учреждение высшего образования
«Бурятская государственная сельскохозяйственная академия имени В.Р. Филиппова»
Агрономический факультет
Общее земледелие
направленность (профиль) Инновационные агротехнологии
в учебном плане
является дисциплиной обязательной для изучения
Семестр 3
Зав. кафедрой Соболев В.А.
п/п
на заседании кафедры
Заведующий кафедрой
Садуев Н.Б.
(представитель работодателя)
Задачи: 1. Ознакомить студентов с основными понятиями и методами прикладной статистики.
2. Научить применять статистические методы для анализа экспериментальных данных в агрономии.
3. Разработать навыки работы со специализированным программным обеспечением для статистического анализа.
4. Формировать способности к самостоятельному анализу данных и принятию обоснованных решений.
ОПК-1: Способен решать типовые задачи профессиональной деятельности на основе знаний основных законов математических и естественных наук с применением информационно-коммуникационных технологий;;
ИД ОПК-1 - Разработка собственной модели статистического анализа для агрономических исследований. Оптимизация методов сбора и обработки данных. Применение машинного обучения и big data в анализе сельскохозяйственных показателей.Подготовка научного отчета или эссе с выводами на основе проведенного статистического исследования.
ИД ОПК-7 - Разработка алгоритма обработки больших массивов данных (big data). Создание автоматизированных систем анализа данных для прогнозирования урожайности. Обучение коллег работе с программным обеспечением. Интеграция ГИС и статистических данных для анализа состояния почв и урожайности.
Методы сбора, обработки и анализа данных.
Статистические модели и их применение в агрономии.
Современные инструменты и программы для статистического анализа.:
Использовать программное обеспечение для обработки данных.
Интерпретировать результаты статистического анализа.:
Подготавливать отчеты на основе статистического анализа.
Работать с большими объемами данных, используя современные технологии.:
ОПК-7: Способен понимать принципы работы современных информационных технологий и использовать их для решения задач профессиональной деятельности;
ИД ОПК-1 - Разработка собственной модели статистического анализа для агрономических исследований. Оптимизация методов сбора и обработки данных. Применение машинного обучения и big data в анализе сельскохозяйственных показателей.Подготовка научного отчета или эссе с выводами на основе проведенного статистического исследования.
ИД ОПК-7 - Разработка алгоритма обработки больших массивов данных (big data). Создание автоматизированных систем анализа данных для прогнозирования урожайности. Обучение коллег работе с программным обеспечением. Интеграция ГИС и статистических данных для анализа состояния почв и урожайности.
Методы сбора, обработки и анализа данных.
Статистические модели и их применение в агрономии.
Современные инструменты и программы для статистического анализа.:
.
Использовать программное обеспечение для обработки данных.
Интерпретировать результаты статистического анализа.:
Подготавливать отчеты на основе статистического анализа.
Работать с большими объемами данных, используя современные технологии.:
форма текущего контроля успеваемости)
работ
2. Обработка и анализ больших данных : методические рекомендации для обучающихся по направлению подготовки 09.03.03 "Прикладная информатика" / М-во сел. хоз-ва РФ, Бурятская ГСХА им. В.Р. Филиппова ; сост.: Н. Б. Садуев, О. А. Гармаева. - Улан-Удэ : ФГОУ ВО БГСХА, 2021. - 49 с. - URL: https://elib.bgsha.ru/sotru/00250.
Microsoft OfficeProPlus 2016 RUS OLP NL Acdmc. Договор № ПП-61/2015 г. О поставке программных продуктов от 9 декабря 2015 года
Microsoft Windows Vista Business Russian Upgrade Academic OPEN No Level Государственный контракт № 25 от 1 апреля 2008 года
http://www.garant.ru/
- использование специализированных (адаптированных) рабочих программ дисциплин (модулей) и методов обучения и воспитания, включая наличие альтернативной версии официального сайта организации в сети «Интернет» для слабовидящих;
- использование специальных учебников, учебных пособий и других учебно-методических материалов, включая альтернативные форматы печатных материалов (крупный шрифт или аудиофайлы);
- использование специальных технических средств обучения (мультимедийное оборудование, оргтехника и иные средства) коллективного и индивидуального пользования, включая установку
мониторов с возможностью трансляции субтитров, обеспечение надлежащими звуковыми
воспроизведениями информации;
- предоставление услуг ассистента (при необходимости), оказывающего обучающимся необходимую техническую помощь или услуги сурдопереводчиков / тифлосурдопереводчиков;
- проведение групповых и индивидуальных коррекционных занятий для разъяснения отдельных вопросов изучаемой дисциплины (модуля);
- проведение процедуры оценивания результатов обучения возможно с учетом особенностей нозологий (устно, письменно на бумаге, письменно на компьютере, в форме тестирования и т.п.) при использовании доступной формы предоставления заданий оценочных средств и ответов на задания (в печатной форме увеличенным шрифтом, в форме аудиозаписи, в форме электронного документа, задания зачитываются ассистентом, задания предоставляются с использованием сурдоперевода) с
использованием дополнительного времени для подготовки ответа;
- обеспечение беспрепятственного доступа обучающимся в учебные помещения, туалетные и другие помещения организации, а также пребывания в указанных помещениях (наличие пандусов, поручней, расширенных дверных проемов и других приспособлений);
- обеспечение сочетания онлайн и офлайн технологий, а также индивидуальных и коллективных форм работы в учебном процессе, осуществляемом с использованием дистанционных образовательных технологий;
- и другие условия, без которых невозможно или затруднено освоение ОПОП ВО.
В целях реализации ОПОП ВО в академии оборудована безбарьерная среда, учитывающая потребности лиц с нарушением зрения, с нарушениями слуха, с нарушениями опорно-двигательного
аппарата. Территория соответствует условиям беспрепятственного, безопасного и удобного передвижения инвалидов и лиц с ограниченными возможностями здоровья. Вход в учебный корпус
оборудован пандусами, стекла входных дверей обозначены специальными знаками для слабовидящих, используется система Брайля. Сотрудники охраны знают порядок действий при прибытии в академию лица с ограниченными возможностями. В академии создана толерантная социокультурная среда, осуществляется необходимое сопровождение образовательного процесса,
при необходимости предоставляется волонтерская помощь обучающимся инвалидам и лицам с ограниченными возможностями здоровья.
2. Оценочные материалы является составной частью нормативно-методического обеспечения системы оценки качества освоения обучающимися указанной дисциплины (модуля).
3. При помощи оценочных материалов осуществляется контроль и управление процессом формирования обучающимися компетенций, из числа предусмотренных ФГОС ВО в качестве результатов освоения дисциплины (модуля).
4. Оценочные материалы по дисциплине (модулю) включают в себя:
- оценочные средства, применяемые при промежуточной аттестации по итогам изучения дисциплины (модуля).
- оценочные средства, применяемые в рамках индивидуализации выполнения, контроля фиксированных видов ВАРО;
- оценочные средства, применяемые для текущего контроля;
5. Разработчиками оценочных материалов по дисциплине (модулю) являются преподаватели кафедры, обеспечивающей изучение обучающимися дисциплины (модуля), в Академии. Содержательной основой для разработки оценочных материалов является Рабочая программа дисциплины (модуля).
