Một số mô hình phân loại học và đánh giá giáo dục trong việc đánh giá người học ngành Khoa học máy tính

VJE Tạp chí Giáo dục, Số đặc biệt tháng 4/2019, tr 239-243<br /> <br /> <br /> MỘT SỐ MÔ HÌNH PHÂN LOẠI HỌC VÀ ĐÁNH GIÁ GIÁO DỤC<br /> TRONG VIỆC ĐÁNH GIÁ NGƯỜI HỌC NGÀNH KHOA HỌC MÁY TÍNH<br /> Vũ Đức Thông - Trường Cao đẳng Sư phạm Trung ương<br /> <br /> Ngày nhận bài: 06/01/2019; ngày sửa chữa: 22/01/2019; ngày duyệt đăng: 30/01/2019.<br /> Abstract: This article introduces a number of popular models of the learning taxonomy in the<br /> world that aims to develop thinking and skills, which has been built up, developed as well as<br /> applied in the purposes of designing courses/subjects and assessing students’ outcomes. Those<br /> models are: Dreyfus model of skill acquisition in five phases; structure model of learning outcomes<br /> of Biggs and Collis (SOLO model); Bloom’s thinking development model and improvement of<br /> Bloom’s thinking development model of David R. Krathwohl. In addition, we also introduced the<br /> application of SOLO classification, Bloom classification into the assessment of competency,<br /> assessing learners’ outcomes in Computer Science.<br /> Keywords: Learning taxonomy, assessment, learning outcomes, curriculum, computer science.<br /> 1. Mở đầu Bài viết giới thiệu một số mô hình phân loại học tập<br /> Phân loại giáo dục là một công cụ hữu ích trong việc phổ biến trên thế giới về cách phân loại học tập nhằm phát<br /> phát triển các mục tiêu học tập và đánh giá sự thành công triển tư duy, kĩ năng đang được ứng dụng trong việc thiết<br /> của người học. Chúng cũng có thể được sử dụng trong kế các khóa học/môn học và đánh giá kết quả học tập của<br /> nghiên cứu giáo dục (để phân loại các bài kiểm tra và điều người học; bên cạnh đó, áp dụng phân loại SOLO, phân<br /> tra phạm vi của các phương pháp học tập,...). Các hệ thống loại Bloom vào việc đánh giá năng lực, đánh giá kết quả<br /> phân loại giáo dục nổi tiếng dựa trên giả định rằng hệ người học trong ngành Khoa học Máy tính.<br /> thống thứ bậc của kết quả học tập là như nhau trong tất cả 2. Nội dung nghiên cứu<br /> các chủ đề môn học, ngành học. Các phân loại học này 2.1. Một số hệ thống phân loại học tập<br /> cũng là tiền đề để xây dựng khung đánh giá năng lực, đánh<br /> giá kết quả người học trong một ngành học cụ thể. 2.1.1. Mô hình phát triển kĩ năng của Dreyfus (Dreyfus<br /> model of skill acquisition)<br /> Việc phân loại các mục tiêu giáo dục có thể được sử<br /> dụng tương tự để cung cấp hoặc mô tả và đánh giá kết Hubert Dreyfus và Stuart Dreyfus mô tả một quá<br /> quả học tập. Trong phân loại giáo dục, người ta chia các trình học tập chuyển từ giai đoạn người mới vào nghề<br /> mục tiêu giáo dục thành ba lĩnh vực: nhận thức, tình cảm sang chuyên gia, gồm những giai đoạn sau [2]:<br /> và tâm lí. Một số cách phân loại (ví dụ như phân loại của 1) Khởi nghiệp (Novice): Tuân thủ một cách cứng nhắc<br /> Bloom) coi mỗi lĩnh vực là sự liên tục một chiều; một số những quy định và kế hoạch đã được dạy, không có kế<br /> phân loại (như phân loại của Bloom đã được sửa đổi) mô hoạch dự phòng khi hoàn cảnh thay đổi so với mong đợi.