обработки данных (вычислительные, графические, статистические). Для компьютерного моделирования в форме вычислительного эксперимента характерно получение дедуктивным путем больших массивов количественной информации об исследуемом объекте. В соединении оба метода дают системный эффект повышения эффективности исследования. Представляются очевидными следующие преимущества натурно-вычислительного эксперимента: • увеличение объема искомой информации о предмете исследования, возможность ее быстрой перекодировки и представления в различных видах (численном, символьном, графическом); • повышение точности и достоверности (вероятностной значимости) полученных результатов, в том числе, за счет использования как опытного, так и логического критериев их верификации; • повышение вероятности решения поставленной задачи и постижения сущности изучаемого явления. Натурно-вычислительный эксперимент выступает как наиболее перспективный метод изучения сложных стохастических систем, поведение которых зависит от множества параметров (факторов). Таким образом, в современной науке натурно-вычислительный эксперимент является одним из наиболее характерных и продуктивных познавательных методов. Этим, в первую очередь, обусловлена необходимость его представления в содержании обучения в общем и профессиональном образовании. Несмотря на отмеченные достоинства, в учебном процессе натурновычислительный эксперимент реализуется недостаточно. Натурный и вычислительный эксперименты изучаются в различных предметных дисциплинах (натурный – главным образом, в естественнонаучных дисциплинах, вычислительный – как правило, в курсе информатики). В методологической и учебной литературе, в целом, эти методы описываются как совершенно разные, не связанные между собой. По нашей оценке, такое положение дел обусловлено недостаточным развитием методологического и учебно-методического обеспечения. Рассмотрим некоторые логико-методологические особенности натурновычислительного эксперимента (имея в виду, прежде всего, естественнонаучный эксперимент). В нашем понимании, его компонентный состав и связи между компонентами можно представить в виде схемы, показанной на рис. 1. Натурный эксперимент осуществляется в границах блока А, обозначенного пунктирными линиями. Его основными структурными компонентами являются субъект (экспериментатор), материальные средства (приборы и оборудование), материальный объект исследования (образец), совокупность устанавливаемых свойств которого составляют предмет исследования. Структуру вычислительного эксперимента (блок Б) составляют субъект, материальные средства для реализации и исследования модели (в вычислительном эксперименте в качестве такого средства используется компьютер и периферийные устройства), эмпирическая и теоретическая модели предмета исследования. Стрелки на схеме символизируют следующие связи между компонентами: 1 – управляющие воздействия субъекта на экспериментальную установку; 2 – воздействия на объект; 3 – отклик объекта; 4 – первичные данные о предмете исследования; 5, 6 – взаимодействие субъекта со средствами материализации и исследования моделей; 7 – построение и исследование эмпирической модели; 8 – получение информации с помощью теоретической модели; 9 – построение и исследование теоретической модели; 10 – получение информации с помощью теоретической модели. 1 Субъект 4 5 Б Средства эксперимента 2 Объект 3 6 Средства моделирования 7 8 Эмпирическая модель 9 10 Теоретическая модель Рис.1. Структура натурно-вычислительного эксперимента А На схеме показано, что в натурном эксперименте субъект осуществляет воздействия на изучаемый объект и получает первичных информацию о предмете исследования с помощью приборов и специального оборудования. Как правило, натурный эксперимент не заканчивается фиксацией результатов измерений и наблюдений. На следующем этапе осуществляется их обработка и интерпретация. Полученные данные представляются в виде таблиц и графиков, производится вычисление косвенно определяемых величин, оцениваются погрешности результатов измерений и их вероятностная значимость, методами регрессионного анализа устанавливаются функциональные связи между величинами и т. д. Совокупный продукт этих действий, зафиксированный на каком-либо носителе (бумажном, электронном и т. д.), репрезентирует предмет исследования, и, следовательно, может описываться как его модель. Эта модель является эмпирической, поскольку в ней основными элементами являются опытные данные. Если обработка данных осуществляется на компьютере, эмпирическую модель целесообразно строить интерактивной. Интерактивность модели существенно повышает возможности ее исследования. К примеру, можно варьировать результаты измерений в пределах их погрешностей и сразу же наблюдать изменение хода графиков и значений искомых величин. Глубина и содержательность экспериментального исследования существенно повышается, если эмпирическая модель предмета исследования дополняется его теоретической моделью. Теоретическая модель отличается от эмпирической тем, что в ней ведущими элементами являются знания о причинах, механизмах, происхождении, закономерных связях наблюдаемых в опыте явлений. В «точных» науках, например, в физике