CC BY
6
НЕПРЕРЫВНОЕ ПРОФЕССИОНАЛЬНОЕ ОБРАЗОВАНИЕ
Отечественная и зарубежная педагогика. 2024. Т. 1, № 3 (99). С. 47-64. Domestic and foreign pedagogy. 2024. Vol. 1, no. 3 (99). P. 47-64.
Научная статья УДК 378
doi: 10.24412/2224-0772-2024-99-47-64
ФОРМИРОВАНИЕ КОМПЕТЕНЦИЙ ВЫПУСКНИКА ВУЗА В ОБЛАСТИ НАУЧНОГО ПРОГНОЗИРОВАНИЯ
Дмитрий Геннадьевич Алпацкий
Национальный исследовательский Московский государственный строительный университет, Москва, Россия, [email protected], 8РШ-код 4429-7033, ЬИр://огаа. о^/0000-0003-3550-0120
Д. Г. Алпацкий
Аннотация. Прогнозы всегда интересовали человечество. На заре своего развития они были в виде интуитивных предсказаний, сделанные пророками, а затем, с развитием научного знания, интуитивные методы создания прогнозов сменяются научно обоснованными подходами, что подразумевает обучение и формирование компетенций у выпускников вузов. На сегодняшний день имеет особое значение умение специалиста прогнозировать, это подтверждается требованиями работодателей, а также прямым или косвенным указанием на способность к созданию прогноза в общепрофессиональных компетенциях, которые устанавливаются федеральными государственными образовательными стандартами. Однако есть фундаментальные различия в подходах к требованиям, предъявляемым к выпускникам вузов, в части создания и интерпретации прогнозов. Целью данной статьи является проведение философского анализа формирования прогностической компетенции студентов на различных направлениях подготовки. Проведенный автором анализ термина «прогнозирование» на основе Национального корпуса русского
© Алпацкий Д. Г., 2024
языка показал, что в языковой практике термин активно используется в научной и научно-популярной литературе. Комитетом научно-технической терминологии [11] были даны определения понятиям, которые связаны с прогнозированием. Это позволяет определить, что в текстах термин «прогнозирование» доминирует в академическом дискурсе. Однако для отличия прогнозов, созданных с использованием научных методов, от интуитивных автор считает необходимым использовать термин «научное прогнозирование». В работе выделяется формирование компетенций у студентов технических и естественно-научных направлений, где главную роль играет блок математических дисциплин, и социально-гуманитарных, экономических, где важной составляющей является теоретическая подготовка. Автор приходит к выводу, что в первом случае обучающимся достаточно освоить дедуктивные методы создания прогнозов. Во втором случае следует учитывать влияние прогноза на поведение социальных акторов, где важной составляющей компетенции выпускника является не только знание методов создания прогнозов, но и выявление целей индивидов или групп, которые озвучивают прогноз, и поиск вариантов изменения будущего.
Ключевые слова: прогнозирование, формирование компетенций, социальные прогнозы, научное прогнозирование, компетенции выпускника, прогноз
Для цитирования: Алпацкий Д. Г. Формирование компетенций выпускника вуза в области научного прогнозирования // Отечественная и зарубежная педагогика. 2024. Т. 1, № 3 (99). С. 47-64. doi: 10.24412/2224-0772-2024-99-47-64
Original article
FORMATION OF COMPETENCIES OF UNIVERSITY GRADUATES IN THE FIELD OF SCIENTIFIC FORECASTING
Dmitriy G. Alpackiy
Moscow State University of Civil Engineering, Moscow, Russia, [email protected], SPIN-код 4429-7033, http://orcid.org/0000-0003-3550-0120
Abstract. Forecasts have always interested humanity. At the dawn of their development, they were in the form of intuitive predictions made by prophets, and then, with the development of scientific knowledge, intuitive methods of creating forecasts are replaced by scientifically based approaches, which implies training and the formation of competencies among university graduates. Today, a specialist's ability to forecast is of particular importance; this is confirmed by the requirements of employers, as well as by direct or indirect indication of the ability to create a forecast in general professional competen-
cies, which are established by federal state educational standards. However, there are fundamental differences in the approaches to the requirements placed on university graduates in terms of creating and interpreting forecasts. The purpose of this article is to conduct a philosophical analysis of the formation of predictive competence of students in various areas of training. The author's analysis of the term "forecasting" based on the National Corpus of the Russian Language showed that in linguistic practice the term is actively used in scientific and popular science literature. The Committee of Scientific and Technical Terminology [11] gave definitions to concepts that are associated with forecasting. This allows us to determine that in the texts the term "forecasting" dominates academic discourse. However, to distinguish forecasts created using scientific methods from intuitive ones, the author suggests using the term "scientific forecasting." The work highlights the formation of competencies among students in technical and natural science fields, where the main role is played by a block of mathematical disciplines, and social, humanitarian, and economic disciplines, where theoretical training is an important component. The author comes to the conclusion that in the first case, it is enough for students to master deductive methods for creating forecasts. In the second case, one should take into account the influence of the forecast on the behavior of social actors, where an important component of the graduate's competence is not only knowledge of methods for creating forecasts, but also identifying the goals of individuals or groups who voice the forecast, and searching for options for changing the future.
