ДИАГНОСТИКА НЕОДНОРОДНОСТИ ОБРАЗОВАТЕЛЬНОЙ СРЕДЫ НА ОСНОВЕ ОЦЕНКИ ЕЁ РИСКОВ Текст научной статьи по специальности «Экономика и бизнес»

УДК 316.422

ДИАГНОСТИКА НЕОДНОРОДНОСТИ ОБРАЗОВАТЕЛЬНОЙ СРЕДЫ НА ОСНОВЕ ОЦЕНКИ ЕЁ РИСКОВ

Татьяна Леонидовна Шапошникова, доктор педагогических наук, профессор, Вячеслав Геннадьевич Миненко, кандидат технических наук, доцент, Кристина Вячеславовна

Хорошун, кандидат педагогических наук, доцент, Марина Леонидовна Романова, кандидат педагогических наук, доцент, Кубанский государственный технологический университет, г. Краснодар

Аннотация

Цель исследования - разработка метода диагностики однородности образовательной среды, основанного на анализе данных о её рисках. Известно, что функционирование современных образовательных сред характеризуется огромным количеством рисков. Также известно, что образовательные среды иерархичны, очевидно, что риски различных образовательных микросред могут быть различными (иначе говоря, образовательная макросреда или мезосреда может быть неоднородной). Согласно современным воззрениям, одним из интегративных параметров образовательной среды является её обобщённость, т.е. скоординированность деятельности всех её субъектов. Авторами настоящей статьи обосновано, что кластерный анализ образовательных сред более низкого уровня социальной иерархии, составляющих более крупную образовательную среду, должен быть ведущим математическим методом диагностики неоднородности (следовательно, обобщённости) последней; на основе квалиметрического подхода предложены индикаторные переменные, отражающие неоднородность образовательной среды в аспектах её безопасности (или, наоборот, рисков). Методологические основы исследования: метасистемный, квалиметрический, вероятностно-статистический, социологический и субъектный подходы. Методы исследования: анализ научной литературы и передового опыта риск-менеджмента, кластерный анализ, методы квалиметрии (теории латентных переменных), методы математической статистики, методы линейной алгебры. Практическая значимость результатов настоящего исследования - в возможности их применения в системе риск-менеджмента образовательными средами, теоретическая значимость - в возможности дальнейшего научного осмысления феномена риска образовательной среды.

Ключевые слова: риск, образовательная среда, диагностика, неоднородность, обобщённость, кластерный анализ.

DOI: 10.34835/issn.2308-1961.2020.6.p389-395

DIAGNOSTICS OF HETEROGENEITY OF THE EDUCATIONAL ENVIRONMENT BASED ON ITS RISK ASSESSMENT Tatiana Leonidovna Shaposhnikova, the doctor of pedagogical sciences, professor, Vyacheslav Gennadievich Minenko, the candidate of technical sciences, senior lecturer, Cristina Vyachslavovna Horoshun, the candidate of pedagogical sciences, senior lecturer, Marina Leonidovna Romanova, the candidate of pedagogical sciences, senior lecturer, Kuban State

Technological University, Krasnodar

Abstract

The aim of the research is to develop the method for diagnosing the homogeneity of the educational environment based on the analysis of data on its risks. It is known that the functioning of the modern educational environments is characterized by a huge number of risks. It is also known that educational environments are hierarchical, and it is obvious that the risks of different educational microenvironments may be different (in other words, the educational macroenvironment or mesenvironment may be heterogeneous). According to the modern views, one of the integrative parameters of the educational environment

is its generality, i.e. coordination of the activities of all its subjects. The authors of this article prove that cluster analysis of educational environments at a lower level of the social hierarchy that make up larger educational environment should be the leading mathematical method for diagnosing heterogeneity (hence generality) of the latter. Based on the qualimetric approach, indicator variables are proposed that reflect the heterogeneity of the educational environment in terms of its security (or, conversely, risks). Methodological bases of the research: metasystem, qualitative, probabilistic-statistical, sociological and subjective approaches. Research methods: the analysis of scientific literature and best practices of risk management, cluster analysis, methods of qualimetry (theory of latent variables), methods of mathematical statistics, methods of linear algebra. The practical significance of the results of the present study is the possibility of their use in the risk management of the educational environments, the theoretical significance - the possibility of further scientific comprehension of the phenomenon of risk educational environment.

