Ru
En

Новые образовательные стратегии в современном информационном пространстве

New Educational Strategies in Modern Information Space - 2022

Гаврилова Т.А., Кротов К.В.,

Авдюшенко А.Ю., Ручьева А.С.

СПбГУ, Высшая школа менеджмента,

Санкт-Петербург,

Россия

 

Кадры для цифровой экономики: о специфике дистанционного обучения преподавателей вузов

 

В работе описывается опыт разработки и реализации программы дистанционной переподготовки преподавателей университетов РФ в области математики и информатики. Обсуждается специфика дизайна программ, а также структурные, содержательные и методические аспекты работы с преподавателями.

Ключевые слова: дистанционная переподготовка преподавателей, педагогический дизайн, системный подход, цифровая экономика

 

Gavrilova T.A., Krotov K.V.,

Avdyushenko A.Yu., Rucheva A.S.

 

Human Resources for the Digital Economy: Specifics of Distance Learning of University teachers

 

The paper describes the experience of developing and implementing of the remote retraining program for teaching staff of Russian universities in the field of mathematics and informatics. The specifics of program design are discussed, as well as the structural, content and methodological aspects of working with high school teachers.

Keywords: remote retraining of faculty, pedagogical design, systemic approach, digital economy

 

Введение

Цифровизация экономики диктует повышенный запрос на трансформацию образовательных процессов и подготовку кадров для цифровой экономики. Следует отметить, однако, что в высшей школе наблюдается явная нехватка экспертов в области современной математики, анализа данных, искусственного интеллекта (ИИ), и другим перспективным направлениям информатики.

 

В ответ на эти вызовы в СПбГУ в конце 2019 года в рамках реализации федерального проекта «Кадры для цифровой экономики» национальной программы «Цифровая экономика Российской Федерации» был создан Международный Научно-Методический Центр (МНМЦ). Его задача заключалась в распространении лучших международных практик подготовки, переподготовки и стажировки продвинутых кадров цифровой экономики в областях математики, информатики и технологий.

 

В условиях пандемии COVID-19 и в соответствии с требованиями предотвращения распространения коронавирусной инфекции был выполнен полный перевод всех запланированных мероприятий программы в режим онлайн. Специфика работы онлайн была учтена при разработке контента [1].

 

Данная статья посвящена анализу результатов первого выпуска слушателей программ в 2020 году в рамках проекта МНМЦ (руководители Елистратов А.В., Кротов К.В. и Авдюшенко А.Ю.).

 

1. О специфике программ МНМЦ

Целевой аудиторией программ являлись преподаватели, научные сотрудники и аспиранты высшей школы и научно-исследовательских институтов, занятые преподаванием технических дисциплин и научными исследованиями в областях, близких к математике и информатике.

Были предложено и реализовано несколько программ подготовки, переподготовки, стажировки и учебных мероприятий:

  • Искусственный интеллект
  • Анализ и интерпретация больших данных
  • Количественные методы для решения прикладных задач
  • Разработка программного обеспечения и анализ данных
  • Ведение практических и семинарских занятий по математике и программированию

 

Акцент в программах сделан на широкий охват проблематики и современное состояние научных исследований в этих областях. Для знакомства слушателей с международным опытом в этой сфере в качестве гостевых лекторов и ведущих семинаров были привлечены более двадцати представителей лидирующих мировых университетов и исследовательских институтов. Также были привлечены высоко-квалифицированные эксперты из ведущих международных компаний цифровой экономики (в том числе, Google, Facebook, IBM).

 

Учитывая высокую квалификацию многих слушателей программы (более одной трети аудитории имели степень кандидата наук, и несколько докторов наук), дизайн программ включал различные формы интерактивных практик, широкое вовлечение слушателей и обмен опытом.

 

Помимо лекций, практикумов, гостевых лекций и практических занятий, во все программы были встроены семинары и коллоквиумы, на которых участники имели возможность рассказать о своих инновациях, исследованиях и находках.

 

Такой формат позволил участникам познакомиться, создав сообщество для обмена опытом преподавателей аналогичных дисциплин из разных ВУЗов, и выполнять выпускные работы в группах по сходным профессиональным интересам. В качестве выпускной работы слушатели программ разрабатывали программы новых учебных курсов, с которыми хотели бы выйти в аудитории своих ВУЗов. Такой практико-ориентированный подход к организации итоговой аттестации позволил дополнительно мотивировать слушателей и обеспечил высокий процент слушателей, успешно завершивших программу.

 

Например, в программе «Искусственный интеллект» особенный интерес вызвали семинары и круглые столы «Опыт преподавания и исследований по ИИ в России» по обмену опытом только для слушателей программы. Примеры докладов:

  • Тушканова О.Н., к.т.н, «Опыт исследований и преподавания в Политехе» (Санкт-Петербург)
  • Муромцев Д.И., к.т.н, «Опыт исследований и преподавания в ИТМО» (Санкт-Петербург)
  • Максимова А.Ю., к.т.н., «Миварные интеллектуальные системы» (Донецк)
  • Углев В.А., к.т.н., «Фиксация авторского права на базы знаний и наборы данных для обучения алгоритмов ИИ» (Красноярск)
  • Бронфельд Г.Б., к.т.н., «Технология прямого наложения знаний» (Нижний Новгород)
  • Бабенко А.А., к.т.н., «Программный комплекс формирования графических инструментов» (Волгоград)
  • Сычев О.А., к.т.н., «Система генерации учебных задач для студентов» (Москва)

 

Обучение велось на платформах zoom и LMS (Learning management system) Moodle в течение 4 месяцев в синхронном и асинхронном режимах. Система Moodle была кастомизирована для МНМЦ СПбГУ, в том числе там были размещены все учебно-дидактические материалы, подготовленные и структурированные конспекты лекций, презентации, домашние задания, кейсы и литература, также позднее туда были загружены выпускные аттестационные работы. Для выпускников программы после завершения обучения в декабре 2020 была проведена открытая углубленная онлайн-школа по математике и компьютерным наукам.