2. Комплект заданий для практических работ
3. Перечень контрольных вопросов для проведения устных опросов
4. Перечень вопросов для самостоятельного изучения
5. Тестовые задания
6. Кейс-задания
Прикладная статистика
2) охватывает все разделы дисциплины
Блок 1: (Знать)
1. Что такое генеральная совокупность?
• A) Подмножество данных
• B) Все объекты, о которых проводится исследование ✅
• C) Среднее значение выборки
• D) Метод сбора информации
2. Какая мера центральной тенденции наиболее устойчива к выбросам?
• A) Среднее арифметическое
• B) Мода
• C) Медиана ✅
• D) Взвешенное среднее
3. Какое распределение характеризуется симметрией относительно среднего значения?
• A) Биномиальное
• B) Нормальное ✅
• C) Экспоненциальное
• D) Логарифмически нормальное
4. Какой метод используется для сравнения двух независимых выборок?
• A) ANOVA
• B) t-критерий Стьюдента ✅
• C) Коэффициент корреляции
• D) Дисперсионный анализ
5. Какой коэффициент показывает силу линейной связи между переменными?
• A) Коэффициент вариации
• B) Коэффициент детерминации
• C) Коэффициент корреляции Пирсона ✅
• D) Стандартное отклонение
6. Как называется ошибка, при которой отвергается верная нулевая гипотеза?
• A) Ошибка второго рода
• B) Ошибка первого рода ✅
• C) Систематическая
• D) Случайная
• A) 0.1
• B) 0.05 ✅
• C) 0.01
• D) 0.001
8. Какой метод применяется для сравнения более чем двух групп?
• A) t-критерий
• B) ANOVA ✅
• C) Корреляционный анализ
• D) Регрессионный анализ
9. Какой график показывает частоту встречаемости значений?
• A) Диаграмма рассеяния
• B) Гистограмма ✅
• C) Круговая диаграмма
• D) Линейный график
10. Какой метод используется для прогнозирования одной переменной на основе другой?
• A) Корреляционный анализ
• B) Регрессионный анализ ✅
• C) Тестирование гипотез
• D) Описательная статистика
11. Что означает p-значение < 0.05?
• A) Гипотеза подтверждена
• B) Гипотеза отвергнута ✅
• C) Результат случайный
• D) Нет различий
12. Что такое доверительный интервал?
• A) Интервал значений, в котором находится истинное значение параметра с определенной вероятностью ✅
• B) Среднее значение
• C) Дисперсия
• D) Стандартное отклонение
13. Какое распределение используется при малых выборках?
• A) Нормальное
• B) t-распределение Стьюдента ✅
• C) Биномиальное
• D) Пуассоновское
14. Какой тест используется для анализа категориальных данных?
• A) t-тест
• B) Хи-квадрат ✅
• C) F-тест
• D) U-тест Манна-Уитни
15. Какова формула среднего арифметического?
• A) ∑xi/n ✅
• B) ∑xi2/n
• C) ∑(xi−xˉ)2/n
• D) (max−min)/2
16. Что такое мода?
• A) Наиболее часто встречающееся значение ✅
• B) Среднее значение
• C) Медиана
• D) Размах
17. Что такое стандартное отклонение?
• A) Мера разброса вокруг медианы
• B) Мера разброса вокруг среднего ✅
• C) Мера разброса вокруг моды
• D) Отношение дисперсии к среднему
18. Что такое коэффициент детерминации R2?
• A) Доля объяснённой дисперсии ✅
• B) Уровень значимости
• C) Вероятность ошибки
• D) Среднее значение
19. Что такое многомерный анализ?
• A) Анализ нескольких переменных одновременно ✅
• B) Анализ временных рядов
• C) Простая регрессия
• D) Дисперсионный анализ
20. Что такое мощность теста?
• A) Вероятность принять верную гипотезу
• B) Вероятность отвергнуть неверную гипотезу ✅
• D) Вероятность ошибки второго рода
Блок 2: (Знать, уметь)
21. Какая из следующих шкал является количественной?
• A) Номинальная
• B) Порядковая
• C) Интервальная ✅
• D) Категориальная
22. Какой критерий используется при сравнении зависимых выборок?
• A) t-критерий для независимых выборок
• B) Парный t-критерий ✅
• C) Хи-квадрат
• D) ANOVA
23. Что такое post-hoc тест?
• A) Тест до ANOVA
• B) Тест после ANOVA для сравнения пар ✅
• C) Тест на нормальность
• D) Тест на гомогенность
24. Что такое условная вероятность?
• A) Вероятность события без учета других
• B) Вероятность события при условии другого события ✅
• C) Вероятность противоположного события
• D) Вероятность равновероятных событий
25. Какое уравнение соответствует модели простой линейной регрессии?
• A) Y=a+bX ✅
• B) Y=a+bX2
• C) Y=abX
• D) Y=a/Xb
26. Что такое интерквартильный размах?
• A) Q1−Q3
• B) Q3−Q1 ✅
• C) Q2−Q1
• D) Q3+Q1
27. Какой тест используется для проверки нормальности распределения?
• A) t-тест
• B) Тест Шапиро-Уилка ✅
• C) Хи-квадрат
• D) U-тест
28. Какие графики используются для проверки регрессионной модели?
• A) Гистограмма
• B) Boxplot
• C) График остатков ✅
• D) Круговая диаграмма
29. Что такое мультиколлинеарность?
• A) Высокая корреляция между зависимыми переменными
• B) Высокая корреляция между независимыми переменными ✅
• C) Низкая корреляция между переменными
• D) Положительная корреляция
30. Какой коэффициент используется для ранжированных данных?
• A) Пирсона
• B) Спирмена ✅
• C) Частная корреляция
• D) Множественная корреляция
31. Что такое стандартизованный коэффициент регрессии?
• A) Не зависит от единиц измерения ✅
• B) Зависит от масштаба
• C) Всегда положителен
• D) Всегда отрицателен
32. Что такое факторный анализ?
• A) Метод упрощения данных за счет выделения факторов ✅
• B) Метод сравнения средних
• C) Метод проверки гипотез
• D) Метод визуализации данных
33. Что такое кластерный анализ?
• A) Метод классификации объектов по сходству ✅
• B) Метод проверки гипотез
• C) Метод прогнозирования
34. Что такое дисперсионный анализ?
• A) Сравнение средних нескольких групп ✅
• B) Сравнение двух групп
• C) Анализ одного фактора
• D) Анализ временного ряда
35. Какое предположение не требуется для множественной регрессии?
• A) Нормальность
• B) Гомоскедастичность
• C) Автокорреляция ✅
• D) Линейность
36. Что такое выброс?
• A) Самое частое значение
• B) Значение вне общего диапазона ✅
• C) Среднее значение
• D) Медиана
37. Какое программное обеспечение используется для статистического анализа?
• A) Word
• B) Excel ✅
• C) Paint
• D) Notepad
38. Что такое big data?
• A) Малые объемы данных
• B) Большие объемы данных ✅
• C) Качественные данные
• D) Количественные данные
39. Какой метод используется для прогнозирования на основе исторических данных?
