В работе [1] показано, что такие познавательные процессы, как ощущение, восприятие, память, мышление и воображение, входящие в структуру сознания, несут в себе элементы случайности, обусловленные внутренне присущим случайным характером психосоматического состояния индивида и его невоспроизводимостью в полном объёме от эксперимента к эксперименту, а также физиологическим, психологическим и информационным шумами при работе головного мозга. В связи с этим детерминизм сознания человека реализуется через случайность. Отсюда следует, что знания индивида, являющиеся продуктом его сознания, несут в себе элементы случайности. Результаты работы [1] явились фактически научным обоснованием вероятностно-статистической модели поведения обучаемого в процессе усвоения знаний, используемой в ряде работ, например в [2, 3].
В соответствии с вероятностно-статистической моделью индивид в процессе обучения идентифицируется функцией распределения (плотностью вероятности), распространяющейся в информационном пространстве. В связи с этим указать точное положение учащегося в информационном пространстве не представляется возможным, можно говорить лишь о вероятности нахождения его в той или иной области информационного пространства. Используя закон сохранения вероятности, получена система дифференциальных уравнений, описывающая эволюцию функций распределения коллектива индивидов в многомерном пространстве координат, скоростей, ускорений различных порядков и во времени.
В приближении аддитивности функций распределения получены дифференциальные уравнения, описывающие поведение индивидуальных функций распределения (функций распределения, относящихся к отдельным индивидам) в пространствах различного числа измерений и во времени. Эти уравнения представляют собой уравнения непрерывности, которые связывают изменение плотности вероятности за единицу времени в информационном пространстве координат и кинематических величин различных порядков с дивергенцией потока плотности вероятности. Найдено общее решение эволюции индивидуальных функций распределения в координатном пространстве и проведён анализ поведения этих функций в случае постоянной средней скорости. Методом Фурье получено аналитическое решение уравнения непрерывности для индивидуальных функций распределения, представляющих собой суперпозицию двумерных волн, распространяющихся в информационном пространстве координат и скоростей.
При проведении экспериментальных исследований индивидуальных функций распределения и функций распределения студенческих коллективов использовался вероятностно-статистический метод шкалирования [4]. Показано, что в процессе продвижения в информационном пространстве дисперсия индивидуальных функций распределения увеличивается, а математические ожидания этих функций распределения движутся с разными скоростями. Это ведёт к увеличению степени неоднородности в студенческом коллективе по уровню знаний. Дисперсия функций распределения студенческих групп и потоков со временем от семестра к семестру увеличивается настолько, что функции распределения начинают перекрываться. Это свидетельствует о том, что у сильных студентов младшего курса объём знаний выше, чем у слабых студентов старшего курса.
В случае больших студенческих групп и потоков преподаватели при проведении занятий, как правило, вынуждены ориентироваться на средних студентов, что при условии наблюдаемой большой дисперсии функции распределения негативно сказывается на учёбе как сильных, так и слабых студентов. Объём и качество сообщаемой информации в этом случае не соответствует потенциальным возможностям сильных и слабых студентов. Сильные студенты работают ниже своих возможностей, а слабые студенты не в состоянии усвоить учебный материал, что приводит к ещё большей неоднородности студенческой подсистемы.
В работе [5] показано, что с целью повышения индивидуализации обучения, обеспечивающего наилучшие условия для реализации потенциальных возможностей каждого учащегося, может быть использован принцип поэтапности обучения с ветвлением. Установлено, что оптимальная длительность каждого этапа обучения составляет два года. Ветвление позволяет после каждого этапа обучения выделять однородные по уровню освоения учебных дисциплин студенческие подсистемы и обеспечивать им наилучшие условия для дальнейшего получения образования.
Таким образом, учёт того факта, что сознание индивида, а, следовательно, и его знания несут в себе элементы случайности, позволяет построить адекватную вероятностно-статистическую модель поведения учащегося в процессе обучения, результаты использования которой могут способствовать оптимизации учебного процесса в высшем учебном заведении.