Keywords: forecasting, development of competencies, social forecasts, scientific forecasting, graduate competencies, forecast
For citation: Alpackiy D. G. Formation of competencies of university graduates in the field of scientific forecasting. Domestic and Foreign Pedagogy. 2024;1(3): 47-64. (In Russ.). doi: 10.24412/2224-0772-2024-99-47-64
Введение. Описание и представление грядущих событий и явлений интересовало человека с древнейших времен. Нередко будущее связывалось только с судьбой государя, предводителя или каким-либо высшим существом, которые, по мнению предсказателей, в значительной мере определяли события завтрашнего дня. Для изображения будущего в текстах использовались слова «провидение», «пророчество», а также слова с приставкой пред- (предсказание, предузнавание и др.), которая означает «перед», «впереди», «наперед». Несмотря на проницательность некоторых провидцев и совпадение предсказываемых событий, о которых они говорили, об оценке соответствия предсказания происходящим событиям и о передаче знаний о методах создания прогнозов речь не шла.
Предвидение ситуаций или событий не является способностью, данной от рождения только одаренным людям, которые свои предсказания записывают либо публично озвучивают. Предвидение составляет важнейшую имманентную особенность человеческого познания и целенаправленной деятельности. В элементарном виде способность психики предугадывать события присуща не только людям, но даже некоторым животным: например, врановые птицы по способностям продумывать действия схожи с человекообразными обезьянами и могут решать не только элементарные логические задачи, но и способны к изготовлению орудий. Что говорит о предвидении ситуации особью [4]. По мнению А. А. Прядехо и А. Н. Прядехо у человека в процессе онтогенеза сформировались структуры и свойства мозга, которые являются материальной основой для развития прогностических способностей [12]. Данный тип интуитивного предвидения для человека является важной составляющей в принятии индивидуальных решений, направленных в первую очередь на биологическую и социальную успешность.
Принимая решения в обыденной жизни, человек всегда опирается на предвидение ситуации. Даже совершая деструктивные действия по отношению к себе, сознание всегда конструирует ситуации будущего, которые могут быть связаны со снижением эмоционального напряжения, с получением удовольствия, удовлетворением своего тщеславия (привлечением к себе внимания) и т.д. Интерпретация происходящих событий и представление будущего зависят от мировоззрения и бытия человека. Однако следует отметить, что о надежном и правдоподобном предвидении можно говорить лишь в том случае, когда в основе лежат подтвержденные научные теории и законы, выявленные в процессе развития науки и общественной практики.
Освоение студентами и аспирантами вузов законов изучаемых дисциплин является основой формирования компетенций научного прогнозирования в профильной области. Программы бакалавриата, магистратуры и подготовки кадров высшей квалификации имеют либо прямое указание на способность выпускника по созданию прогнозов, либо умение прогнозировать события указано косвенно в общепрофессиональных компетенциях, так как решение стандартных профессиональных задач всегда подразумевает прогноз.
Цель статьи. Проведение философского анализа формирования
прогностической компетенции студентов на различных направлениях подготовки.
Результаты исследования. Говоря о создании прогнозов, необходимо определиться с терминологией и ответить на следующие вопросы. Является ли доминирующим в академическом дискурсе использование термина «прогнозирование»? В каких случаях корректно использовать «научное прогнозирование»?
Анализ термина «прогнозирование» на основе Национального корпуса русского языка [6] показал, что слово вошло в активное употребление в письменной речи с 1966 года. Значительная часть текстов, где используется термин, относится к научным статьям и монографиям. Тексты узконаправлены и относятся к двум тематикам: «наука и технологии» и «бизнес, коммерция, экономика, финансы». До 90-х годов словоупотребление термина доминирует в естественно-научном дискурсе.
В 1990 году комитет научно-технической терминологии Академии наук СССР выпустил сборник научно-нормативных терминов, где в основных понятиях была предложена прогностика как научная дисциплина о закономерностях разработки прогноза. Прогноз как научно обоснованное суждение о возможных состояниях объекта в будущем и об альтернативных путях и сроках их достижения и прогнозирование как процесс разработки прогнозов [11]. В литературе можно встретить более узкое понимание прогнозирования как определение значений математической (статистической или динамической) модели в определенном интервале времени [3; 16; 21]. В этом случае суждения заменяются математическими показателями, а достижение возможных состояний объекта может реализовываться только в рамках принятой модели.
Национальный корпус русского языка показывает, что после 90-х термин начинают активно использовать в публицистике. Во многих случаях это связано с попыткой создания иллюзии научности в публикуемых социальных прогнозах, которые были необходимы различным социальным акторам для продвижения своих политических проектов. В 2000-е годы частота использования термина в целом повышается, однако детальный анализ корпуса показал, что это связано с увеличением количества публикаций сотрудников Института народно-хозяйственного прогнозирования РАН с указанием названия организации в текстах.
Агрегированная коллокация (слова, встречающиеся с исследуемым термином) «прогнозирование» в Национальном корпусе русского языка
показывает, что чаще всего в литературе термин используется со словами «развитие», «ситуация», «моделирование». Это сочетание указывает на использование термина в академическом дискурсе.
Развитие социальных коммуникаций привело к тому, что в 2011 году термин «прогнозирование» уже был зафиксирован в социальных сетях. Детальный анализ применения показывает, что доминирует экономический и финансовый дискурс.
