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.
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.