Keywords: risk, educational environment, diagnostics, heterogeneity, generality, data clustering.

ВВЕДЕНИЕ

Обеспечение безопасности образовательных сред любого профиля и уровня социальной иерархии (макросред вузов, мезосред факультетов и микросред кафедр) - одна из наиболее актуальных задач, стоящих перед современным образованием [1-7]. Понятие безопасности неразрывно связано с понятием риска: безопасность образовательной среды - отсутствие рисков для субъектов социально-педагогического взаимодействия и для социально-педагогической системы в целом.

Проблема рисков вузовских образовательных сред стоит особенно остро. Это обусловлено, прежде всего, противоречием между тем обстоятельством, что студенту необходимо формировать собственную идентичность, с одной стороны, и недостаточной сформированностью для этого всевозможных предпосылок, с другой стороны [2-6]. В настоящее время выделены ряд групп рисков современных вузовских образовательных сред: внешние риски, обусловленные действием внешних по отношению к образовательной среде факторов; риски, связанные с управлением и организационной культурой образовательной среды; коррупционные риски; социально-психологические риски, связанные с межличностными отношениями; риски, связанные со здоровьем и самочувствием студентов; психологические риски, связанные с индивидуальными особенностями субъектов социально-педагогического взаимодействия [3]. В то же время, только безопасная образовательная среда может считаться комплексом условий для развития личности обучающегося [1-7].

Несмотря на то, что в настоящее время созданы первичные модели и методы диагностики рисков образовательной среды, по-прежнему эффективность риск-менеджмента остаётся не на должном уровне. Одна из причин заключается в следующем. Риск -усреднённая величина для образовательной макросреды или мезосреды, и различные образовательные микросреды могут характеризоваться различными уровнями одного и того же риска. Например, даже в пределах вуза студенты одних факультетов могут быть удовлетворены образовательным процессом, других - нет, поэтому бессмысленно говорить о "средней" удовлетворённости студентов вуза. Одним из общепризнанных интегративных параметров образовательной среды является её обобщённость, т.е. скоординированность деятельности её субъектов [4, 5, 7]. Для авторов настоящей статьи очевидно, что если рассматривать макросреду или мезосреду, как социальную метасистему, то в аспектах рискогенности (или безопасности) понятие однородности близко к понятию обобщённости: если уровни рисков одни и те же в пределах социально-педагогической метасистемы, следовательно, их факторы также схожи. Возникает вопрос: какие математические методы позволят диагностировать однородность образовательной среды? Цель исследования -разработка метода диагностики однородности образовательной среды, основанного на анализе данных о её рисках.

В настоящее время известно, что наиболее успешным методом дифференциации большого числа однородных многопараметрических объектов (в нашем случае - образо-

вательных микросред в составе макросреды) является кластерный анализ [1, 4, 7]. Напомним, что кластер - подмножество однотипных объектов, сходных по каким-либо признакам (параметрам); в результате кластеризации возможно выделение и уникальных объектов. Разнообразие существующих методов (алгоритмов) кластерного анализа - благоприятные предпосылки для достижения цели исследования.

РЕЗУЛЬТАТЫ ИССЛЕДОВАНИЯ

С точки зрения авторов настоящей статьи, простейший метод кластеризации образовательных микросред по параметрам их рискогенности состоит в следующем. Пусть N - число рисков, М - число образовательных микросред, Ь - величина 1-го риска по линейной В-балльной шкале, тогда полное фазовое расстояние между двумя

социально-педагогическими системами р =

^ ({ - Ъ, У , нормированное фазовое

1 " 2

расстояние г = — ^(Ъ," - Ъ/) . Здесь: Ъ и Ъ - массив значений рисков для первой и

V N ,=1

второй образовательной среды соответственно.