Из вышесказанного следует, что термин «прогнозирование» используется в академическом дискурсе и дополнительное указание на использование научного мировоззрения на первый взгляд избыточно, однако в случае указания на методологическую основу создания прогноза, а не интуитивную, желательно использовать «научное прогнозирование». Как и указание метода прогнозирования: например, вероятностное прогнозирование в самостоятельной работе студента. Это будет дополнительным указанием на важность освоения научных теорий, лежащих в основе создания прогноза. Например, при обучении по направлению «Лингвистика» студент может встретиться с вероятностным прогнозированием [2; 14], где используется математическая вероятность не как количественная оценка возможности появления события (в данном случае слова/фразы), а как гносеологическая характеристика познавательной деятельности человека, когда он действует в условиях неопределенности. Поэтому для понимания событий, которые будут рассматриваться, студенту необходимо ознакомиться с различными подходами к определению понятия «вероятность».
Фундаментальной проблемой при формировании компетенций научного прогнозирования является создание прогноза как высказывание из соответствующих предпосылок.
Проблема заключается в том, можно ли использовать структуру логически обоснованного вывода для создания прогноза, а следовательно, сформировать у студентов на основе обучения использования логических приемов прогностическую компетенцию. Данный подход можно отнести к дедуктивистским, который находит свою образцовую формулировку в трудах К. Поппера: «Дать причинное объяснение некоторого события — значит дедуцировать описывающее его высказывание, используя в качестве посылок один или несколько универсальных законов вместе с определенными сингулярными высказываниями — начальными условиями» [10].
В случае полного причинного объяснения, по Попперу, можно создать единичное высказывание, в котором описывается будущее событие. Основываясь на законах А1, А2... зная предшествующие условия Б1, Б2... можно предсказать событие В.
В естественных науках с некоторыми допущениями можно говорить о достоверном прогнозировании событий. Например, в термодинамике на основе законов Бойля — Мариотта (А1) и Гей-Люссака (А2) составлено уравнение состояния термодинамической системы. Исходя из предшествующих условий, значение температуры (Б1), давления (Б2), массы (Б3) и объема (Б4) системы, а также ограничения применения законов, которые есть условие действия законов А1 и А2, в нашем случае это рабочее тело является газом и приближается по свойствам к идеальному, термодинамическая система находится в равновесии и т.д. Можно сделать достоверный и проверяемый экспериментально вывод, что при повышении температуры будут увеличиваться давление и (или) объем системы (событие В). Однако количественные оценки на основе законов Бойля — Мариотта и Гей-Люссака будут достаточно грубые, поэтому на практике чаще используют диаграммы приведенных состояний.
В приведенном примере в правой части уравнения, помимо введенной универсальной газовой постоянной, которая является константой, введена еще дополнительная функция — температура. Данная функция является привычной для человека, так как дана в ощущениях. И когда с температурой впервые сталкивается ребенок в школе, он его интуитивно усваивает через понятия «тепло», «жарко», «холодно». Так А. А. Плешаков в учебнике «Окружающий мир» за 1-й класс предлагает проведение опыта с теплой и холодной водой (телесные ощущения) и термометром [9]. Но в термодинамике не все так очевидно, и это связано с микромиром, в котором температуры нет как явления, а данная функция характеризует энергию движения молекул тела. Для измерения температуры необходимо включать в исследование три термодинамические системы (нулевой закон термодинамики).
Следующим примером использования дедуктивного прогнозирования рассмотрим конвективный теплообмен. Есть сформулированный закон, что конвективный тепловой поток будет равен произведению градиента температур на коэффициент теплоотдачи. Исходя из предшествующих условий коэффициента теплоотдачи (Б1) и разницы температур поверхности тела и газа (Б2), можно определить количество тепла, которое
будет переходить (событие В). Однако в этом случае первое условие неочевидное и иногда можно встретить, что коэффициент теплоотдачи — коэффициент незнания. Сложность заключается в том, что для определения данного коэффициента следует учесть более десяти параметров (ориентир поверхности в пространстве, гладкость поверхности, вязкость газа и др.) и напрямую в какую-либо систему уравнений они не могут быть включены, поэтому используют дополнительную теорию подобий (А2) и рассчитывают коэффициент на основе критериального уравнения Нуссельта [13].
Особое значение при формировании у студента прогностической компетенции, основанной на дедукции, имеют математические дисциплины. В данный блок включены курсы «Высшая математика», «Статистика», «Временные ряды», «Теория вероятностей» и др. Для естественно-научных и технических направлений подготовки блок математических дисциплин является базой, для формирования всех профессиональных компетенций. Так, С. А. Тарасова отмечает, что для более глубокого формирования прогностической компетенции у студентов Курского государственного медицинского университета в содержание дисциплины «Математика» были введены дополнительные разделы: «Нахождение точных и интервальных оценок неизвестных параметров», «Проверка статистических гипотез», а также разработан специальный курс «Статистическое прогнозирование в медицине» [15].
Таким образом, в естественных и технических науках можно сформировать у выпускника компетенции по дедуктивному прогнозированию на основе уже изученных законов. Это связано с тем, что можно четко сформулировать узконаправленные законы и задать исходные условия, а главное, будущие события можно оценить экспериментально с позиции «ложь/истина» или истина в некотором приближении. И каждый студент, выполняя лабораторные работы на общих дисциплинах, таких как физика, химия, и профильных дисциплинах, оценивает проведенный опыт, результат которого уже спрогнозирован на основе теоретического материала.
Высокие результаты прогнозирования в технических и естественных науках, где после изучения соответствующих дисциплин основная часть студентов может создавать узконаправленные прогнозы, не достигаются в социальных и гуманитарных науках. Они значительно отстают по степени приближения к фактическим значениям прогнозируемых показа-
телей и прогнозу наступления тех или иных событий [23]. Это особенно заметно студентам, которые в школе хорошо освоили все дисциплины.
