Зыкова Т.В.

Носков М.В.

Вайнштейн Ю.В.

Сибирский федеральный университет,

г. Красноярск


Лестница компетенций как визуальное представление поэтапного формирования образовательных результатов


В работе рассмотрен подход, позволяющий представить набор компетенций, заложенных в учебном плане образовательной программы в виде «лестницы», показывающей последовательное формирование образовательных результатов на различных этапах обучения.


Zykova T.V.

Noskov M.V.

 Vaynshteyn Yu.V.

Siberian Federal University

Krasnoyarsk, Russia


The ladder of competencies as a visual representation of the stage-by-stage formation of educational results


The paper considers an approach that allows us to present a set of competencies embedded in the curriculum of an educational program in the form of a “ladder”, showing the sequential formation of educational results at various stages of education.


Цифровизация образовательного процесса включает различные задачи [1,2]. На сегодняшний день достугнуты определенные результаты в направлении, связанном с непросредственной деятельностью студента: созданы электронные кабинеты обучающихся, разработаны и проходят успешную апробацию системы поддержки успешности обучения, рекомендательные системы [3,4], спроектированы различные варианты персонализированных и адаптивных обучающих курсов [5] и т.д. Но по прежнему остается актуальной задача оценки качества образовательного процесса, а именно – разработка подходов на основе анализа образовательных данных, с помощью которых можно было бы делать выводы о проблемах, возникающих у студентов про освоении образовательной программы (ОП).

Образовательная программа, разрабатываемая на основе ФГОС, представляет собой комплекс основных характеристик образования (объем, содержание, планируемые образовательные результаты), организационно-педагогических условий и форм аттестации. Комплекс данных характеристик представлен в виде учебного плана (УП), календарного учебного графика, рабочих программ учебных предметов, курсов, дисциплин (модулей), иных компонентов, а также оценочных и методических материалов. Качество и успешное освоение ОП может зависеть не только от студентов, но также от качества самой программы, которое определяется педагогической структурой ее УП, уровнем учебных дисциплин и практик, а также квалификацией профессорско-преподавательского состава, занимающегося ее реализацией.

Разработка УП, обычно определяемая в рамках разработки ОП, всегда была и остается одной из самых ответственных задач, поскольку, фактически, УП является ядром дизайна ОП. Создание сбалансированного УП также является весьма сложной задачей, в частности из-за различных требований (например, унификация нагрузки на младших курсах, пожелания работодателей и т.д.). Кроме этого, на саму образовательную систему влияют различные политические и социальные факторы. Одним из ярких примеров является сейчас движение в сторону отказа от Болонской системы в России. Среди основных трудностей можно отметить требования ФГОС, не всегда органично вписывающиеся в особенности учебного процесса образовательной организации, необходимость корректировки и модернизации ОП в соответствии с изменяющимися требованиями рынка труда, уровень подготовки студентов и готовность ППС модернизировать курсы в соответствии с меняющимися запросами не только на бумаге, но и по сути [6].

В работе [7] был представлен алгоритм анализа и оценки качества ОП, который может стать одним из способов проверки сбалансированности УП и соответствия заявленным образовательным результатам. Алгоритм был реализован на языке программирования C++ в среде Microsoft Visual Studio, в том числе c использованием библиотеки OpenXLSX для получения данных из таблиц Microsoft Excel. В качестве входных данных программа использует файл с данными УП, представленными в виде электронных таблиц MS Excel в формате XLS, который является результатом экспорта данных из информационной системы «Планы» (ИС «Планы»), разработанной в ООО «Лаборатория ММИС». Данная ИС является на сегодняшний день одним из самым распространенных программных комплексов для проектирования и хранения компонентов ОП, а также для работы с ними. Список образовательных организаций, использующих указанное программное обеспечение, содержит ведущие вузы России, в том числе Сибирский федеральный университет, в котором ИС «Планы» используется для разработки УП, рабочих программ дисциплин, планирования учебной нагрузки и создания индивидуальных планов преподавателей. Таким образом данное программное решение может быть использовано для анализа и сравнения УП различных образовательных организаций.

Программа позволяет вычислять различные статистические характеристики учебного плана (например, количество образовательных единиц (дисциплин) и их трудоемкость в зачетных единицах), а также относительный вклад образовательной единицы в формирование компетенций — образовательных результатов. В виде отдельного программного модуля реализована сравнительная оценка основных расчетных показателей по нескольким учебным планам образовательных программ. В алгоритме реализован подход, позволяющий представить данные учебного плана в удобном для визуализации виде – как взвешенный неориентированный граф, вершины которого представляют собой дисциплины учебного плана, а ребра – междисциплинарные связи, демонстрирующие участие дисциплин в формировании одинаковых компетенций [6]. Визуализация такого представления осуществлена с применением программного пакета Gephi. Но самый важный результат разработанного алгоритма заключается в получении набора данных (датасета) УП, которые можно в дальнейшем использовать для сравнительно-сопоставительного анализа УП.