• A) Дисперсионный анализ
• B) Регрессионный анализ ✅
• C) Тестирование гипотез
• D) Описательная статистика
40. Какой тест используется для анализа зависимости между двумя качественными переменными?
• A) t-тест
• B) Хи-квадрат ✅
• C) ANOVA
• D) U-тест
Блок 3: (Знать, уметь, владеть)
Ситуация:
Для оценки влияния удобрений на урожайность пшеницы были проведены испытания на 3 типах удобрений (A, B, C), по 5 повторностей на каждом.
УДОБРЕНИЕ A УДОБРЕНИЕ B УДОБРЕНИЕ C
480 520 550
490 530 560
500 510 540
495 525 555
485 515 565
41. Какое значение средней урожайности для удобрения A?
• A) 490 ✅
• B) 520
• C) 554
• D) 500
42. Какое значение средней урожайности для удобрения C?
• A) 490
• B) 520
• C) 554 ✅
• D) 500
43. Какая группа имеет наибольшую дисперсию?
• A) A
• B) B
• C) C
• D) Не отличаются существенно ✅
44. Какая гипотеза формулируется при ANOVA?
• A) Все средние равны ✅
• B) Все средние различны
• C) Одно среднее больше остальных
• D) Все средние больше 0
• A) 10
• B) 20
• C) 30
• D) 40 ✅
46. Каково критическое значение F (α = 0.05)?
• A) 3.89 ✅
• B) 5.12
• C) 6.93
• D) 4.56
47. Можно ли считать различия между группами значимыми?
• A) Да ✅
• B) Нет
• C) Не хватает данных
• D) Зависит от выборки
48. Какой вид графика лучше использовать для представления результатов ANOVA?
• A) Гистограмма
• B) Ящик с усами ✅
• C) Круговая диаграмма
• D) Линейный график
49. Какой тест следует использовать для пост-hoc анализа?
• A) Тест Фишера
• B) Тест Тьюки ✅
• C) Тест Стьюдента
• D) Тест Пирсона
50. Какой вывод можно сделать по результатам анализа?
• A) Все удобрения одинаково эффективны
• B) Удобрение C самое эффективное ✅
• C) Удобрение A самое эффективное
• D) Нельзя сделать вывод
Тема 1: Основы прикладной статистики
1. Что такое прикладная статистика и какова её роль в агрономии?
2. Дайте определение генеральной совокупности и выборки.
3. Какие виды шкал измерения данных вы знаете?
4. В чём разница между случайной и систематической ошибкой?
5. Что означает репрезентативность выборки?
Тема 2: Описательная статистика
6. Назовите основные меры центральной тенденции. В чём их суть и когда они применяются?
7. Что такое вариация данных? Какие показатели её характеризуют?
8. Что такое коэффициент вариации и как он используется на практике?
9. Какие графические методы используются для представления данных?
10. Что такое нормальное распределение и почему оно важно в статистике?
Тема 3: Теория вероятностей
11. Что такое вероятность события? Приведите примеры.
12. Как рассчитывается условная вероятность? Формула Байеса.
13. Что такое дискретная и непрерывная случайная величина?
14. Какие законы распределения случайных величин наиболее часто встречаются в практике?
15. Что такое математическое ожидание и дисперсия случайной величины?
Тема 4: Тестирование гипотез
16. Что такое статистическая гипотеза? Чем отличаются нулевая и альтернативная гипотезы?
17. Какие ошибки могут возникнуть при проверке гипотез?
18. Что такое уровень значимости и p-значение?
19. Какие критерии используются для сравнения средних значений?
20. В чём суть t-критерия Стьюдента и условия его применения?
Тема 5: Корреляционный и регрессионный анализ
21. Что такое корреляция? Как интерпретируется значение коэффициента корреляции?
22. Как строится линейная регрессионная модель?
23. Что такое коэффициент детерминации (R2)?
24. Какие предпосылки необходимо проверить перед построением регрессионной модели?
25. В чём различие между простой и множественной регрессией?
Тема 6: Анализ дисперсии (ANOVA)
26. Что такое однофакторный дисперсионный анализ?
27. Как формулируются гипотезы при проведении ANOVA?
28. Как рассчитывается F-статистика и как она интерпретируется?
30. В чём суть многофакторного дисперсионного анализа?
Тема 7: Современные информационные технологии в статистике
31. Какие программы используются для статистического анализа данных?
32. Какие возможности предоставляет Excel для анализа данных?
33. Как работает SPSS? Основные этапы работы с программой.
34. Какие библиотеки Python используются в статистике?
35. Что такое big data и как статистика применяется в их анализе?
Тема 8: Практическое применение статистики в агрономии
36. Как статистика используется для анализа влияния удобрений на урожайность?
37. Какие методы применяются для оценки эффективности сортов растений?
38. Как можно использовать статистику для прогнозирования урожайности?
39. Какие факторы влияют на точность статистических выводов в полевых исследованиях?
40. Какие задачи агрономии решаются с помощью статистического моделирования?
Формат зачёта
• Устный опрос по билетам (2–3 вопроса).
• Возможны дополнительные вопросы по теме.
• Оценивается:
• Полнота и точность ответа.
• Умение привести примеры и связать теорию с практикой.
• Владение терминологией.
Комплект заданий для практических работ
Практическая работа №1: Описательная статистика
Цель : Научиться рассчитывать основные характеристики выборки и представлять данные графически.
Задание : Даны данные об урожайности пшеницы (в ц/га) на 10 участках:
45, 48, 50, 52, 49, 51, 53, 47, 50, 48
Требуется :
1. Рассчитать среднее значение, медиану, моду.
2. Найти дисперсию, стандартное отклонение, коэффициент вариации.
3. Построить гистограмму и полигон частот.
4. Сделать выводы о характере распределения данных.
Инструменты : Excel, SPSS или R.
Практическая работа №2: Теория вероятностей
Цель : Закрепить понимание основ теории вероятностей и научиться применять их на практике.
Задание : Вероятность прорастания семян пшеницы равна 0.85. В опыте посеяно 10 семян.
Требуется :
1. Найти вероятность того, что прорастут ровно 8 семян.
2. Найти вероятность того, что прорастут не менее 9 семян.
3. Построить график биномиального распределения.
4. Объяснить, как изменится распределение при увеличении числа семян.
Инструменты : Excel, калькулятор, R.
Практическая работа №3: Тестирование гипотез
Цель : Научиться формулировать и проверять статистические гипотезы.
Задание : Исследуется влияние двух видов удобрений на урожайность пшеницы:
Удобрение A 48 49 50 49 48
Удобрение B 52 53 51 52 51
Требуется :
1. Сформулировать нулевую и альтернативную гипотезы.
2. Выбрать подходящий статистический критерий (t-критерий).
3. Проверить гипотезу при уровне значимости α = 0.05.
4. Сделать вывод о различиях между группами.
Инструменты : Excel, SPSS, R.
Практическая работа №4: Корреляционный анализ
Цель : Изучить взаимосвязь между факторами и научиться рассчитывать коэффициент корреляции.
Задание : Даны данные за 6 лет:
Год Осадки (мм) Урожайность (ц/га)
2018 200 40
2019 250 45
2020 300 50
2021 350 55
2022 400 60
2023 450 65
Требуется :
1. Рассчитать коэффициент корреляции Пирсона между осадками и урожайностью.