Отставание связано со многими факторами, в данной работе остановимся только на некоторых. Во-первых, законы имеют слишком размытые формулировки, во-вторых, закономерности применимы в частных случаях, которые не всегда можно определить до наступления события — например, технические прогнозы рынка работают в период высокой определенности [24], что является частным случаем, в-третьих, создание прогноза ограничено по времени. Примером может служить закон спроса, изучаемый всеми студентами в курсе «Экономическая теория» или «Макроэкономика», который гласит, что между ценой и спросом существует обратная зависимость. Однако Макконнелл, Брю, Флинн в книге «Экономикс. Принципы, проблемы и политика» [5] указывают на существенные допущения использования данного закона. К ним можно отнести отсутствие возможности влияния продавцов или покупателей, рациональность покупателя и т.д. Достаточно вспомнить свои покупки и понять, насколько рационально они совершены.
Так, для создания прогноза на основе закона спроса студенту необходимо знакомиться с различными теориями рациональности. Аникер [20] задается вопросом, как человек становится здравомыслящим и, следовательно, рациональным? По его мнению, в теорию действия при объяснении рациональности необходимо внести теории языка. Добавление нормативного словаря Мида и Брандома, а также объективного знания и субъективных нормативных обстоятельств по Хабермасу, что позволяет понимать языковые причины как интериоризацию нормативной структуры языковой практики индивида. Другими словами, для создания научного прогноза на основе закона спроса с учетом рационального поведения человека студенту необходимо ознакомиться, освоить и уметь производить анализ и синтез различных социальных и экономических теорий.
Проблемы синтеза научных теорий далеко не единственная при формировании прогностических компетенций на социально-гуманитарных специальностях. Так, политическая теория на сегодняшний день является одной из самых противоречивых и разнородных дисциплин. Еще в 1988 году Г. Алмонд характеризовал политическую науку как набор разрозненных «школ и сект», сидящих за разными столами [19]. Различия в подходах связаны не только с предметом исследования
и используемыми методами, но и с идеологической функцией политической науки, которая формирует политический идеал. Помимо всего, существуют явные ангажированные лидеры, которые собирают вокруг себя последователей, отстаивающих субъективистское видение политической науки.
Однако, несмотря на критику теорий политики, что, несомненно, важно для развития науки, у политического знания есть особенности, которые позволяют выделять политическую науку в отдельное направление. Во-первых, так политическая теория представляет собой пространство рефлексии политического знания, в котором сообщество ученых политологов конструирует образ будущего. Поэтому содержание политической теории невозможно свести к набору исследовательских программ с соответствующими методами и гипотезами. Ее задачи — легитимировать и совершенствовать существующую политическую систему.
Во-вторых, политическая теория разнородна и использует методы других наук, в зависимости от направления исследования, но она использует свой тип языка — метаязык политической науки. По мнению Тен ван Дейка, существует две основные связи между дискурсом и политикой. Первый — на социополитическом уровне описания, где политические процессы и структуры формируются из событий, интеракций и дискурсов политических агентов, действующих в политических контекстах. Второй — на социокогнитивном уровне описания, где социально разделяемые политические репрезентации соотносятся с индивидуальными репрезентациями дискурсов, интеракций и контекстов [1].
Именно поэтому в политической науке особо важным является вопрос основных методологических принципов создания прогноза. Так, строгий каузализм, от которого руководители компаний сейчас ожидают больших достижений из-за развития вычислительной техники, может объяснить новое с точки зрения числа и количества, утверждая, что политическая действительность есть простое проявление или количественное развитие возможного. Кроме того, слабо исследован вопрос сбора и верификации количественной информации для создания социального прогноза. Определяется экстенсивный путь развития в этой области сбором всей информации, которую можно собрать. Для этого создаются дата-центры и информационные центры [27].
В этом случае формирование компетенций при обучении возможно лишь при прикреплении студента к сотрудникам информационного
центра в рамках практики или курсового проектирования. Это связано с тем, что используются только итеративные прогнозирования, так как необходимо постоянно корректировать прогноз из-за выявления новых социальных связей или произошедших событий. Негативными последствиями таких методов прогнозирования является создание «кладбища промежуточных данных и прогнозов» [26]. Для обучающегося в этом случае, так же как и для эксперта, неочевиден вклад созданного им прогноза в принятие решений заказчиком, а отсутствие обратной связи негативно влияет на освоение методик студентом.
Опыт автора статьи руководства дипломными работами, связанными с прогнозированием социальных событий и процессов, у студентов направления подготовки 09.03.04 и 09.04.03 «Прикладная информатика» показывает, что компетенция по прогнозированию может быть сформирована на основе анализа данных об объекте прогнозирования. Где на первом этапе необходимо определить фактическое состояние объекта исследования. Часто в виде отчета о завершении этапа формируется аналитическая записка с выделенными основными характеристиками прогнозируемой ситуации (текущая обстановка), определенными элементами (социальными акторами), которые влияют на прогнозируемую ситуацию, а также их текущая или потенциально возможная связь между акторами. На этом этапе у аналитиков должны быть ответы на перечисленные ниже вопросы. К каким событиям могут привести действия социальных акторов? Какие события могут привести к действиям социальных акторов? Как произвести оценку влияния причин на появления события в будущем?