Рассмотрим результаты работы программного алгоритма для УП направления подготовки 09.03.01 «Информатика и вычислительная техника», реализуемом в Сибирском федеральном университете. Для этого введем некоторые обозначения, представленные в [7].

Пусть V = { vi } — множество всех дисциплин УП, а K = { kj } — множество компетенций, реализуемых в УП. Через  обозначим множество компетенций, в формировании которых участвует дисциплина vi, а через  — их количество. Через  обозначим множество дисциплин, участвующих в формировании компетенции kj, а через | vi | — трудоемкость дисциплины vi (количество зачетных единиц (ЗЕ), приходящееся на нее в УП). Тогда трудоемкость компетенции  определим по формуле: 

 (1)

а ее относительный вес как: 
 (2)


где  — суммарная трудоемкость дисциплин УП (общая трудоемкость УП).

Таким образом реализованный программный алгоритм позволяет вычислить трудоемкости формирования общепрофессиональных компетенций (ОПК), универсальных компетенций (УК) и профессиональных компетенций (ПК), заложенных в УП за весь период обучения, а также за отдельные этапы (курсы). Результатом работы программы является набор файлов, где данные представлены в виде таблиц (см., например [7]). Однако такое представление не всегда является наглядным и понятным. 

Zykova-1
Zykova-2
Zykova-3

Рис. 1 – Лестница компетенций направления подготовки 09.03.01

 

Поэтому трудоемкости отдельных групп компетенций УП были представлены в виде «лестницы», демонстрирующей последовательное формирование образовательных результатов на различных этапах обучения. На рисунке 1 приведена трудоемкость компетенций, заложенных в УП направления подготовки 09.03.01 в ЗЕ. На представленной визуализации нетрудно проследить сформированность образовательных результатов, оценить их прирост.

Визуализация данных УП различными методами позволит лучше понять структуру УП. Поэтому разработка набора инструментов, позволяющих производить качественный сравнительно-сопоставительный анализ различных УП, а вместе с тем и ОП, является актуальной задачей. Такие методы помогут находить наиболее удачные решения, с точки зрения проектирования УП, учитывая, что УП периодически претерпевают изменения под влиянием различных факторов.

 

Литература:

1. Каракозов С. Д. Успешная информатизация = трансформация учебного процесса в цифровой образовательной среде / C. Д. Каракозов, А. Ю. Уваров // Проблемы современного образования, 2016. – № 2. – С. 7–19.

2. Левицкий М. Л. Тенденции и особенности современного этапа информатизации высшей школы / М. Л. Левицкий, В. В. Гриншкун, О. Ю. Заславская // Вестник Российского университета дружбы народов. Серия: Информатизация образования, 2022. – Т. 19. – № 4. – С. 285–299. DOI: 10.22363/2312-8631-2022-19-4-285-299.

3.  Lee S. The machine learning-based dropout early warning system for improving the performance of dropout prediction / S. Lee, J. Y. Chung // Applied Sciences, 2019. – V. 15. –№ 9. – P. 3093. DOI: 10.3390/app9153093.

4. Есин Р.В. Прогнозирование успешности обучения по дисциплине на основе универсальных показателей цифрового следа / Р. В. Есин, Т. А. Кустицкая, М. В. Носков // Информатика и образование, 2023. – Т. 38. – № 3. – С. 31-41. DOI: 10.32517/0234-0453-2023-38-3-31-41.

5. Вайнштейн Ю. В. Адаптивное электронное обучение в современном образовании / Ю. В. Вайнштейн, В. А. Шершнева // Педагогика, 2020. – № 5. – С. 48–57.

6. Зыкова Т. В. Применение силового алгоритма визуализации графов для анализа учебных планов образовательных программ высшего образования / Т. В. Зыкова, А. А. Кытманов, М. В. Носков, Е. А. Халтурин // Современные информационные технологии и ИТ-образование, 2023. – Т. 19. – № 1. – С. 110-126. DOI: 10.25559/SITITO.019.202301.110-126. URL: http://sitito.cs.msu.ru/index.php/SITITO/article/view/882

7. Зыкова Т. В. Алгоритм анализа и оценки учебных планов образовательных программ / Т. В. Зыкова, А. А. Кытманов, Е. А. Халтурин, Ю. В. Вайнштейн, М. В. Носков // Информатика и образование, 2024. – Т. 39. –№ 1. В печати.

вопросы и комментарии: