Исследовательский потенциал молодых ученых: взгляд в будущее

177 количества измерений, но не устанавливает ограничения по числу человек, участвующих в эксперименте (обучении). Можно исследовать характеристики, присущие одному учащемуся, или же коллективу. В большинстве других мате- матических методах обработки информации, существенным критерием для до- стоверности результата как раз является выборка. Совокупность данных, их графическая интерпретация, построенная на их основе математическая модель для прогнозирования может способствовать рацио- нализации временных затрат и внесения оперативных корректировок в ход экспе- римента (обучения). Также, это дает наиболее полное представление об образова- тельном процессе (эксперименте) на протяжении всего времени исследования. И, наконец, обратим внимание на двойственность применения метода вре- менных рядов. Выше, при упоминании данного метода, друг другу сопутство- вали понятие эксперимента и образовательного процесса. С позиции первого, мы говорим о временных рядах как об инструменте обработки результатов. С пози- ции второго (или с позиции учителя), временные ряды выступают как средство мониторинга процесса обучения. Задача учителя – отслеживать множество кри- териев динамики обучения (посещаемость, активность, время выполнения зада- ний и т. д.). Таким образом, временные ряды могут быть хорошим дополнением к хо- рошо апробированным математическим и статистическим методам обработки результатов педагогического исследования, благодаря вышеуказанным преиму- ществам, поставив ответ на вопрос о характеристиках исследования. Интерес вы- зывает и возможность повсеместного использования данного метода в педагоги- ческой практике, в частности, и для индивидуально-дифференцированного подхода, для которого, как и для любого процесса обучения, необходим монито- ринг на протяжении всего времени. Литература 1. Об образовании в Российской Федерации: Федеральный закон. – М.: Омега; Л., 2014. 2. Кизбикенов, К. О. Прогнозирование и временные ряды: Учеб. пособие [Электронный ресурс] / К. О. Кизбикенов. – Барнаул: АлтГПУ, 2017. – URL: http://library.altspu.ru/dc/pdf/kizbikenov.pdf 3. Тюрин, Ю. Н. Анализ данных на компьютере / Ю. Н. Тюрин, А. А. Мака- ров; Под ред. В. Э. Фигурнова. – Изд. 3-е, перераб. и доп. – М.: ИНФРА-М, 2002.