2. Построить диаграмму рассеяния.
3. Сделать вывод о силе и направлении связи.
Практическая работа №5: Регрессионный анализ
Цель : Научиться строить регрессионные модели и использовать их для прогнозирования.
Задание : На основе данных из предыдущей работы:
Требуется :
1. Построить модель линейной регрессии: Урожайность = a + b * Осадки.
2. Рассчитать коэффициент детерминации R2.
3. Сделать прогноз урожайности при осадках 320 мм.
4. Проанализировать адекватность модели.
Инструменты : Excel, SPSS, R.
Практическая работа №6: Дисперсионный анализ (ANOVA)
Цель : Научиться сравнивать несколько групп по одному фактору.
Задание : Исследуется влияние трёх видов удобрений на урожайность:
Удобрение A 48 49 50
Удобрение B 52 53 51
Удобрение C 55 56 54
Требуется :
1. Сформулировать гипотезы.
2. Провести однофакторный ANOVA.
3. Рассчитать F-статистику и сравнить с критическим значением.
4. Сделать вывод о наличии различий между группами.
Инструменты : Excel, SPSS, R.
Практическая работа №7: Работа с программным обеспечением
Цель : Получить практические навыки работы с программами для статистического анализа.
Задание : Выберите одну из программ: Excel, SPSS или R.
Требуется :
1. Загрузить набор данных (например, данные об урожайности и условиях выращивания).
2. Выполнить описательную статистику.
3. Построить графики (гистограмма, boxplot, scatter plot).
4. Провести корреляционный и регрессионный анализ.
5. Сохранить и представить результаты в виде отчета.
Формат отчета :
• Краткое описание данных.
• Методы анализа.
• Результаты (таблицы, графики).
• Выводы.
Перечень контрольных вопросов для проведения устных опросов
Раздел 1: Основы прикладной статистики
1. Какие этапы включает статистическое исследование? Приведите пример из агрономии.
2. Чем отличается параметр генеральной совокупности от статистики выборки?
3. Почему важно обеспечить репрезентативность выборки? Как это влияет на достоверность выводов?
4. Какие виды шкал измерения данных вы знаете? Приведите примеры их применения в сельском хозяйстве.
Раздел 2: Описательная статистика
5. Какие меры центральной тенденции вы знаете? В каких случаях предпочтительнее использовать каждую из них?
6. Что такое стандартное отклонение и коэффициент вариации? Когда целесообразно использовать каждый из них?
7. Как интерпретировать график Box-and-Whisker Plot (ящик с усами)?
8. Что такое асимметрия и эксцесс распределения? Как они влияют на выбор метода анализа?
Раздел 3: Теория вероятностей
9. Что такое условная вероятность? Приведите пример использования в прогнозировании погодных условий.
10. Как связаны между собой математическое ожидание и дисперсия случайной величины?
11. Что такое закон больших чисел и центральная предельная теорема? Почему они важны для статистического вывода?
12. Какие распределения чаще всего используются в практике агрономических исследований?
Раздел 4: Тестирование гипотез
13. Как формулируются нулевая и альтернативная гипотезы? Приведите пример из агрономии.
14. Что такое уровень значимости и p-значение? Как они взаимосвязаны?
15. Чем отличаются односторонний и двусторонний критерии при тестировании гипотез?
16. Что такое мощность теста и как её можно повысить?
Раздел 5: Корреляционный и регрессионный анализ
17. Чем отличается корреляция от причинно-следственной связи? Приведите примеры.
18. Как интерпретируется коэффициент детерминации (R2)? Что он показывает?
19. Как проверить адекватность регрессионной модели? Какие графики и статистики помогают в этом?
20. Что такое мультиколлинеарность? Почему она опасна в множественной регрессии?
Раздел 6: Анализ дисперсии (ANOVA)
21. Какие предположения необходимо проверить перед проведением ANOVA?
23. Как интерпретировать результаты однофакторного дисперсионного анализа?
24. Что такое post-hoc тесты и когда они применяются?
Раздел 7: Современные информационные технологии
25. Какие преимущества даёт использование программного обеспечения (Excel, SPSS, R) в статистическом анализе?
26. Какие возможности предоставляет язык Python для работы с данными в агрономии?
27. Что такое big data и какие статистические методы применимы к большим объёмам данных?
28. Как интегрировать статистический анализ с ГИС-технологиями в агрономии?
Раздел 8: Практическое применение статистики в агрономии
29. Как статистика используется для оценки эффективности новых сортов растений?
30. Какие статистические методы применяются для анализа влияния климатических факторов на урожайность?
31. Как можно использовать статистику для планирования полевых опытов?
32. Как статистический анализ помогает в принятии решений в управлении аграрным производством?
Формат устного опроса
• Студент выбирает 1–2 вопроса из списка или получает их от преподавателя.
• На подготовку — 5–7 минут .
• Ответ должен быть:
• логичным,
• содержать определения, формулы (при необходимости),
• примеры из профессиональной области,
• выводы.
Перечень вопросов для самостоятельного изучения
Раздел 1: Основы прикладной статистики
1. Что такое статистическая совокупность и как она классифицируется?
2. Какие виды выборочных исследований используются в практике сельскохозяйственных исследований?
3. Как влияет объем выборки на точность результатов?
4. В чем заключается принцип репрезентативности выборки?
Раздел 2: Описательная статистика
5. Какие графические методы применяются для представления данных? Их преимущества и недостатки.
6. Как интерпретировать показатели асимметрии и эксцесса распределения?
7. Как анализировать данные с выбросами? Какие методы их обнаружения и корректировки существуют?
8. Как проверить нормальность распределения данных?
Раздел 3: Теория вероятностей
9. Что такое случайная величина? Чем отличаются дискретная и непрерывная случайные величины?
10. Как рассчитывается математическое ожидание и дисперсия дискретной случайной величины?
11. Что такое условная вероятность и теорема Байеса? Примеры применения в агрономии.
12. Какие наиболее распространенные вероятностные распределения встречаются в практике?
Раздел 4: Тестирование гипотез
13. Как правильно формулировать нулевую и альтернативную гипотезы?
14. Что такое уровень значимости (α) и мощность теста (1−β)?
15. Какие статистические критерии применяются для сравнения средних значений?
16. Что такое p-значение и как его использовать при принятии решения о гипотезе?
Раздел 5: Корреляционный и регрессионный анализ
17. Как отличаются линейная и нелинейная корреляция? Примеры.
18. Как строится модель множественной регрессии? Как интерпретируются коэффициенты модели?
19. Что такое стандартная ошибка оценки? Как её использовать для оценки качества модели?
20. Как проверяется адекватность регрессионной модели? Методы диагностики.
Раздел 6: Анализ дисперсии (ANOVA)
21. Какие предположения должны выполняться при использовании однофакторного ANOVA?
22. Как проводится пост-hoc анализ после ANOVA? Примеры методов (Тьюки, Шеффе).
23. Что такое взаимодействие факторов в многофакторном ANOVA?
24. Как интерпретировать результаты многофакторного ANOVA?
Раздел 7: Современные информационные технологии
25. Какие современные программы используются для статистического анализа данных? Сравните Excel, SPSS, R, Python.