<br /> tả miền nhận thức bằng ma trận; một số phân loại (giống 2) Bắt đầu có khả năng (Advanced Beginner): Một số<br /> như phân loại SOLO) sử dụng một tập hợp các loại mô điều chỉnh nhỏ về quy định và kế hoạch có thể được tiến<br /> tả sự khác biệt về định lượng và định tính kết quả học tập hành trong một vài trường hợp dưới sự giám sát.<br /> và cũng có những phân loại cho rằng chúng có thể được 3) Có năng lực (Competence): Các kế hoạch có nhận<br /> áp dụng như nhau [1].<br /> thức, có chủ đích và việc sử dụng các bước được chuẩn hóa.<br /> Phân loại học là hệ thống phân loại được sắp xếp theo Đưa ra những quyết định có lí lẽ về tính huống mới mà không<br /> một cách nào đó. Việc phân loại học tập có thể được sử chắc chắn về mức độ phù hợp của những quyết định này.<br /> dụng để mô tả kết quả học tập và trong các đánh giá mục<br /> 4) Thành thạo (Proficiency): Nhìn nhận tình huống một<br /> tiêu giáo dục [1]. Phân loại học mô tả và phân loại các giai<br /> cách tổng thể và xác định mục tiêu và các điểm nổi bật theo<br /> đoạn trong các khía cạnh nhận thức, tình cảm và tâm lí của<br /> một cá nhân có thể là một phần của quá trình học tập. Phân trực giác; việc đưa ra quyết định không quá mất công.<br /> loại học có thể được sử dụng để xác định mục tiêu chương 5) Chuyên gia (Expertise): Không còn phụ thuộc vào<br /> trình giảng dạy của khóa học; vì vậy, nó không chỉ được các luật, quy định hoặc các khẩu hiệu. Thực hiện dựa trên<br /> mô tả trên cơ sở các chủ đề được đề cập mà còn xác định hiểu sâu về toàn bộ tình hình, có cách tiếp cận thường<br /> được mức độ hiểu biết mong muốn cho từng chủ đề. Phân được sử dụng trong tình huống mới hoặc khi vấn đề nảy<br /> loại học tập được sử dụng rộng rãi trong nhiều ngữ cảnh sinh; có tầm nhìn.<br /> khác nhau để mô tả các giai đoạn học tập của người học. 2.1.2. Thang tư duy của Bloom (Bloom’s cognitive taxonomy)<br /> <br /> 239<br />  VJE Tạp chí Giáo dục, Số đặc biệt tháng 4/2019, tr 239-243<br /> <br /> <br /> Năm 1956, Benjamin Bloom và những đồng nghiệp - Mức 2: Đơn cấu trúc (Uni-Structural): Câu trả lời<br /> của ông đã xây dựng thành công thang phân loại tư duy. chỉ dựa vào một khía cạnh liên quan, kết luận hạn chế và<br /> Theo thang này, trình độ tư duy của một người sẽ thể hiện dễ mang tính giáo điều.<br /> qua những gì mà người đó biết hay cách thức họ vận hành - Mức 3: Đa cấu trúc (Multi-Structural): Một vài dữ<br /> tư duy. Quá trình tư duy bao gồm sáu bậc sắp xếp theo liệu nhất quán được chọn lọc, bất cứ một sự không nhất<br /> trình tự từ thấp đến cao: Biết, Hiểu, Vận dụng, Phân tích, quán hoặc nội dung trái chiều nào, đều được bỏ qua để<br /> Tổng hợp, Đánh giá [3]. có thể đưa ra kết luận chắc chắn.<br /> Vào năm 2001, các học trò cũ của Bloom là - Mức 4: Mối quan hệ (Relational): Hầu hết những<br /> Anderson L.w. và Krathwohl D.R. [4], sau một quá trình dữ liệu được chấp nhận, những thông tin trái chiều được<br /> bàn luận với một số nhà tâm lí học, đã đưa ra phương án cho vào một hệ thống và giải thích trong một bối cảnh<br /> điều chỉnh phân loại mục tiêu trong lĩnh vực nhận thức nhất định.<br /> của Bloom. Nội dung chính điều chỉnh bởi Anderson và<br /> - Mức 5: Trừu tượng mang tính mở (Extended<br /> Krathwohl là thay 2 thao tác xử lí kiến thức Tổng hợp và<br /> Abstract): Người học có thể khái quát hóa cấu trúc để<br /> Đánh giá ở mức độ 5 và 6 tương ứng bằng Đánh giá và<br /> nắm bắt những vấn đề mới và trừu tượng hơn, biểu thị<br /> Sáng tạo. Ngoài ra, họ mô tả các thao tác xử lí kiến thức<br /> một trạng thái phát triển mới và cao hơn.<br /> bằng các động từ thay vì danh từ như trước đây (trong<br /> tiếng Anh) và tạo thành một ma trận phân loại 2 chiều. Áp dụng Phân loại SOLO cho việc đánh giá kết quả<br /> Bảng phân loại mới của Anderson L.w. và Krathwohl học tập liên quan đến việc xem xét các mục tiêu của<br /> D.R. như bảng 1 [5]: chuẩn đầu ra dự kiến ở các cấp độ khác nhau. Các tính<br /> Bảng 1. Bảng phân loại Bloom được sửa đổi năng quan trọng liên quan đến phân loại SOLO được<br /> trình bày bởi Biggs và Collis (1982) là phân loại SOLO<br /> Chiều phân cấp được người học và người học có xu hướng tiến<br /> Áp Phân Đánh Sáng<br /> kiến Nhớ Hiểu bộ, các kết quả định lượng được thể hiện ở mức 2 và mức<br /> dụng tích giá tạo<br /> thức 3; các kết quả định tính được thể hiện ở mức 4 và mức 5.<br /> A. Phân loại SOLO là nội dung độc lập và do đó nó có thể<br /> Kiến được sử dụng như một thước đo chung về sự hiểu biết<br /> thức giữa các ngành khác nhau. SOLO là một lược đồ phát<br /> thực tế triển phân loại các kết quả học tập theo độ phức tạp của<br /> B. chúng, do đó cho phép người hướng dẫn đánh giá công<br /> Kiến việc của sinh viên (SV) về chất lượng học tập chứ không<br /> thức phải là tính số lượng câu trả lời chính xác trong một<br /> khái nhiệm vụ hoặc hoạt động cụ thể [6].<br /> niệm 2.1.4. Thang phân loại của Niemierko<br /> C. Niemierko và cộng sự cho rằng ba loại Bloom cao<br /> Kiến nhất (quy trình tư duy cao hơn) không thể được sắp xếp<br /> thức thứ bậc trong các môn khoa học. Ông đã phát triển hệ<br /> tự tạo thống phân loại “ABC” của các mục tiêu học tập được tổ<br /> D. chức theo hai chiều (bảng 2):<br /> Siêu Bảng 2. Mức độ Các loại mục tiêu học tập<br /> nhận Bậc Mục tiêu học tập<br /> thức<br /> A. Nhớ lại kiến thức<br /> 2.1.3. Mô hình cấu trúc kết quả học tập của Biggs và I. Kiến thức<br /> B. Hiểu biết về kiến thức<br /> Collis (SOLO taxonomy)<br /> C. Áp dụng kiến thức trong các tình<br /> Năm 1982, Biggs và Collis giới thiệu cấu trúc miêu<br /> II. Khả năng huống điển hình<br /> tả một trình tự được sắp xếp theo thứ bậc nhất quán và<br /> và kĩ năng D. Ứng dụng kiến thức trong những<br /> đặt tên là “chu kì học” (learning cycle). Chu kì học này<br /> có thể cung cấp thông tin về sự tiến bộ của quá trình học tình huống phức tạp<br /> tập theo một trạng thái nhất định, từ đó có thể đánh giá Các ứng dụng trong nhóm D bao gồm các phân tích,<br /> kết quả học tập [2]: tổng hợp, và các loại đánh giá của hệ thống phân loại<br /> - Mức 1: Tiền cấu trúc (Pre-Structural): Phần gợi ý và Bloom [1].