Для решения проблем, обозначенных в двух первых вопросах, методы прогнозирования должны иметь теоретическую базу, где определены основные допущения. На практике часто используют аппроксимацию, это позволяет интерпретировать получаемые результаты прогноза и исключать или сводить к нулю влияние косвенных причин. При этом инвариантность становится ключевой характеристикой, которой должны обладать изучаемые социальные системы. Инвариантность отношений социальных акторов можно рассматривать как причинное при условии различного рода вмешательства (или бездействие, если это характеризует данную социальную систему) в деятельность. Инвариантность подразумевает рассмотрение социальной системы, зафиксированной в данное время, что позволяет сделать лишь ситуационный прогноз.
Следует отметить, что не все исследователи разделяют причинный подход в социальных науках. Так, Питер Далер-Ларсен назвал поиск причин в социальных науках «синдромом причины» и подверг критике такие методологические приемы, как рандомизация и исследование изолированных групп. Он выделяет два типа исследования. Первый тип работает автоматически и быстро на основе эвристик, таких как иерархия доказательства или правила. Второй тип включает сложные размышления, которые учитывают различные противоречия [22]. Выделяемые типы исследования также применимы и в прогнозировании, где к первому типу можно отнести социальное и политическое прогнозирование на основе эмпирически найденных математических закономерностей, а ко второму типу — исследования экспертные (интуитивные) методы прогнозирования.
Обучение студентов прогнозированию на основе показателей, в которых выявлены эмпирические закономерности, имеет важное значение. Корреляцию показателей можно рассматривать как статистическую связь, которая может иметь высокий уровень соответствия, но это не подразумевает под собой наличие причинно-следственных связей. Так, многие показатели социальной статистики, на основе которых делают прогноз, не являются достоверной причиной изменений друг друга. Взаимосвязь показателей наблюдается только в случае резкого изменения одного или нескольких показателей одновременно. Например, увеличение смертности населения при падении совокупных доходов населения и высоком неравенстве населения, но даже в этом случае необходимо дополнительное выяснение происходящих в обществе процессов, что подразумевает высокий уровень освоения студентом социальных теорий.
И. Л. Честнов, исследуя прогностическую функцию теории государства и права, отмечает, что работу общественных институтов, которые сознательно создавались людьми, нельзя объяснить на основе человеческих потребностей, мотивов или ожиданий [17]. Прогноз в социальной сфере из-за наличия волевой составляющей при реализации событий имеет отличительную особенность. Знание прогноза изменяет поведение социальных акторов. Приведу пример: преподаватель, работающий не один год, впервые в своей практике на вводном занятии объявляет студентам, что его дисциплина самая легкая и у него еще ни один студент не получил на экзамене оценку ниже 4 баллов (из 5 максимально возможных). Если у студентов нет другой информации, то данное заявление
преподавателя интерпретируется как статистический прогноз, с учетом которого он будет планировать посещение занятий и интенсивность работы. Другими словами, наличие прогноза результата обучения по данной дисциплине может повлиять на отношение студентов к подготовке, которое приведет к разочарованию преподавателя на экзамене.
Если знание социального прогноза акторами влияет на вероятность его соответствия событиям, которые произойдут в реальности, то есть ли необходимость его создавать и анализировать уже созданные прогнозы? В статье «Какое будущее ждет человечество?» А. Л. Никифоров исследует негативные прогнозные развития человечества, созданные Ф. Фукуямой, Римским клубом и др. [7]. Однако А. Л. Никифоров не дает оценку прогнозам с позиции «истина/ложь» или оценку вероятности наступления событий, описываемых в сценариях, а подходит с позиции формирования целей и комплекса мероприятий, которые позволят избежать России описанных негативных последствий.
В этом случае возникает следующий вопрос: необходимо ли обучать студентов социально-гуманитарного и социально-экономического профиля созданию прогнозов, если у них низкий уровень достоверности, а лица, принимающие решения, чаще ориентируются на волевое интуитивное решение, чем на прогнозы? Ответ на данный вопрос может быть только один: да, необходимо. Во-первых, после окончания вуза может появиться множество научных направлений, а прогноз оценивает адекватность используемой теории. Во-вторых, социальный прогноз создает модель мира будущего, которую мы пытаемся изменить. Примеры прогнозов данного типа встречаются в целевых проектах, где сперва описываются тренды и строится вербальная или числовая модель общества, которые необходимо корректировать. В-третьих, задача специалиста данного профиля — найти путь прихода к будущему, выгодному для заказчика прогноза.
Обучение прогнозированию важно и для будущих администраторов образовательных учреждений. Оценка риска отчисления студента и своевременная работа повышает успеваемость. Для формирования прогностической компетенции студентам, которые обучались на направлении подготовки «Прикладная информатика», в рамках дипломных работ ставились задачи по прогнозированию успеваемости с использованием методов анализа, относящихся к предикативной аналитике. Опыт показал, что субъективный опыт обучения переносится не только на
общие выводы, но и на выбор и интерпретацию полученных математических моделей. Вероятно, использование машинного обучения, как предлагает К. Теуне [30], в этих случаях более оправдано с точки зрения достоверности прогноза, так как исключает влияние исследователя, но ухудшает освоение прогностических компетенций.
На сегодняшний день происходит активное внедрение разработок 1Т-индустрии в создание прогнозов. Главный вопрос — использование искусственного интеллекта. Вплоть до провозглашения «конца теории» и замены ее алгоритмическими системами анализа больших данных. «Конец теории» определяется эпистемой, которая оставляет алгоритмическим системам генерирование знаний, предполагая, что будущее является результатом сильных корреляций, которые выявляются на больших данных [25]. Однако появляются сомнения об адекватном применении искусственного интеллекта во всех научных направлениях [8], вероятнее всего, со временем найдется узкое применение, где он будет незаменим, например в прогнозировании фондового рынка в условиях стабильности [28], прогнозировании скорости ветра [18]. Представление социального прогноза в виде повторяющихся событий в системе совершенно неадекватно. В этом случае социум представляется закрытым от новых типов построения общественных отношений, что в корне неверно.