закономерные связи между величинами, как правило, описываются на языке математических формул, что позволяет исследовать модель математическими средствами в вычислительном эксперименте. В учебном эксперименте, как правило, изучаются явления, которые уже описаны в рамках той или иной теории, поэтому полученные экспериментальные данные должны быть интерпретированы обучаемыми с позиций соответствующей теории. В теоретической модели обычно производится вычисление тех величин, определение которых составляет цель натурного эксперимента. При этом качестве исходных данных для вычислений, как и в эмпирической модели, используются результаты измерений. Далее осуществляется проверка степени согласования «эксперимента» и «теории», что удобно производить с помощью графиков, на которых указана полоса погрешностей. Проиллюстрируем сказанное следующим простым примером. Пусть в учебном эксперименте требуется исследовать зависимость коэффициента полезного действия (КПД) наклонной плоскости от угла ее наклона к горизонту. Используются следующие приборы и оборудование: трибометр, используемый как наклонная плоскость, штатив, динамометр Бакушинского, нить, линейка, деревянный брусок, уровень. Воспользуемся определением КПД: А Ph P эксп полезн sin . Аполн FL F Здесь Aполезн – полезная работа по подъему груза на высоту h, Aполн – полная работа, P – вес бруска, F – сила тяги, необходимая для перемещения бруска верх по плоскости с постоянной скоростью, L – длина плоскости. В данном случае величина эксп определяется по формуле, непосредственно следующей из определения КПД. Зависимость КПД наклонной плоскости от угла ее наклона к горизонту можно также выразить формулой: 1 теор , ctg 1 где – коэффициент трения бруска о плоскость. Получение этой формулы опосредовано использованием элементов теоретического знания об исследуемом явлении. Обратим внимание на то, что для вычисления КПД по данной формуле значение коэффициента трения необходимо определить в натурном эксперименте. На рис. 2 а,б показан конечный результат построения эмпирической и теоретической моделей – графики зависимостей эксп () и теор (). Построение моделей осуществлялось на листе MS Excel. Графики на рис. 2 б содержат лишь первые 5 точек, чтобы обеспечить хорошую видимость полосы погрешностей. Как видно, в пределах полосы погрешностей экспериментальной кривой эти участки графиков совпадают. а б Рис.2. Зависимость КПД наклонной плоскости от угла ее наклона к горизонту: а – вся кривая, б – ее начальный участок Вместе с тем, анализируя графики, обращаем внимание на следующий факт. Отклонение экспериментальных данных от «теории» имеет регулярный характер: в области малых углов наклона плоскости все экспериментально определенные значения КПД несколько выше ожидаемых, а в области больших углов наклона – ниже. Из рассмотрения множества предположений о причинах расхождения выбираем следующее. Скорей всего, оно обусловлено погрешностью измерения величины F, а именно, той частью погрешности, которая возникает из-за непараллельности нити, связывающей брусок с динамометром, наклонной плоскости. Погрешность эта относится к классу субъективных. При малых углах наклона плоскости экспериментатор непроизвольно приподнимает динамометр над плоскостью, а при больших – опускает его. Оперативно проведенные измерения, при выполнении которых принимаются меры к устранению указанной субъективной погрешности (и последующий автоматический пересчет данных на листе Excel), подтверждают данную версию (гипотезу). Отметим то обстоятельство, что в приведенном примере реальную возможность выполнения исследовательских процедур (требуемую точность построения графиков и полосы погрешностей, оперативный пересчет данных и перестроение графиков) обеспечивает использование компьютера. Аналогичные примеры более подробно описаны в учебном пособии [1]. В заключение отметим следующие педагогические следствия совместного использования в лабораторном практикуме натурного и вычислительного эксперимента, которые раскрывают его высокий образовательный и развивающий потенциал. 1. Преодоление «отрыва» теоретических знаний от реальной действительности и практики. В натурно-вычислительном эксперименте с необходимостью актуализируют- ся и объединяются как теоретические, так и эмпирические знания. 2. Развитие у обучаемых рефлексии благодаря тому, что одно и то же явление изучается с разных сторон, в разных аспектах. 3. Развитие у обучаемых собственно экспериментальных умений. В частности, отметим умение оценивать погрешности измерений, без чего невозможно сделать заключение о применимости теоретической модели к описанию изучаемого явления в условиях данной экспериментальной ситуации. 4. Развитие у обучаемых умений по применению компьютера для реализации математических методов обработки данных. Ряд таких методов (например, по построению регрессионных моделей и оценке статистической неопределенности параметров аппроксимирующих функций) ввиду их сложности и трудоемкости без применения компьютера был бы практически нереализуем в условиях учебного эксперимента. Литература 1. Старовиков, М.И. Введение в экспериментальную физику [Текст]: Учеб. пособие / М.И. Старовиков. – СПб: Изд-во «Лань», 2008. – 240 с.