26. Как использовать язык программирования R для выполнения статистических расчетов?
27. Какие инструменты Python полезны для анализа данных в агрономии?
28. Что такое big data и как они связаны со статистикой?
Раздел 8: Практическое применение статистики в агрономии
29. Как статистика используется для анализа влияния удобрений на урожайность культур?
30. Как анализируются данные о воздействии климатических факторов на развитие растений?
31. Как можно оценить эффективность различных сортов растений с помощью статистических методов?
32. Какие статистические методы применяются для прогнозирования изменений урожайности под воздействием изменения климата?
Раздел 9: Интерпретация результатов
33. Как правильно интерпретировать результаты статистического анализа в контексте конкретной задачи?
35. Как влияет качество исходных данных на точность статистического анализа? Как его повысить?
36. Какие ограничения существуют при применении статистических методов в реальных условиях?
Кейс-задания
Кейс 1: Оценка эффективности удобрений
Ситуация:
Вы работаете в научно-исследовательской лаборатории агрономии. Ваша задача — оценить влияние трёх типов удобрений (A, B, C) на урожайность пшеницы. Для каждого типа удобрения было проведено по 5 опытов:
Удобрение A Удобрение B Удобрение C
480 520 550
490 530 560
500 510 540
495 525 555
485 515 565
Задание:
1. Постройте описательную статистику для каждой группы (среднее, медиана, стандартное отклонение).
2. Проверьте гипотезу о равенстве средних значений с использованием однофакторного дисперсионного анализа (ANOVA).
3. Сделайте выводы: какой тип удобрения показал наибольший эффект? Есть ли значимые различия между группами?
Кейс 2: Прогнозирование урожайности на основе климатических факторов
Ситуация:
В вашем распоряжении данные за последние 7 лет об урожайности ячменя и количестве осадков:
Год Осадки (мм) Урожайность (ц/га)
2017 200 35
2018 250 40
2019 300 45
2020 350 50
2021 400 55
2022 450 60
2023 500 65
Задание:
1. Рассчитайте коэффициент корреляции между уровнем осадков и урожайностью.
2. Постройте модель линейной регрессии: Урожайность = a + b × Осадки.
3. Определите коэффициент детерминации (R2) и объясните его значение.
4. Спрогнозируйте урожайность при уровне осадков 320 мм и 420 мм.
5. Проанализируйте точность модели и сделайте выводы.
________________________________________
Кейс 3: Анализ качества семян
Ситуация:
На испытаниях изучается всхожесть семян двух сортов пшеницы: «Юбилейный» и «Ранний». В каждом опыте высаживалось по 100 семян:
Сорт Проросло (%)
Юбилейный 85
Ранний 90
Задание:
1. Выберите подходящий статистический критерий для сравнения долей прорастания.
2. Проверьте гипотезу о равенстве вероятностей прорастания для обоих сортов при уровне значимости α = 0.05.
3. Сделайте вывод: можно ли считать один из сортов более перспективным по всхожести?
Кейс 4: Сравнение методов обработки почвы
Ситуация:
Агрономическая станция провела исследование по влиянию трех методов обработки почвы на урожайность кукурузы:
Метод 1 Метод 2 Метод 3
500 520 550
510 530 560
505 510 540
515 525 555
500 515 565
Задание:
1. Проведите однофакторный ANOVA для сравнения урожайности по методам обработки.
2. Если различия значимы, выполните post-hoc анализ (например, тест Тьюки).
3. Определите, какие методы достоверно отличаются друг от друга.
4. Дайте рекомендации по выбору наиболее эффективного метода.
Кейс 5: Анализ больших данных в агрономии
Ситуация:
У вас есть набор данных о состоянии угодий по региону, включающий такие параметры, как:
• уровень кислотности почвы (pH),
• температура воздуха (°C),
• количество осадков (мм),
• урожайность зерновых культур (ц/га).
Задание:
1. Используя Excel, SPSS или Python/R, загрузите данные и проведите предварительный анализ.
2. Постройте корреляционную матрицу и выявите наиболее значимые факторы, влияющие на урожайность.
3. Постройте модель множественной регрессии.
4. Сделайте выводы: какие факторы оказывают наибольшее влияние? Какие меры можно предложить для повышения урожайности?
Кейс 6: Оптимизация системы полива
Ситуация:
Изучается влияние частоты полива на урожайность томатов. Получены следующие данные:
Полив через 3 дня Полив через 5 дней Полив через 7 дней
25 28 24
26 29 25
24 27 23
27 30 26
25 28 24
Задание:
1. Проведите дисперсионный анализ (ANOVA), чтобы определить, влияет ли частота полива на урожайность.
2. Если влияние подтверждается, проведите post-hoc сравнение.
3. На основании полученных данных предложите рекомендации по оптимальной системе полива.
Кейс 7: Анализ выбросов в данных
Ситуация:
Вы получили данные об урожайности пшеницы на 10 участках:
45, 48, 50, 52, 49, 51, 53, 47, 50, 100
Обратите внимание: одно значение заметно выше остальных — это возможный выброс.
Задание:
1. Найдите среднее арифметическое и медиану без учёта и с учётом выброса.
2. Постройте график Box-and-Whisker Plot и определите наличие выбросов.
3. Объясните, как выбросы влияют на результаты анализа.
4. Предложите способы корректировки данных перед дальнейшим анализом.
Форма представления решения кейсов:
• Краткое описание ситуации.
• Цель анализа.
• Методы исследования.
• Расчёты и графики.
• Интерпретация результатов.
• Рекомендации по применению в практике.
Реферат предполагает углубленное изучение темы с опорой на научную литературу, систематизацию материала и анализ источников.
1. Историческое развитие прикладной статистики и её роль в современной науке
2. Методы сбора и обработки данных в агрономических исследованиях
3. Корреляционный анализ в сельскохозяйственных исследованиях
4. Регрессионный анализ как инструмент прогнозирования урожайности
5. Дисперсионный анализ (ANOVA) и его применение в оценке эффективности удобрений
6. Факторный анализ в исследовании влияющих факторов на рост и развитие растений
7. Кластерный анализ в классификации сортов сельскохозяйственных культур
8. Статистические методы анализа временных рядов в прогнозировании климатических условий
9. Оценка качества семенного материала с использованием статистических методов
10. Применение программного обеспечения (Excel, SPSS, R) в статистическом анализе данных
11. Анализ доверительных интервалов и их значение в агрономических исследованиях
12. Большие данные (big data) в сельском хозяйстве: возможности и ограничения
13. Машинное обучение как часть статистического анализа в аграрном секторе
14. Прогнозирование устойчивости сельскохозяйственных систем к изменениям климата
15. Интеграция статистических методов и геоинформационных систем (ГИС) в агрономии
Темы для эссе (объем: 3–5 страниц)
Эссе требует от студента выражения личного мнения, анализа проблемы и демонстрации понимания темы.
1. Роль прикладной статистики в повышении точности агрономических исследований
2. Влияние правильной выборки на достоверность результатов экспериментов
3. Почему важно использовать статистику при разработке новых агротехнологий?