Возникает вопрос: каким должно быть нормированное фазовое расстояние между образовательными микросредами, чтобы их можно было отнести к одному кластеру? С точки зрения авторов настоящей статьи, не более чем 0,1- В , т.к. это - погрешность измерения риска [3, 4]. Очевидно, что образовательную мезосреду или макросреду можно считать полностью однородной, если по критерию г все микросреды относят к одному

т

кластеру. Степень однородности образовательной среды по критерию г составит О = —,

М

где т1 - размер наибольшего кластера. Очевидно, что если по критерию г однородность образовательной среды (в аспектах рискогенности) не менее 0,5 (50%), то первоочередная задача управления образовательной средой (тем более, риск-менеджмента) - анализ данных рисков, их причин (источников), поиск путей их профилактики и преодоления.

В то же время, вышеуказанный способ кластеризации образовательных микросред является достаточно упрощённым; более того, далеко не всегда возможно полное

сходство образовательных микросред. В таком случае, формируют матрицу Ъ = \Ъ..5 ,

V УмхN

где - величина (по 5-балльной шкале) ,-го риска для]-й образовательной среды. Иначе говоря, строка такой матрицы - массив значений рисков конкретной образовательной среды, столбец - массив значений конкретного риска для анализируемых образовательных микросред.

Для конкретного риска возможно вычислить его эмпирическое среднее в, среднеквадратическое отклонение 8, а также долю образовательных микросред, для которых величина данного риска лежит в пределах от ¡3-8 до /3 + 8 , ниже ¡3-8 и выше / + 8 . Кроме того, на основе метода каменистой осыпи возможно вычислить степень свободы (безопасность) образовательной макросреды или мезосреды от конкретного риска: она равна ¥, если не менее чем ¥ процентов образовательных сред свободны от данного риска не менее чем на ¥ процентов каждая. Степень свободы

(безопасности) конкретной образовательной среды от конкретного риска ¥ = 100% -В—Ъ

В

, где Ъ - фактическое значение риска по 5-балльной шкале. Соответственно, степень парализованности социально-педагогической метасистемы конкретным риском равна Б, если не менее чем Б процентов образовательных микросред парализованы данным риском не менее чем на Б процентов каждая; парализованность конкретной

,=1

образовательной среды конкретным риском В = 100% • — . Если степень

парализованности социально-педагогической метасистемы неким риском более 65%, то необходимы срочный анализ сложившейся ситуации и принятие мер.

Приведём пример. В гипотетическом вузе 20 образовательных микросред. Численное значение некоторого риска по десятибалльной шкале составляет соответственно 7,4, 6,7, 7,8, 5,8, 4,8, 5,6, 5,2, 7,2, 6,3, 7,5, 4,3, 7,4, 5,9, 6,6, 7,7, 6,5, 5,8, 5,4,

6.2, 7,2. Сортируем образовательные среды в порядке убывания данного риска (обязательный этап метода каменистой осыпи!): 7,8, 7,7, 7,5, 7,4, 7,4, 7,2, 7,2, 6,7, 6,6, 6,5,

6.3, 6,2, 5,9, 5,8, 5,8, 5,6, 5,4, 5,2, 4,8, 4,3. Парализованность данным риском образовательных микросред соответственно 78, 77, 75, 74, 74, 72, 72, 67, 66, 65, 63, 62, 59, 58, 58, 56, 54, 52, 48, 43 процентов. Индекс парализованности образовательной макросреды данным риском равна 60, т.к. 12-й элемент массива (60% от объёма массива) имеет значение 62, т.е. не менее 60, а вот 13-й элемент (65% от объёма массива) имеет значение 59, т.е. менее 65. Свобода образовательных микросред от данного риска соответственно 57, 52, 48, 46, 44, 42, 42, 41, 38, 37, 35, 34, 33, 28, 28, 26, 26, 25, 23, 22 процентов. Степень свободы образовательной макросреды от данного риска равна 40, т.к. 9-й элемент массива (45% от его объёма) имеет значение 38, т.е. менее 45. Среднее значение данного риска равно 6,365, отклонение 0,835. Таким образом, в интервал от 5,53 до 7,22 попадают 11 образовательных сред (55%), менее 5,53 - 4 образовательные среды (20%), а 25% образовательных сред имеют уровень риска выше 7,22. Рассмотрение примера завершено.

Анализируя строки матрицы (т.е. риски для конкретной образовательной среды), возможно также вычислить ряд параметров. Это, прежде всего, доля рисков данной образовательной среды, имеющих значение выше порогового, эмпирическое среднее её рисков, а также индекс безопасности. Данный индекс равен в, если образовательная среда свободна от в процентов рисков не менее чем на в процентов от каждого. Соответственно, степень опасности (рискогенности) образовательной среды равен 2, если образовательная среда парализована не менее чем 2 процентами рисков не менее чем на 2 процентов от каждого.

С точки зрения авторов настоящей статьи, необходимо квантование рисков. Пусть Ь - число уровней квантования, тогда матрица {Ь} трансформируется в матрицу {д} по

следующему правилу: = ({Ь]1), ] = 1...М , I = 1...N . Здесь: Q - функция, которая

действительное число (значение риска по 5-балльной шкале) преобразует в целое число от 0 до Ь-1, в зависимости от того, в какой диапазон попадает численное значение риска. Проще всего значения риска закодировать целым числом от 0 до 2 включительно, и по десятибалльной шкале это выглядит следующим образом: до 4 включительно - 0, от 4 до 7 - 1, от 7 до 10 включительно - 2.

В таком случае, кодовое расстояние между двумя образовательными микросредами - число несовпадений кодов одних и тех же рисков.

Приведём пример. Уровни рисков двух образовательных микросред характеризуют две кодовые цепочки: д' ={0 0 1 1 2 0 1 0 1 1 2} и

д' ={0 0 1 2 1 0 2 0 1 1 2} . Кодовое расстояние между указанными

цепочками равно трём: не совпадают квантованные значения четвёртого, пятого и седьмого рисков (число анализируемых рисков равно 11).

Очевидно, что кодовое расстояние не может быть больше N. Также очевидно, что в один кластер относят образовательные микросреды, кодовое расстояние между которыми равно нулю, т.е. обе кодовые цепочки полностью совпадают. Коэффициенты различия и

Я

сходства двух образовательных сред (в аспектах рискогенности) соответственно К = — и

N

р = 1 - К , где Я - кодовое расстояние между кодовыми цепочками.

Из характеристической матрицы {д} возможно вычисление немалого числа параметров. Прежде всего, это общее число полученных кластеров. В таком случае,

т

степень неоднородности социально-педагогической метасистемы з =

М

где т - число

получившихся кластеров. Если получился один кластер (т.е. все образовательные среды схожи), то 3 = 0 . Соответственно, степень однородности О = 1 - 3. Более точно степень однородности образовательной среды возможно вычислить следующим образом. Между каждой парой образовательных микросред вычисляют кодовое расстояние, в результате чего формируется матрица Я = {Я/} }М ; элемент К^ равен кодовому расстоянию между

/-й и }-й образовательной микросредой. Очевидно, что Яи = 0, а Я11 = Я/1; число таких

пар в действительности равно не М 2

М2 - М

а-2-. Индекс однородности образовательной

среды вычисляют на основе метода каменистой осыпи: он равен 8, если не менее чем процентов пар образовательных микросред имеют степень сходства не менее чем 5 процентов каждая.

Приведём пример. Пусть в гипотетическом небольшом вузе 8 образовательных микросред, и матрица кодовых цепочек следующая (анализируются 11 рисков):

1

д =

Г 0 0 0 0 0 0 1 0

0 0 0 0 0 0

0 0

0 1

1 ^ 1 1 1 2 1 2 1

Очевидно, что число анализируемых пар равно 28. Матрица различий следующая:

Г- 1

Я =

1 ^ 1

0 3 2 1 5

\ / Как видно, в один кластер № 1 можно поместить образовательные микросреды №№ 3 и 8, в остальные шесть - соответственно 1, 2, 4, 5, 6 и 7. Приведённая матрица различий:

Я' =

(- 0,091 0,091 0,272 0,181 0,181 0,454 0,091^

- 0,091 0,181 0,091 0,091 0,272 0,091

- - 0,272 0,181 0,181 0,363 0

- - - 0,272 0,363 0,272 0,272

- - - - 0,091 0,272 0,181 ----- 0,454 0,091 ------ 0,454

Матрица сходств:

Р =

0,91 0,91 0,727

- 0,91 0,818

- - 0,727

0,818 0,818 0,545 0,91 "

0,91 0,91 0,727 0,91

0,818 0,818 0,636 1,0

0,727 0,636 0,727 0,727

- 0,91 0,727 0,818

- - 0,545 0,91

- - - 0,545

/

Выпишем коэффициенты сходств в порядке убывания: 1,0, 0,91, 0,91, 0,91, 0,91, 0,91, 0,91, 0,91, 0,91, 0,91, 0,818, 0,818, 0,818, 0,818, 0,818, 0,818, 0,727, 0,727, 0,727, 0,727, 0,727, 0,727, 0,727, 0,636, 0,636, 0,545, 0,545, 0,545. Индекс однородности образовательной среды равен 71,4, т.к. 21-й элемент отсортированного массива (75% объёма) имеет значение 72,7%. Рассмотрение примера завершено.

Кроме того, из характеристической матрицы {д} возможно выделять риски, общие

для образовательных микросред. Для каждого >го риска определяют наибольшее число сходств Щ/: это - число образовательных микросред с общим квантованным значением данного риска. В приведённом выше примере максимальное число сходств для первого риска равно 7, для второго - 7, для третьего - 6, для четвёртого - 8, для пятого - пять, для последующих трёх - по 8, для последующих двух - по 7, для последнего - 6. Степень однородности социально-педагогической метасистемы по отношению к /-му риску

Щ

N

. В таком случае, индекс однородности метасистемы равна Н, если по не менее чем

Н процентам рисков степень однородности не менее чем Н процентов по каждому из них.

ЗАКЛЮЧЕНИЕ

Представленная методика нуждается в дополнении и уточнении (например, она не учитывает взаимосвязь между рисками), однако очевидно: именно кластерный анализ должен быть ведущим математическим методом в диагностике неоднородности образовательных сред (в аспектах безопасности). Перспективы дальнейших исследований - создание ББЛ-модели риск-менеджмента образовательных сред.

ЛИТЕРАТУРА

1. Девятко, И.Ф. Новые данные, новая статистика: от кризиса воспроизводимости к новым требованиям к анализу и представлению данных в социальных науках / И.Ф. Девятко // Социологические исследования. - 2018. - № 12. - С. 30-38.

2. Заярная, И.А. Роль риск-менеджмента в конкурентоспособности вуза / И.А. Заярная // Дискуссия. - 2018. - № 3 (88). - С. 47-53.

м>, =

3. Лялюк, А.В. Исследование факторов риска образовательной среды современного вуза: позиции студентов / А.В. Лялюк, О.Р. Тучина // Вестник Адыгейского государственного университета. Серия : Педагогика и психология. - 2018. - № 3 (223). - С. 57-65.