<br /> câu trả lời không rõ ràng. 2.1.5. Thang phân loại của Tollingerova<br /> <br /> 240<br />  VJE Tạp chí Giáo dục, Số đặc biệt tháng 4/2019, tr 239-243<br /> <br /> <br /> Hệ thống phân loại của Tollingerova có 5 loại hoạt - Mức 4 (Relationship): SV hiểu ý nghĩa về các khía<br /> động theo thứ bậc [1]: - Bậc 1: Bộ nhớ sao chép kiến cạnh khác nhau của vấn đề, tích hợp các phần của vấn đề<br /> thức; - Bậc 2: Hoạt động dễ hiểu với kiến thức; - Bậc 3: vào 1 cấu trúc mã lập trình chặt chẽ, sử dụng cấu trúc này<br /> Những hoạt động khó hiểu với kiến thức; - Bậc 4: Truyền để giải quyết vấn đề. Lister và cộng sự (2006) cho thấy<br /> đạt tri thức; - Bậc 5: Tư duy sáng tạo. SV có thể mô tả các chức năng được thực hiện bởi một<br /> 2.2. Phân loại học tập trong Khoa học Máy tính đoạn mã lập trình cụ thể mà không cần thực hiện tay; SV<br /> 2.2.1. Sử dụng phân loại SOLO có thể phỏng đoán rằng mã lập trình đếm số lượng các<br /> phần tử trong một mảng lớn hơn một giá trị cụ thể [7].<br /> Đã có một số các nghiên cứu cụ thể về việc áp dụng<br /> phân loại SOLO vào lĩnh vực Khoa học Máy tính. Lister - Mức 5 (Extended Abstract): Trong mức SOLO cao<br /> và cộng sự (2006) lần đầu tiên đề xuất việc sử dụng phân nhất này, SV đã giải quyết được vấn đề cụ thể mà bài<br /> loại SOLO để phân loại các câu trả lời của SV đối với các toán yêu cầu cần giải quyết; liên kết vấn đề để phát triển<br /> vấn đề lập trình máy tính. Ngoài việc đánh giá chính xác thành các nguyên tắc bậc cao hơn và mở rộng chủ đề cho<br /> một câu trả lời nó còn là minh chứng thuyết phục chứng tỏ các lĩnh vực ứng dụng rộng hơn. Ví dụ, kết quả một đoạn<br /> SV đã hiểu được mối liên hệ của các mã lập trình như thế mã lập trình có thể mở rộng là một nhận xét rằng mã sẽ<br /> nào. Phân loại SOLO mô tả 5 mức độ hiểu biết của SV khi chỉ làm việc cho các mảng được sắp xếp [7].<br /> giải quyết các vấn đề lập trình và trình bày cách giải thích 2.2.2. Sử dụng phân loại Bloom<br /> tương tự về sử dụng phân loại SOLO áp dụng khi người Johnson, Fuller và các cộng sự sau khi nghiên cứu<br /> học làm các bài tập viết mã lập trình đơn giản: chương trình giảng dạy và học tập của ngành Khoa học<br /> - Mức 1 (Prestructural): Đây là mức đơn giản nhất mà máy tính đã đưa ra Hệ thống phân loại mới, khả thi hơn<br /> SV có thể đưa ra cho một nhiệm vụ lập trình, biểu hiện để đánh giá khả năng của người học trong Khoa học Máy<br /> không chỉ là sự nhầm lẫn đáng kể về lập trình mà còn có tính và kĩ thuật. Hệ thống phân loại mới không những<br /> thể là những suy nghĩ không liên quan đến lập trình. SV đánh giá được khả năng lập trình của người học mà nó<br /> thiếu kiến thức về các cấu trúc lập trình và tiếp cận nhiệm còn có thể áp dụng đánh giá các lĩnh vực kĩ thuật khác<br /> vụ được nghiên cứu một cách không thích hợp hoặc của ngành Khoa học Máy tính.<br /> không liên quan [7]. Hệ thống phân loại mới được xây dựng bằng cách sử<br /> - Mức 2 (Unistructural): Đây là mức mà SV thể hiện dụng phiên bản phân loại của Bloom đã được Anderson,<br /> chính xác một số vấn đề của lập trình nhưng không phải Krathwohl và cộng sự, sửa lại năm 2001, nhưng để đáp<br /> tất cả các khía cạnh của vấn đề lập trình. SV có hiểu biết ứng các vấn đề với ngành Khoa học Máy tính, mô hình<br /> một phần và một hoặc vài khía cạnh được chọn và sử phân loại mới sử dụng ma trận hai chiều phù hợp với hệ<br /> dụng có hiệu quả; ví dụ, SV mô tả chức năng của một thống phân loại của Bloom được xây dựng như hình 1 [1].