4. Как статистика помогает принимать более обоснованные решения в управлении сельскохозяйственным
5. Сравнение традиционных и современных подходов к анализу данных в агрономии
6. Значение тестирования гипотез при сравнении эффективности различных технологий
7. Статистическая значимость против практической значимости: что важнее в агрономии?
8. Как статистика может помочь в борьбе с изменением климата в сельском хозяйстве
9. Роль статистики в планировании полевых опытов
10. Как цифровизация влияет на развитие статистических методов в агрономии
Темы для проектов (объем: 15–20 страниц)
Проектные работы подразумевают выполнение анализа на основе реальных или модельных данных, применение статистических методов и формулирование выводов.
1. Анализ влияния разных видов удобрений на урожайность с использованием ANOVA
2. Прогнозирование урожайности зерновых культур на основе климатических факторов
3. Оценка всхожести семян с помощью статистических критериев
4. Сравнение эффективности двух сортов пшеницы методами корреляционно-регрессионного анализа
5. Использование статистических методов для анализа влияния системы обработки почвы на урожайность
6. Применение регрессионного анализа для моделирования зависимости урожайности от факторов внешней среды
7. Анализ данных с использованием программного обеспечения (Excel, SPSS, R)
8. Выявление выбросов в агрономических данных и их влияние на результаты анализа
9. Статистический анализ эффективности систем орошения
10. Использование статистики для оценки устойчивости сельскохозяйственных культур к болезням и вредителям
Темы для исследовательских работ и аналитических обзоров
1. Обзор современных статистических методов в агрономии
2. Сравнительный анализ программного обеспечения для статистической обработки данных
3. Анализ эффективности применения статистики в планировании сельскохозяйственных экспериментов
4. Применение статистических моделей в precision farming
5. Роль статистики в цифровизации сельского хозяйства
6. Анализ влияния экологических факторов на урожайность с использованием статистических моделей
7. Методы оценки точности и надежности агрономических данных
8. Использование статистики в системах поддержки принятия решений в агрономии
9. Анализ взаимосвязи между показателями почвы и урожайностью сельскохозяйственных культур
10. Применение машинного обучения в сочетании со статистикой для анализа агроданных
Требования к оформлению письменных работ
ПАРАМЕТР ТРЕБОВАНИЯ
Объем Реферат — 8–12 стр., Эссе — 3–5 стр., Проект — 15–20 стр.
Структура Введение, теоретическая часть, практическая часть (анализ/расчеты), заключение, список литературы
Источники Не менее 5–10 источников (монографии, учебники, статьи, отчёты)
Оформление ГОСТ, Times New Roman 14, интервал 1.5, поля: слева — 3 см, остальные — 2 см
Иллюстративный материал Диаграммы, графики, таблицы с пояснениями
Цель работы Демонстрация знаний, умений применять статистику, навыков анализа и интерпретации данных
Оценка «хорошо» (71-85 баллов) ставится обучающемуся, обнаружившему полное знание учебно-программного материала, успешное выполнение заданий, предусмотренных программой в типовой ситуации (с ограничением времени), усвоение материалов основной литературы, рекомендованной в программе, способность к самостоятельному пополнению и обновлению знаний в ходе дальнейшей работы над литературой и в профессиональной деятельности. При ответе на вопросы экзаменационного билета студентом допущены несущественные ошибки. Задача решена правильно или ее решение содержало несущественную ошибку, исправленную при наводящем вопросе экзаменатора.
Оценка «удовлетворительно» (56-70 баллов) ставится обучающемуся, обнаружившему знание основного учебно-программного материала в объеме, достаточном для дальнейшей учебы и предстоящей работы по специальности, знакомство с основной литературой, рекомендованной программой, умение выполнять задания, предусмотренные программой. При ответе на экзаменационные вопросы и при выполнении экзаменационных заданий обучающийся допускает погрешности, но обладает необходимыми знаниями для устранения ошибок под руководством преподавателя.
Оценка «неудовлетворительно» (менее 56 баллов) ставится обучающемуся, обнаружившему пробелы в знаниях основного учебно-программного материала, допустившему принципиальные ошибки в выполнении предусмотренных программой заданий, слабые побуждения к самостоятельной работе над рекомендованной основной литературой. Оценка «неудовлетворительно» ставится обучающимся, которые не могут продолжить обучение или приступить к профессиональной деятельности по окончании академии без дополнительных занятий по соответствующей дисциплине.
зачет /оценка «хорошо» (71-85 баллов) ставится обучающемуся, обнаружившему полное знание учебно-программного материала, успешное выполнение заданий, предусмотренных программой в типовой ситуации (с ограничением времени), усвоение материалов основной литературы, рекомендованной в программе, способность к самостоятельному пополнению и обновлению знаний в ходе дальнейшей работы над литературой и в профессиональной деятельности.
зачет /оценка «удовлетворительно» (56-70 баллов) ставится обучающемуся, обнаружившему знание основного учебно-программного материала в объеме, достаточном для дальнейшей учебы и предстоящей работы по специальности, знакомство с основной литературой, рекомендованной программой, умение выполнять задания, предусмотренные программой.
незачет /оценка «неудовлетворительно» (менее 56 баллов) ставится обучающемуся, обнаружившему пробелы в знаниях основного учебно-программного материала, допустившему принципиальные ошибки в выполнении предусмотренных программой заданий, слабые побуждения к самостоятельной работе над рекомендованной основной литературой. Оценка «неудовлетворительно» ставится обучающимся, которые не могут продолжить обучение или приступить к профессиональной деятельности по окончании академии без дополнительных занятий по соответствующей дисциплине.
оценка «хорошо» (71-85 баллов) - основанием для снижения оценки может служить нечеткое представление сущности и результатов исследований на защите, или затруднения при ответах на вопросы, или недостаточный уровень качества оформления текстовой части и иллюстративных материалов, или отсутствие последних;
оценка «удовлетворительно» (56-70 баллов) - дополнительное снижение оценки может быть вызвано выполнением работы не в полном объеме, или неспособностью студента правильно интерпретировать полученные результаты, или неверными ответами на вопросы по существу проделанной работы;
оценка «неудовлетворительно» (менее 56 баллов) - выставление этой оценки осуществляется при несамостоятельном выполнении работы, или при неспособности студента пояснить ее основные положения, или в случае фальсификации результатов, или установленного плагиата.
