Заключение. 
Моделирование индивидуальных траекторий обучения иностранным языкам

Резюмируя, можно сказать, что в этой работе рассмотрено, каким образом обучение иностранным языкам можно адаптировать еще и под запрос конкретной личности, под ее индивидуальные особенности восприятия информации. Речь идет о предикторах успешности в обучении в целом и в обучении иностранным языкам в частности: интеллектуальные способности, когнитивные особенности личности, индивидуально-психологические различия и другие возможные предикторы.

Мы отобрали наиболее объективно измеряемые предикторы успешности обучения для построения модели индивидуализированного обучения иностранным языкам. Наиболее качественными представляются интеллект и исполнительные функции (тормозный контроль, рабочая память и когнитивная гибкость). В данной работе акцент сделан на рассмотрении как предиктора исполнительных функций, поскольку интеллект является достаточно сильным предиктором успешности любой умственной деятельности, это достаточно широкая характеристика. Исполнительные функции же как предиктор успешности в обучении взрослых до сих пор почти не рассматривался.

Показана достаточно сильная значимая связь между исполнительными функциями и успешностью в обучении иностранным языкам, что позволило нам строить уравнения регрессии для выяснения коэффициентов. Однако, коэффициенты регрессии получились не значимы, что не позволило нам строить алгоритм индивидуализированного обучения иностранным языкам.

Не выстраивая полный автоматизированный алгоритм, мы таки можем с помощью предсказанного потенциала в изучении курса обеспечить учителю понимание, как можно построить индивидуальные траектории обучения для разных групп учеников, или даже для каждого отдельного ученика с учетом их индивидуальных особенностей.

Тем не менее, создание автоматизированного алгоритма индивидуализированного обучения иностранным языкам, использующего возможности логистических моделей, построенных на предикторах успешного обучения, безусловно, в электронном обучении будет уменьшать действие свойства статичности систем, что, в свою очередь, позволит повысить качество обучения для каждого отдельного ученика. Потому мы считаем необходимым дальнейшую работу по созданию таких алгоритмов с учетом накопленных данных и опыта.

Таким образом, индивидуализированная система обучения иностранным языкам должна строиться на предикторах, имеющих сильную значимую связь с успешностью в обучении.

Успешность в обучении, как правило, обусловлена несколькими факторами сразу и их сочетаниями. Потому необходимо использовать несколько предикторов в модели для наиболее точного прогноза успешности в обучении каждого ученика. Индивидуализированная модель обучения должна обладать свойством комплексности.

Такие индивидуальные когнитивные особенности как развитость исполнительных функций (все элементы рабочей памяти, тормозный или исполнительский контроль, гибкость внимания) должны встраиваться в модель с учетом других более общих индивидуальных характеристик обучающихся (например, интеллект).

Также, важно учитывать при разработке алгоритма начальный уровень знаний предметной области, для которой он разрабатывается. Различные предикторы в модели могут иметь большую или меньшую предсказательную силу в зависимости от уровня знаний предметной области.