<br /> phần (một hoặc hai dòng) của mã lập trình [8]. Kích thước của ma trận thể hiện hai phạm vi năng lực<br /> - Mức 3 Đa cấu trúc: SV tập trung vào một số khía cạnh riêng biệt: khả năng hiểu và giải thích một sản phẩm hiện<br /> có liên quan đến những vấn đề giải quyết nhưng không nhận có (tức là mã chương trình), khả năng thiết kế và xây<br /> thức về mối quan hệ giữa chúng với nhau. Lister và cộng sự dựng một sản phẩm mới. Các mức độ liên quan đến diễn<br /> (2006) cho thấy SV có thể cung cấp mô tả dòng mã lập trình giải được đặt trên trục ngang và các mức liên quan đến<br /> hoặc thực thi mã lập trình bằng tay đến giá trị cuối cùng cho thiết kế được đặt trên trục thẳng đứng, với mức thấp nhất<br /> một biến cụ thể, nhưng không thể xem toàn bộ mã lập trình ở góc dưới bên trái. Điều này được hiểu rằng người học<br /> là một cấu trúc mạch lạc duy nhất [7]. đi qua từng trục theo thứ tự nghiêm ngặt [1].<br /> Sáng tạo<br /> (C-Create)<br /> (Producing)<br /> Sản xuất<br /> <br /> <br /> <br /> <br /> Áp dụng<br /> (A-Aply)<br /> Không<br /> (N-None)<br /> Nhớ Hiểu Phân tích Đánh giá<br /> (R-Remember) (U-Understand) (A-Analyse) (E-Evaluate)<br /> Phiên dịch (Interpreting)<br /> Hình 1. Hệ thống phân loại Bloom được sắp xếp lại<br /> <br /> 241<br />  VJE Tạp chí Giáo dục, Số đặc biệt tháng 4/2019, tr 239-243<br /> <br /> <br /> “Không/Đánh giá”, nghĩa là họ có thể đọc mã chương<br /> (Producing)<br /> C<br /> Sản xuất<br /> <br /> <br /> trình, phân tích, và thậm chí đánh giá nó, nhưng chưa thể<br /> A thiết kế một giải pháp hoặc sản xuất mã chương trình<br /> N (hình 5) [1].<br /> <br /> <br /> <br /> <br /> (Producing)<br /> R U A E C<br /> <br /> <br /> <br /> <br /> Sản xuất<br /> Phiên dịch (Interpreting) A<br /> Hình 2. Một bản trình bày đồ họa về sự thích ứng N<br /> hai chiều của phân loại học của Bloom R U A E<br /> Tác giả đã chỉ ra rằng, các SV khác nhau có “đường<br /> dẫn học tập” khác nhau trong hệ thống phân loại ma trận. Phiên dịch (Interpreting)<br /> Ví dụ, khi SV học một khái niệm lập trình mới, lần đầu Hình 5. Con đường của những SV chỉ đạt được<br /> tiên SV đó đạt được kiến thức về khái niệm này. Tại thời năng lực lí thuyết<br /> điểm đó, SV nằm trong ô (trạng thái) “Không /nhớ” thể Nghiên cứu tương tự cho thấy, một nhóm khác SV<br /> hiện trong hình 2. Nếu người học này tiếp tục học bằng khác có thể được đặt trong ô “Tạo/Hiểu” của ma trận. Họ<br /> cách bắt chước một ví dụ sẵn có của một chương trình có khả năng áp dụng và tổng hợp mà không có khả năng<br /> mà không hiểu sâu về khái niệm, chúng sẽ đạt được mức phân tích hoặc đánh giá ngay cả mã chương trình của<br /> “Áp dụng/Ghi nhớ”, tức là áp dụng/cố gắng áp dụng khái chính họ (hình 6). Vấn đề cho những SV này là không có<br /> niệm mà không có sự hiểu biết thực tế. Hành vi này được khả năng gỡ lỗi các giải pháp của họ khi gặp phải lỗi [1].<br /> minh họa trong hình 3 [1].<br /> (Producing)<br /> <br /> C<br /> Sản xuất<br /> (Producing)<br /> <br /> <br /> <br /> <br /> C<br /> Sản xuất<br /> <br /> <br /> <br /> <br /> A<br /> A<br /> N<br /> N<br /> R U A E<br /> R U A E<br /> Phiên dịch (Interpreting)<br /> Phiên dịch (Interpreting)<br /> Hình 6. Con đường của SV chỉ đạt được năng lực thực tế<br /> Hình 3<br /> 3. Kết luận<br /> Nếu thay vì bắt chước, SV tìm hiểu thêm thông tin về<br /> khái niệm này có thể tiến tới ô “Không/Hiểu”. Điều này Mặc dù có rất nhiều phân loại được trình bày như<br /> có nghĩa là SV vẫn chưa thể đưa ra mã chương trình, phân loại của: Hubert Dreyfus và Stuart Dreyfus; Bloom;<br /> nhưng đã có thể hiểu được ý nghĩa của khái niệm này. Biggs và Collis; Niemierko; Tollingerova nhưng chỉ có<br /> SV được đặt trong ô “Tạo/Đánh giá”, có nghĩa là SV phân loại của SOLO với năm cấp bậc để phân loại học<br /> đó có thể thực hiện ở tất cả các cấp độ năng lực trong ma trong giáo dục và phân loại của Bloom hoặc phân loại cải<br /> trận. Điều này cũng có thể được xác định là ứng dụng cao tiến của Bloom được sử dụng trong việc phân loại trong<br /> hơn cấp và có thể đạt được thông qua các đường dẫn khác lĩnh vực Khoa học Máy tính để thiết kế chương trình<br /> nhau như thể hiện trong hình 4. giảng dạy và đánh giá người học. Những phân loại khác<br /> mặc dù có nhiều lợi ích nhưng điểm yếu cơ bản của nó<br /> (Producing)<br /> <br /> <br /> <br /> <br /> C là mức độ dường như không được sắp xếp hợp lí khi sử<br /> Sản xuất<br /> <br /> <br /> <br /> <br /> A dụng để đánh giá các môn có tính phức tạp như Khoa học<br /> máy tính mà cụ thể là lập trình. Giải pháp của Johnson<br /> N và Fuller và các cộng sự được đề xuất là tách riêng sáu<br /> R U A E cấp độ của Bloom thành hai chiều. Nó tạo ra một ma trận<br /> có thể được sử dụng để xác định một loạt các quỹ đạo<br /> Phiên dịch (Interpreting)<br /> học khác nhau và do đó để hướng dẫn SV làm thế nào để<br /> Hình 4. Mục tiêu, “Tạo/đánh giá” hoặc ứng dụng nâng cao kĩ năng, năng lực và sự hiểu biết của họ.<br /> cao hơn, có thể đạt được thông qua các con đường<br /> khác nhau Tài liệu tham khảo<br /> Tuy nhiên, có những SV chỉ đạt được một số năng [1] Fuller, U. - Johnson, C. G. - Ahoniemi, T. -<br /> lực. Ví dụ, SV xác định được lí thuyết trong một phân Cukierman, D.- Hernan-Losada, I. - Jackova, J., and<br /> tích trong chương trình có thể được đặt trong ô et al. (2007). Developing a Computer Science-<br /> <br /> 242<br />  VJE Tạp chí Giáo dục, Số đặc biệt tháng 4/2019, tr 239-243<br /> <br /> <br /> specific Learning Taxonomy. SIGCSE Bulletin, [14] Brabrand, C. - Dahl, B. (2009). Using the SOLO<br /> Vol. 39 (4), pp. 152-170. Taxonomy to Analyze Competence Progression of<br /> [2] Dreyfus, Stuart E. - Dreyfus, Hubert L. (1980). A University Science Curricula. Higher Education,<br /> Fiưe-Stage Model of the Mental Actiưities involved Vol. 58 (4), pp. 531-549.<br /> in Directed Skill Acquisition. Washington, DC:<br /> Storming Media. RÈN LUYỆN NĂNG LỰC GIẢI QUYẾT VẤN ĐỀ...<br /> [3] Bloom, B. - Engelhart, M. - Furst, E. - Hill, W. - (Tiếp theo trang 183)<br /> Krathwohl, D. (1956). Taxonomy of educational<br /> objectives: the classification of educational goals. đặt ra là tìm các thời điểm trong vòng 2 giây đầu tiên, con<br /> Handbook 1: Cognitive Domain. Longmans Green, lắc ở vị trí có li độ dài bằng 1,5(cm), có nghĩa là tìm<br /> New York.  3<br /> [4] Nguyễn Lộc - Nguyễn Lan Phương (đồng chủ biên) nghiệm t  [0;2] của phương trình 3cos(5t  )  .<br /> 6 2<br /> - Đặng Xuân Cương - Trịnh Thị Anh Hoa - Nguyễn<br /> Thị Hồng Vân (2016). Phương pháp, kĩ thuật xây Đây là phương trình lượng giác cơ bản đối với hàm<br /> dựng chuẩn đánh giá năng lực đọc hiểu và năng lực số cos (khi giải tìm nghiệm, HS cần lưu ý tới điều kiện<br /> giải quyết vấn đề. NXB Giáo dục Việt Nam. của ẩn t  0;2  ).