зачет /оценка «отлично» (86-100 баллов) ставится обучающемуся:
- отчет выполнен в соответствии с заданием, грамотно, характеризуется логичным, последовательным изложением материала с соответствующими выводами и /или обоснованными расчетами, предложениями; не содержит ошибок;
- проведено научное исследование в соответствие с полученным заданием;
- отчет выполнен с использованием современных информационных технологий и ресурсов;
- обучающийся при выполнении и защите отчета демонстрирует продвинутый уровень сформированности компетенций, предусмотренных программой практики;
- отчет о прохождении производственной практики имеет положительную характеристику руководителей практики от предприятия и кафедры на обучающегося;
зачет /оценка «хорошо» (71-85 баллов) ставится обучающемуся:
- отчет выполнен в соответствии с заданием, грамотно, характеризуется логичным, последовательным изложением материала, допущены небольшие неточности при формировании выводов/расчетов, предложений; содержит незначительные ошибки/опечатки в текстовой части отчета;
- проведено научное исследование в соответствие с полученным заданием;
- отчет выполнен с использованием современных информационных технологий и ресурсов;
- обучающийся при выполнении и защите отчета демонстрирует базовый уровень сформированности компетенций, предусмотренных программой практики;
- отчет о прохождении производственной практики имеет положительную характеристику руководителей практики от предприятия и кафедры на обучающегося;
- отчет выполнен в соответствии с заданием, материал изложен последовательно, допущены неточности при формировании выводов/расчетов, предложений; содержит ошибки/опечатки в текстовой части отчета;
- присутствуют элементы научного исследования, творческий подход к решению поставленных задач проявляется незначительно;
- отчет выполнен с использованием современных информационных технологий и ресурсов;
- обучающийся при выполнении и защите отчета демонстрирует пороговый уровень сформированности компетенций, предусмотренных программой практики;
- отчет о прохождении производственной практики имеет положительную характеристику руководителей практики от предприятия и кафедры на обучающегося;
незачет /оценка «неудовлетворительно» (менее 56 баллов) ставится обучающемуся:
- отчет выполнен не в соответствии с заданием, материалы не подтверждены соответствующими выводами и/или обоснованными расчетами, предложениями; текстовая часть отчета содержит многочисленные ошибки;
- творческий подход к решению поставленных задач не проявляется; отсутствуют элементы научного исследования;
- отчет выполнен с использованием современных пакетов компьютерных программ, информационных технологий и информационных ресурсов;
- обучающийся при выполнении и защите отчета показывает не сформированность компетенций, предусмотренных программой практики;
- отчет имеет отрицательную характеристику руководителей практики от предприятия и кафедры на обучающегося.
Критерии оценивания (устанавливаются разработчиком самостоятельно с учетом использования рейтинговой системы оценки успеваемости обучающихся)
Примерные критерии оценивания:
– правильность ответа по содержанию задания (учитывается количество и характер ошибок при ответе);
– полнота и глубина ответа (учитывается количество усвоенных фактов, понятий и т.п.);
– сознательность ответа (учитывается понимание излагаемого материала);
– логика изложения материала (учитывается умение строить целостный, последовательный рассказ, грамотно пользоваться специальной терминологией);
– использование дополнительного материала;
– рациональность использования времени, отведенного на задание (не одобряется затянутость выполнения задания, устного ответа во времени, с учетом индивидуальных особенностей обучающихся).
Шкала оценивания (устанавливается разработчиком самостоятельно с учетом использования рейтинговой системы оценки успеваемости обучающихся)
Примерная шкала оценивания:
для учета в рейтинге (оценка)
«отлично»
«хорошо»
«удовлетво-рительно»
«неудовлетворительно»
Критерии оценивания (устанавливаются разработчиком самостоятельно с учетом использования рейтинговой системы оценки успеваемости обучающихся)
Примерные критерии оценивания:
- теоретический уровень знаний;
- качество ответов на вопросы;
- подкрепление материалов фактическими данными (статистические данные или др.);
(дискуссии, полемики, диспута, дебатов)
для учета в рейтинге (оценка)
- способность делать выводы;
- способность отстаивать собственную точку зрения;
- способность ориентироваться в представленном материале;
- степень участия в общей дискуссии.
Шкала оценивания (устанавливается разработчиком самостоятельно с учетом использования рейтинговой системы оценки успеваемости обучающихся)
Примерная шкала оценивания:
«отлично»
используется терминология; показано умение иллюстрировать теоретические положения конкретными примерами, применять их в новой ситуации; высказывать свою точку зрения.
«хорошо»
«удовлетво-рительно»
«неудовлетворительно»
для учета в рейтинге (оценка)
Критерии оценивания (устанавливаются разработчиком самостоятельно с учетом использования рейтинговой системы оценки успеваемости обучающихся)
Примерные критерии оценивания:
– полнота раскрытия темы;
– правильность формулировки и использования понятий и категорий;
– правильность выполнения заданий/ решения задач;
– аккуратность оформления работы и др.
Шкала оценивания (устанавливается разработчиком самостоятельно с учетом использования рейтинговой системы оценки успеваемости обучающихся)
Примерная шкала оценивания:
(обязательно для дисциплин, где по УП предусмотрена контрольная работа)
«отлично»
«хорошо»
«удовлетво-рительно»
«неудовлетворительно»
Примерные критерии оценивания:
– правильность выполнения задания на практическую/лабораторную работу в соответствии с вариантом;
– степень усвоения теоретического материала по теме практической /лабораторной работы;
– способность продемонстрировать преподавателю навыки работы в инструментальной программной среде, а также применить их к решению типовых задач, отличных от варианта задания;
– качество подготовки отчета по практической / лабораторной работе;
– правильность и полнота ответов на вопросы преподавателя при защите работы
и др.
Шкала оценивания (устанавливается разработчиком самостоятельно с учетом использования рейтинговой системы оценки успеваемости обучающихся)
Примерная шкала оценивания практических занятий (лабораторных работ):
для учета в рейтинге (оценка)
«отлично»
«хорошо»
«удовлетво-рительно»
«неудовлетворительно»
Критерии оценивания (устанавливаются разработчиком самостоятельно с учетом использования рейтинговой системы оценки успеваемости обучающихся)
Примерные критерии оценивания:
В качестве критериев могут быть выбраны, например:
– соответствие срока сдачи работы установленному преподавателем;
– соответствие содержания и оформления работы предъявленным требованиям;
– способность выполнять вычисления;
– умение использовать полученные ранее знания и навыки для решения конкретных задач;
– умение отвечать на вопросы, делать выводы, пользоваться профессиональной и общей лексикой;
– обоснованность решения и соответствие методике (алгоритму) расчетов;
Шкала оценивания (устанавливается разработчиком самостоятельно с учетом использования рейтинговой системы оценки успеваемости обучающихся)
Примерная шкала оценивания:
расчетно-графической работы, работы на тренажере
для учета в рейтинге (оценка)
«отлично»
«хорошо»
«удовлетво-рительно»
«неудовлетворительно»
для учета в рейтинге (оценка)
Материалы тестовых заданий следует сгруппировать по темам/разделам изучаемой дисциплины (модуля) в следующем виде:
Тема (темы) / Раздел дисциплины (модуля)
Тестовые задания по данной теме (темам)/Разделу с указанием правильных ответов.
Критерии оценивания (устанавливаются разработчиком самостоятельно с учетом использования рейтинговой системы оценки успеваемости обучающихся)
Примерные критерии оценивания:
- отношение правильно выполненных заданий к общему их количеству
Шкала оценивания (устанавливается разработчиком самостоятельно с учетом использования рейтинговой системы оценки успеваемости обучающихся)
Примерная шкала оценивания:
для учета в рейтинге (оценка)
Задачи реконструктивного уровня
Задачи творческого уровня
Критерии оценивания (устанавливаются разработчиком самостоятельно с учетом использования рейтинговой системы оценки успеваемости обучающихся)
Примерные критерии оценивания:
– полнота знаний теоретического контролируемого материала;
– полнота знаний практического контролируемого материала, демонстрация умений и навыков решения типовых задач, выполнения типовых заданий/упражнений/казусов;
– умение самостоятельно решать проблему/задачу на основе изученных методов, приемов, технологий;
– умение ясно, четко, логично и грамотно излагать собственные размышления, делать умозаключения и выводы;
– полнота и правильность выполнения задания.