Система образования является сферой, в которой действуют множество социальных групп, поэтому при внедрении новых технологий или идей существует противодействие. Такое отношение к системе образования как к социальному институту вполне оправданно и логично. Во-первых, подготовка специалиста — длительный процесс. Так, для подготовки профессора необходимо в лучшем случае 25 лет. Проведенная в начальной школе реформа отразится на студентах через 7 лет, к работе с которыми может быть не готов профессорско-преподавательский состав — не только из-за качества освоения профессиональных дисциплин, но и из-за изменения мотивации, которую преподаватели могут не выявить и продолжат работу в старом формате. Во-вторых, академическое сообщество само генерирует идеи реформирования, и каждый исследователь, планирующий заниматься педагогической деятельностью или уже преподающий, публикует прогнозы и тренды, выражая личные или групповые интересы.
Для подтверждения данного тезиса можно рассмотреть исследование
использования цифровых технологий университетами, которые показали свою эффективность в качестве антикризисного управления во время пандемии СОУГО-19 [27]. Публикация Б. Вайзера, М. Бенгерлы и К. Каратосы была выбрана в качестве примера, так как исследование проведено с высоким уровнем обоснования применения методики многоуровневой перспективы социальных изменений. Результат исследования показал, что университеты Германии продемонстрировали высокий уровень адаптивности в условиях пандемии, особенно во время карантина. Руководство смогло внедрить дистанционные методы, апробированные ранее. Однако успешная адаптация и внедрение позитивных практик не произошло автоматически, через некоторое время после снятия ограничений на передвижение система вернулась в доковидное состояние [30]. Авторы публикации в выводе, не объясняя причин, отбрасывают крайние варианты сценариев, такие как «традиционный университет» и «онлайн-университет», указывая на собственные предпочтения использования дистанционных методов, так как все промежуточные варианты предусматривают различный уровень внедрения онлайн-занятий.
Заключение. Несмотря на то что термин «прогнозирование» используется в академическом дискурсе, в учебной литературе рекомендуется использование «научное прогнозирование» для указания студенту на освоение теорий и методов, на основе которых создается прогноз. На естественно-научных и технических направлениях подготовки доминирует формирование прогностических компетенций выпускника на основе дедуктивистского подхода, который поддается прямому контролю, так как может сводиться к схеме «правда/ложь». Особое значение для формирования прогностических компетенций на основе дедукции имеет блок математических дисциплин. Особые сложности при формировании прогностических компетенций появляются у студентов, которые связаны с социально-гуманитарным и социально-экономическим профилем, так как социальный прогноз нельзя оценивать с позиции «правда/ ложь». Знание социальными акторами прогноза влияет на появление событий, изложенных в прогнозе. Сформированной прогностической компетенцией студента в этом случае будет являться не только знание и умение применять различные методики для создания прогноза, но и поиск вариантов изменения ряда будущих событий.
Список источников
1. Ван Дейк Т. А. Дискурс и власть: Репрезентация доминирования в языке коммуникации; пер. с англ. М.: Книжный дом «ЛИБРОКОМ», 2013. 344 с.
2. Гридина Т. А., Коновалова Н. И. Метод вероятностного прогнозирования как инструмент психолингвистического анализа креолизованного текста: восприятие кодов социальной рекламы // Известия Уральского федерального университета. Сер. 2. Гуманитарные науки. 2022. Т. 24, № 1. С. 253-265.
3. Деменков Н. П. Управление с прогнозированием: учебное пособие. М.: МГТУ им. Н. Э. Баумана, 2020. 66 с.
4. Зорина З. А., Смирнова А. А. Современные представления о когнитивных способностях врановых птиц Corvidae // Русский орнитологический журнал. 2019. № 1747. С. 1325-1330.
5. Макконнелл К. Р., Брю С. Л., Флинн Ш. М. Экономикс. Принципы, проблемы и политика. М.: Инфра-М, 2022. 1152 с.
6. Национальный корпус русского языка [Электронный ресурс]. URL: https://ruscorpora.ru (дата обращения: 27.12.2023).
7. Никифоров А. Л. Какое будущее ждет человечество? // Философский журнал. 2021. Т. 14. № 3. С. 82-95.
8. Пирожкова С. В. Миссия философии в формировании человеческого капитала молодых ученых: вызовы XXI века // Вестник Ивановского государственного университета. 2022. Вып. 4. С. 148-159.
9. Плешаков А. А. Окружающий мир: 1-й класс. Ч. 1. М.: Просвещение, 2023. 96 с.
10. Поппер К. Логика научного исследования. Пер. с англ. / Под общ. ред. В. Н. Садовского. М.: Республика, 2005. 447 с.
11. Прогностика: Терминология / Сборник научно-нормативной терминологии. Академия наук СССР. Комитет научно-технической терминологии. М.: Наука, 1990. Т. 109. 56 с.
12. Прядехо А. А., Прядехо А. Н. Прогнозирование как компонент познавательных способностей // Вестник Брянского государственного университета. 2014. № 1. С. 79-83.
13. Самченко С. В., Алпацкий Д. Г., Алпацкая И. Е. Печи и сушила в технологии художественной обработки силикатных материалов. М.: Ай Пи Эр Медиа, 2016. 142 с.
14. Степанова А. В., Хартунг В. Ю., Мангушев С. В. Роль навыка вероятностного прогнозирования в выполнении заданий раздела «грамматика и лексика» единого государственного экзамена по английскому языку // Мир науки, культуры, образования. 2024. № 2 (105). С. 95-97.
15. Тарасова С. А. Модель формирования прогностической компетентности у студентов медицинского вуза // Вестник ТГУ. 2015. № 12 (152). С. 48-52.
16. Хайндман Р. Прогнозирование: принципы и практика: учебник / Р. Хайндман, Д. Атанасопулос; перев. с англ. А. В. Логунова. М.: ДМК Пресс, 2023. 458 с.
17. Честнов И. Л. Прогностическая функция теории государства и права // Ученые записки Санкт-Петербургского имени В. Б. Бобкова филиала Российской таможенной академии. 2022. № 1 (81). С. 94-96.
18. Ali Y., Aly H. H. Short term wind speed forecasting using artificial and wavelet neural networks with and without wavelet filtered data based on feature selections technique // Engineering Applications of Artificial Intelligence. Vol. 133. Part C. 2024. 108201. https://doi.org/10.1016/j.engappai.2024.108201.
19. Almond G. A. Separate Tables: Schools and Sects in Political Science // PS: Political Science and Politics. 1988. Vol. 21, no. 4. P. 828-842.
20. Aniker F. Ein Schimmer von Forschritt: Die Soziogenese menschlicher Rationalität von Mead über Habermas zu Brandom // Österreichische Zeitschrift für Soziologie, 2022. № 46. P. 123-150.
21. Cardoso F. C., Berri R. A., Borges E. N., et al. Echo state network and classical statistical techniques for time series forecasting: A review / Knowledge-Based Systems. Volume 293. 2024. 111639 https://doi. org/10.1016/j.knosys.2024.111639.
22. Dahler-Larsen P. Casualties of Causality. Cham: palgrave macmillan, 2022. 110 p.
23. Diakonova M., Molina L., Mueller H., et al. The information content of conflict, social unrest and policy uncertainty measures for macroeconomic forecasting // Latin American Journal of Central Banking. 2024. Vol. 5. Iss. 4. 100130. https://doi.org/10.1016/j.latcb.2024.100130.
24. Fernández M. F., Henry O., Pybis S., et al. Can we forecast better in periods of low uncertainty? The role of technical indicators /Journal of Empirical Finance. 2023. Vol. 71. P. 1-12. https://doi. org/10.1016/j.jempfin.2022.12.014.
25. Fuhrmann J. T. Endlose Theorie: Zu Relevanz im Kontext von Big Data // Berlinen Journal für Soziologer. 2023. Vol. 33. P. 319-350.
26. Popp R., Herausgeber E. S. Zukunftsforschung und Zukunftsgestaltung. Berlin: Springer-Verlag, 2009. 709 p.
27. Rajaguru R., Matanda M. J., Verma P. Information system integration, forecast information quality and market responsiveness: Role of socio-technical congruence // Technological Forecasting and Social Change. 2023. Vol. 186. Part A. https://doi.org/10.1016/j.techfore.2022.122117.
28. Sangeetha J. M., Alfia K. J. Financial stock market forecast using evaluated linear regression based machine learning technique // Measurement: Sensors. 2024. Vol. 31. 100950. https://doi.org/10.1016/). measen.2023.100950.
29. Theune K. Determinanten und Modelle zur Prognose von Studienabbrüchen / Studienerfolg und Studienabbruch. Wiesbaden: Springer. 2021. P. 19-40.
30. Weiser B., Bengerl M., Karatas K. Digitale Zukünfte der Universität: Szenarien soziotechnischen Wandels // Österreichische Zeitschrift für Soziologie, 2022. № 47. P. 379-402.
References
1. Van Dejk T. A. Diskurs i vlast': Reprezentacija dominirovanija v jazyke kommunikacii; per. s angl. M.: Knizhnyj dom «LIBROKOM», 2013. 344 s. [In Rus].
2. Gridina T. A., Konovalova N. I. Metod verojatnostnogo prognozirovanija kak instrument psiholingvis-ticheskogo analiza kreolizovannogo teksta: vosprijatie kodov social'noj reklamy // Izvestija Ural'skogo federal'nogo universiteta. Ser. 2. Gumanitarnye nauki. 2022. T. 24, № 1. S. 253-265. [In Rus].
3. Demenkov N. P. Upravlenie s prognozirovaniem: uchebnoe posobie. M.: MGTU im. N. Je. Baumana, 2020. 66 s. [In Rus].
4. Zorina Z. A., Smirnova A. A. Sovremennye predstavlenija o kognitivnyh sposobnostjah vranovyh ptic Corvidae // Russkij ornitologicheskij zhurnal. 2019. № 1747. S. 1325-1330. [In Rus].
5. MakkonnellK. R., Brju S. L., Flinn Sh. M. Jekonomiks. Principy, problemy i politika. M.: Infra-M, 2022. 1152 s. [In Rus].
6. Nacional'nyj korpus russkogo jazyka [Jelektronnyj resurs]. URL: https://ruscorpora.ru (data obrash-henija: 27.12.2023). [In Rus].