4. Мониторинг качества и эффективности непрерывного профессионального образования : монография / А.И. Черных, Т. Л. Шапошникова, К.В. Хорошун, Д.А. Романов. - Краснодар : [б. и.], 2016. - 264 с.

5. Троцук, И.В. Корпоративная культура как инструмент повышения конкурентоспособности вуза / И.В. Троцук, Д.В. Суховердова // Высшее образование в России. - 2018. - Т. 27, № 11. -С. 44-54.

6. Sanagavarapu, P. Development and validation of a scale to measure first year students' transitional challenges, wellbeing, help-seeking, and adjustments in an Australian university / P. Sanagavarapu, J. Abraham, E. Taylor // Higher Education. - 2019. - Vol. 77, No 4. - Р. 695-715.

7. The determinants of quality national higher education systems / R. Williams, G. de Rassen-fosse, P. Jensen, S. Marginson // Journal of Higher Education Policy and Management. - 2013. - Vol. 35, No 6. - Р. 599-611.

REFERENCES

1. Devyatko, I.F. (2018) "New data, new statistics: from regenerating crisis to new requirements to data analysis and representation in social sciences", Sotsciologicheskie issledovaniya, No 12, pp. 30-38.

2. Zayarnaya, I.A. (2018), "Role of risk management in university competitiveness", Discussia, No 3, Vol. 88, pp. 47-53.

3. Lyalyuck, A.V. and Tuchina, O.R. (2018), "Investigation of risk factors of contemporary university: students positions", Vestnik Adyigeyskogo gosudarstvennogo universiteta, Seriya "Pedagogika ipsihologiya, No 3, Vol. 223, pp. 57-65.

4. Chernyikh, A.I., Shaposhnikova, T.L., Horoshun, C.V. and Romanov, D.A. (2016), Monitoring of quality and efficiency of recurrent vocational education, Krasnodar.

5. Trotsuck, I.V., Sukhoverdova, D.V. (2018), "Corporate culture as a mean of university competitiveness increasing", Vyisshee obrazovanie v Rossii, Vol. 27, No 11, pp. 44-54.

6. Sanagavarapu, P., Abraham, J. and Taylor, E. (2019), "Development and validation of a scale to measure first year students' transitional challenges, wellbeing, help-seeking, and adjustments in an Australian university", Higher Education, Vol. 77, No. 4, pp. 695-715.

7. Williams, R., de Rassenfosse, G., Jensen, P., and Marginson, S. (2013) "The determinants of quality national higher education systems", Journal of Higher Education Policy and Management, Vol. 35, No 6, pp. 599-611.

Контактная информация: romanovs-s@yandex.ru

Статья поступила в редакцию 10.06.2020

УДК 796.011

ПСИХОЛОГО-ПЕДАГОГИЧЕСКИЕ ТЕОРИИ МЕХАНИЗМА ПРОЦЕССА

ВОСПИТАНИЯ ВОЛЕВЫХ КАЧЕСТВ ХАРАКТЕРА КУРСАНТОВ С ИСПОЛЬЗОВАНИЕМ СПЕЦИАЛЬНЫХ ФИЗИЧЕСКИХ УПРАЖНЕНИЙ НА

ТЕХНИЧЕСКИХ СРЕДСТВАХ

Адик Накиевич Шарипов, кандидат педагогических наук, профессор, Виталий Викторович Ефимов, кандидат педагогических наук, доцент Пермский военный институт войск национальной гвардии Российской Федерации; Леонид Александрович Зеленин, доктор педагогических наук, профессор, Пермский национальный исследовательский политехнический университет, Пермский государственный институт культуры, Пермский военный институт войск национальной гвардии Российской Федерации

Аннотация

Статья рассматривает стратегическую задачу развития физической культуры и спорта в Российской Федерации (РФ) на современном этапе, процесс воспитания волевого характера у курсантов военных институтов войск национальной гвардии РФ. Функциональная подготовка является