Шкала оценивания (устанавливается разработчиком самостоятельно с учетом использования рейтинговой системы оценки успеваемости обучающихся)
Примерная шкала оценивания:
для учета в рейтинге (оценка)
Показано умелое использование категорий и терминов дисциплины в их ассоциативной взаимосвязи.
Ответ четко структурирован и выстроен в заданной логике. Части ответа логически взаимосвязаны. Отражена логическая структура проблемы (задания): постановка проблемы – аргументация – выводы. Объем ответа укладывается в заданные рамки при сохранении смысла.
Продемонстрировано умение аргументировано излагать собственную точку зрения. Видно уверенное владение освоенным материалом, изложение сопровождено адекватными иллюстрациями (примерами) из практики.
Высокая степень самостоятельности, оригинальность в представлении материала: стилистические обороты, манера изложения, словарный запас. Отсутствуют стилистические и орфографические ошибки в тексте.
Работа выполнена аккуратно, без помарок и исправлений.
Критерии оценивания (устанавливаются разработчиком самостоятельно с учетом использования рейтинговой системы оценки успеваемости обучающихся)
Примерные критерии оценивания:
– полнота раскрытия темы;
– степень владения понятийно-терминологическим аппаратом дисциплины;
– знание фактического материала, отсутствие фактических ошибок;
– умение логически выстроить материал ответа;
– умение аргументировать предложенные подходы и решения, сделанные выводы;
– степень самостоятельности, грамотности, оригинальности в представлении материала (стилистические обороты, манера изложения, словарный запас, отсутствие или наличие грамматических ошибок);
– выполнение требований к оформлению работы.
Шкала оценивания (устанавливается разработчиком самостоятельно с учетом использования рейтинговой системы оценки успеваемости обучающихся).
Примерная шкала оценивания письменных работ:
(рефератов, докладов, сообщений)
Продемонстрировано владение понятийно-терминологическим аппаратом дисциплины (уместность употребления, аббревиатуры, толкование и т.д.), отсутствуют ошибки в употреблении терминов.
Показано умелое использование категорий и терминов дисциплины в их ассоциативной взаимосвязи.
Ответ в достаточной степени структурирован и выстроен в заданной логике без нарушений общего смысла. Части ответа логически взаимосвязаны. Отражена логическая структура проблемы (задания): постановка проблемы – аргументация – выводы. Объем ответа незначительно превышает заданные рамки при сохранении смысла.
Продемонстрировано умение аргументированно излагать собственную точку зрения, но аргументация не всегда убедительна. Изложение лишь отчасти сопровождено адекватными иллюстрациями (примерами) из практики.
Достаточная степень самостоятельности, оригинальность в представлении материала. Встречаются мелкие и не искажающие смысла ошибки в стилистике, стилистические штампы. Есть 1–2 орфографические ошибки.
Работа выполнена аккуратно, без помарок и исправлений.
Продемонстрировано достаточное владение понятийно-терминологическим аппаратом дисциплины, есть ошибки в употреблении и трактовке терминов, расшифровке аббревиатур.
Ошибки в использовании категорий и терминов дисциплины в их ассоциативной взаимосвязи.
Ответ плохо структурирован, нарушена заданная логика. Части ответа логически
Нет собственной точки зрения либо она слабо аргументирована. Примеры, приведенные в ответе в качестве практических иллюстраций, в малой степени соответствуют изложенным теоретическим аспектам.
Текст работы примерно наполовину представляет собой стандартные обороты и фразы из учебника/лекций. Обилие ошибок в стилистике, много стилистических штампов. Есть 3–5 орфографических ошибок.
Работа выполнена не очень аккуратно, встречаются помарки и исправления.
Продемонстрировано крайне слабое владение понятийно-терминологическим аппаратом дисциплины (неуместность употребления, неверные аббревиатуры, искаженное толкование и т.д.), присутствуют многочисленные ошибки в употреблении терминов.
Продемонстрировано крайне низкое (отрывочное) знание фактического материала, много фактических ошибок – практически все факты (данные) либо искажены, либо неверны.
Ответ представляет собой сплошной текст без структурирования, нарушена заданная логика. Части ответа не взаимосвязаны логически. Нарушена логическая структура проблемы (задания): постановка проблемы – аргументация – выводы. Объем ответа более чем в 2 раза меньше или превышает заданный. Показаны неверные ассоциативные взаимосвязи категорий и терминов дисциплины.
Отсутствует аргументация изложенной точки зрения, нет собственной позиции. Отсутствуют примеры из практики либо они неадекватны.
Текст ответа представляет полную кальку текста учебника/лекций. Стилистические ошибки приводят к существенному искажению смысла. Большое число орфографических ошибок в тексте (более 10 на страницу).
Работа выполнена неаккуратно, с обилием помарок и исправлений. В работе один абзац и больше позаимствован из какого-либо источника без ссылки на него.
для учета в рейтинге (оценка)
Критерии оценивания (устанавливаются разработчиком самостоятельно с учетом использования рейтинговой системы оценки успеваемости обучающихся)
Примерные критерии оценивания:
- соответствие решения сформулированным в кейсе вопросам (адекватность проблеме и рынку);
- оригинальность подхода (новаторство, креативность);
- применимость решения на практике;
- глубина проработки проблемы (обоснованность решения, наличие альтернативных вариантов, прогнозирование возможных проблем, комплексность решения).
Шкала оценивания (устанавливается разработчиком самостоятельно с учетом использования рейтинговой системы оценки успеваемости обучающихся)
Примерная шкала оценивания:
для учета в рейтинге (оценка)
Концепция игры
Роли:
Задания (вопросы, проблемные ситуации и др.)
Ожидаемый (е) результат(ы)
Критерии оценивания (устанавливаются разработчиком самостоятельно с учетом использования рейтинговой системы оценки успеваемости обучающихся)
Примерные критерии оценивания:
качество усвоения информации;
выступление;
содержание вопроса;
качество ответов на вопросы;
значимость дополнений, возражений, предложений;
уровень делового сотрудничества;
соблюдение правил деловой игры;
соблюдение регламента;
активность;
правильное применение профессиональной лексики.
Шкала оценивания (устанавливается разработчиком самостоятельно с учетом использования рейтинговой системы оценки успеваемости обучающихся)
Примерная шкала оценивания:
для учета в рейтинге (оценка)
для учета в рейтинге (оценка)
Индивидуальные творческие задания (проекты):
Критерии оценивания (устанавливаются разработчиком самостоятельно с учетом использования рейтинговой системы оценки успеваемости обучающихся)
Примерные критерии оценивания:
- актуальность темы;
- соответствие содержания работы выбранной тематике;
- соответствие содержания и оформления работы установленным требованиям;
- обоснованность результатов и выводов, оригинальность идеи;
- новизна полученных данных;
- личный вклад обучающихся;
- возможности практического использования полученных данных.
Шкала оценивания (устанавливается разработчиком самостоятельно с учетом использования рейтинговой системы оценки успеваемости обучающихся)
Примерная шкала оценивания:
п/п