<br /> [5] Lâm Quang Thiệp (2011). Đo lường trong giáo dục lí 3. Kết luận<br /> thuyết và ứng dụng. NXB Đại học Quốc gia Hà Nội. Trong dạy học môn Toán, NLGQVĐ là một trong<br /> [6] Biggs, J. B. - Collis, K. F. (1982). Evaluating the những năng lực cơ bản của HS, giúp các em thành công<br /> Quality of Learning: The SOLO Taxonomy. trong học tập và trong cuộc sống; rèn luyện NLGQVĐ<br /> Academic Press, New York. cho HS sẽ góp phần nâng cao hiệu quả dạy học môn<br /> [7] Chan, C. C. - Chui, M. S. - Chan, M. Y. C. (2002). Toán. Do vậy, trong quá trình dạy học môn Toán phần<br /> Applying the Structure of the Observed Learning Lượng giác ở trường trung học phổ thông, GV cần vận<br /> Outcomes (SOLO) taxonomy on student’s learning dụng các phương pháp dạy học phù hợp với từng đối<br /> outcomes: An empirical study. Assessment & Evaluation tượng HS nhằm giúp các em phát triển được NLGQVĐ.<br /> in Higher Education, Vol. 27 (6), pp. 511-527.<br /> [8] Lister, R. - Simon, B. - Thompson, E. - Whalley, J. L. Tài liệu tham khảo<br /> - Prasad, C. (2006). Not seeing the forest for the trees: [1] Bộ GD-ĐT (2018). Chương trình giáo dục phổ<br /> novice programmers and the SOLO taxonomy. ACM thông - chương trình tổng thể.<br /> SIGCSE Bulletin, Vol. 41 (3), pp. 118-122. [2] Bộ GD-ĐT (2018). Chương trình giáo dục phổ<br /> [9] Lister, R. - Adams, E. S. - Fitzgerald, S. - Fone, W. thông môn Toán. NXB Giáo dục Việt Nam.<br /> - Hamer, J. - Lindholm, M. - McCartney, R. - [3] Hoàng Phê (chủ biên, 1996). Từ điển Tiếng Việt.<br /> Moström, E. - Sanders, K. - Seppälä, O. - Simon, B. NXB Đà Nẵng.<br /> - Thomas, L. (2004). A multi-national study of<br /> [4] Bộ GD-ĐT (2014). Tài liệu tập huấn PISA 2015 và<br /> reading and tracing skills in novice programmers.<br /> dạng câu hỏi do OECD phát hành lĩnh vực Toán học.<br /> ACM SIGCSE Bulletin, Vol. 36 (4), pp. 119-150.<br /> [5] Hoàng Ngọc Anh - Nguyễn Dương Hoàng - Nguyễn<br /> [10] Nguyễn Công Khanh (chủ biên) - Đào Thị Oanh<br /> Tiến Trung (2017). Đổi mới quá trình dạy học môn<br /> (2017). Giáo trình Kiểm tra, đánh giá trong giáo<br /> Toán thông qua các chuyên đề dạy học. NXB Giáo<br /> dục. NXB Đại học Sư phạm.<br /> dục Việt Nam.<br /> [11] Anderson, L. W. - Krathwohl, D. R. (2001). A<br /> Taxonomy for Learning, Teaching and Assessing: A [6] Nguyễn Thị Lan Phương (2013). Khung đánh giá<br /> Revision of Bloom’s Taxonomy of Educational năng lực hiểu biết toán của PISA. Tạp chí Khoa học<br /> Objectives. Addison Wesley Longman, New York, Giáo dục, Viện Khoa học Giáo dục Việt Nam.<br /> abridged edition. [7] G. Polya (1995). Toán học về những suy luận có lí.<br /> [12] Biggs, J. B. (1999). Teaching for Quality Learning NXB Giáo dục.<br /> at University. SRHE and Open University Press, [8] K. K.Platonov (1997). Tâm lí học. NXB Đại học Sư phạm.<br /> Buckingham, UK. [9] Nguyễn Bá Kim (chủ biên) - Vũ Dương Thụy (1992).<br /> [13] Biggs, J. - Tang, C. (2007). Teaching for Quality Phương pháp dạy học môn Toán. NXB Giáo dục.<br /> Learning at University. SRHE and Open University [10] Phạm Gia Đức (1998). Phương pháp dạy học môn<br /> Press, Maidenhead, UK, 3rd edition. Toán (tập 1). NXB Giáo dục.<br /> <br /> 243<br />