 

2. Системный онтологический дизайн программ

В данном докладе обсуждается дизайн программ, основанный на подходе, в некоторой степени, смягчающем субъективизм и несбалансированность курсов, читаемых ныне в высших учебных заведениях.

 

Существует множество подходов к определению понятия «онтология». Наиболее полно и развернуто следующее: «Онтология — это спецификация предметной области или формальное ее представление, которое включает словарь указателей на термины предметной области и логические выражения, которые описывают, что эти термины означают и как соотносятся друг с другом» [2, 3].

 

В общем виде структура легкой (light-weighted) онтологии представляет каркас или структурированный словарь основных разделов предметной области.

Если подойти к структуре программы (или курса) как к онтологии предметной области, то явно выделяются два подхода (см. таблицу 1):

- чтение курса обзорно (“широкая” онтология),

- чтение курса в глубину (“глубокая” онтология).

 

При планировании проекта было принято решение о целесообразности для преподавателей читать максимально широкие курсы, так как такой подход позволяет сформировать разностороннюю палитру компетенций у слушателей, которую далее они могут видоизменять согласно специфике и профилю своего вуза.

 

Для педагогического дизайна авторы придерживались визуального онтологического подхода в разработке учебных онтологий [4], который был последовательно применен для детальной проработки материалов. Для этого подхода характерно визуально отображать структуру онтологии в виде интеллект-карт или концептуальных карт. При этом сами карты выступали в качестве элемента обучения и широко обсуждались в аудитории.

 

Так в программе использовались два вида онтологий:

  • А. Организационно-методические онтологии:
  • A1. Методические модели – например, карты программ обучения, карты профилей и направлений обучения;
  • A2. Карты знаний об организации процесса обучения [4] - например, карты подготовки к экзамену; карты критериев оценки; карты организации библиотечной работы; карты, отражающие структуру выпускной аттестационной работы.
  • B. Учебно-дидактические онтологии:
  • B1. Содержательные модели – например, карты основных понятий, идей, подходов, личностей, научных школ;
  • B2. Структурные модели - например, содержание отдельных сложных понятий, схемы организационных структур, архитектуры, платформы, логистические схемы и т.д.

 

Таблица 1 – Виды онтологий

Оставить комментарий:

Заключение

Всего было выпущено по пяти программам более 200 человек. Обратная связь от слушателей показала, что предложенные программы и выбранный формат обучения в целом удались и получили высокую оценку.

 

Слушатели проявили исключительную дисциплину и активность во время обучения, а также написания выпускных работ и эссе по составлению собственной программ курсов и их модификаций. Семинары по обмену опытом и тренинги у стали “изюминкой” программы.

 

Онтологический подход к построению программ обучения позволил создать у слушателей целостное и системное представление о читаемых дисциплинах, что потребовало достаточно широкого кругозора и навыков визуально-аналитического мышления. Созданию такого информационно-методического ресурса (другими словами, «поля знаний» [5] или концептуального каркаса [6]) предшествовал трудоемкий процесс согласования терминологии, определений и основных парадигм в коллективе преподавателей курса.

 

Реализация программы способствовала распространению накопленного в СПбГУ и его сети партнёров опыта обучения студентов и переподготовки научно-педагогических работников и аспирантов российских образовательных организаций. Кроме того, было образовано научное сообщество, объединяющее преподавателей-выпускников программ МНМЦ по всей стране.

 

Литература:

  1. Chatham, D., ed. Advancing Online Course Design and Pedagogy for the 21st Century Learning Environment. IGI Global, 2021.
  2. Gruber, T.R. A translation approach to portable ontology specifications. Knowledge acquisition, 5(2), 1993. pp.199-220.
  3. Guarino, N. (1995). Formal ontology, conceptual analysis and knowledge representation. International journal of human-computer studies, 43(5-6), 625-640.
  4. Гаврилова Т.А. Авторский дизайн курса «искусственный интеллект»: онтологический подход // Национальная конф. по искусственному интеллекту КИИ 2018. Труды конференции, т.1, 2018. - с.13-19.
  5. Гаврилова Т.А., Червинская К.Р., Яшин А.М. Формирование поля знаний на примере психодиагностики // Журнал «Известия АН СССР. Техническая кибернетика». - 1988, N 5. - с. 72-85.
  6. Ligozat, F., & Almqvist, J. Conceptual frameworks in didactics–learning and teaching: Trends, evolutions and comparative challenges. European Educational Research Journal, 17(1), 2018. - 3-16.