7. Nikiforov A. L. Kakoe budushhee zhdet chelovechestvo? // Filosofskij zhurnal. 2021. T. 14. № 3. S. 82-95. [In Rus].
8. Pirozhkova S. V. Missija filosofii v formirovanii chelovecheskogo kapitala molodyh uchenyh: vyzovy XXI veka // Vestnik Ivanovskogo gosudarstvennogo universiteta. 2022. Vyp. 4. S. 148-159. [In Rus].
9. Pleshakov A. A. Okruzhajushhij mir: 1-j klass. Ch. 1. M.: Prosveshhenie, 2023. 96 s. [In Rus].
10. Popper K. Logika nauchnogo issledovanija. Per. s angl. / Pod obshh. red. V. N. Sadovskogo. M.: Respublika, 2005. 447 s. [In Rus].
11. Prognostika: Terminologija / Sbornik nauchno-normativnoj terminologii. Akademija nauk SSSR. Komitet nauchno-tehnicheskoj terminologii. M.: Nauka, 1990. T. 109. 56 s. [In Rus].
12. Prjadeho A. A., Prjadeho A. N. Prognozirovanie kak komponent poznavatel'nyh sposobnostej // Vestnik Brjanskogo gosudarstvennogo universiteta. 2014. № 1. S. 79-83. [In Rus].
13. Samchenko S. V., Alpackij D. G., Alpackaja I. E. Pechi i sushila v tehnologii hudozhestvennoj obrabotki silikatnyh materialov. M.: Aj Pi Jer Media, 2016. 142 s. [In Rus].
14. Stepanova A. V., Hartung V. Ju., Mangushev S. V. Rol' navyka verojatnostnogo prognozirovanija v vy-polnenii zadanij razdela «grammatika i leksika» edinogo gosudarstvennogo jekzamena po anglijs-komu jazyku // Mir nauki, kul'tury, obrazovanija. 2024. № 2 (105). S. 95-97. [In Rus].
15. Tarasova S. A. Model' formirovanija prognosticheskoj kompetentnosti u studentov medicinskogo vuza// Vestnik TGU. 2015. № 12 (152). S. 48-52. [In Rus].
16. Hajndman R. Prognozirovanie: principy i praktika: uchebnik / R. Hajndman, D. Atanasopulos; perev. s angl. A. V. Logunova. M.: DMK Press, 2023. 458 s. [In Rus].
17. Chestnov I. L. Prognosticheskaja funkcija teorii gosudarstva i prava // Uchenye zapiski Sankt-Peterburgskogo imeni V. B. Bobkova filiala Rossiískoí tamozhennoí akademii. 2022. № 1 (81). S. 94-96. [In Rus].
18. Ali Y., Aly H. H. Short term wind speed forecasting using artificial and wavelet neural networks with and without wavelet filtered data based on feature selections technique // Engineering Applications of Artificial Intelligence. Vol. 133. Part C. 2024. 108201. https://doi.org/10.1016/j.engappai.2024.108201.
19. Almond G. A. Separate Tables: Schools and Sects in Political Science // PS: Political Science and Politics. 1988. Vol. 21, no. 4. P. 828-842.
20. Aniker F. Ein Schimmer von Forschritt: Die Soziogenese menschlicher Rationalität von Mead über Habermas zu Brandom // Österreichische Zeitschrift für Soziologie, 2022. № 46. P. 123-150.
21. Cardoso F. C., Berri R. A., Borges E. N., et al. Echo state network and classical statistical techniques for time series forecasting: A review / Knowledge-Based Systems. Volume 293. 2024. 111639 https://doi. org/10.1016/j.knosys.2024.111639.
22. Dahler-Larsen P. Casualties of Causality. Cham: palgrave macmillan, 2022. 110 p.
23. Diakonova M., Molina L., Mueller H., et al. The information content of conflict, social unrest and policy uncertainty measures for macroeconomic forecasting // Latin American Journal of Central Banking. 2024. Vol. 5. Iss. 4. 100130. https://doi.org/10.1016/j.latcb.2024.100130.
24. Fernández M. F., Henry O, Pybis S., et al. Can we forecast better in periods of low uncertainty? The role of technical indicators /Journal of Empirical Finance. 2023. Vol. 71. P. 1-12. https://doi.org/10.1016/j. jempfin.2022.12.014.
25. Fuhrmann J. T. Endlose Theorie: Zu Relevanz im Kontext von Big Data // Berlinen Journal für Soziologer. 2023. Vol. 33. P. 319-350.
26. Popp R., Herausgeber E. S. Zukunftsforschung und Zukunftsgestaltung. Berlin: Springer-Verlag, 2009. 709 p.
27. Rajaguru R., Matanda M. J., Verma P. Information system integration, forecast information quality and market responsiveness: Role of socio-technical congruence // Technological Forecasting and Social Change. 2023. Vol. 186. Part A. https://doi.org/10.1016/j.techfore.2022.122117.
28. Sangeetha J. M., Alfia K. J. Financial stock market forecast using evaluated linear regression based machine learning technique // Measurement: Sensors. 2024. Vol. 31. 100950. https://doi.org/10.1016/j. measen.2023.100950.
29. Theune K. Determinanten und Modelle zur Prognose von Studienabbrüchen / Studienerfolg und Studienabbruch. Wiesbaden: Springer. 2021. P. 19-40.
30. Weiser B., Bengerl M., Karatas K. Digitale Zukünfte der Universität: Szenarien soziotechnischen Wandels // Österreichische Zeitschrift für Soziologie, 2022. № 47. P. 379-402.
Информация об авторе
Д. Г. Алпацкий — кандидат политических наук, доцент кафедры строительного материаловедения Information about the author
D. G. Alpackiy — PhD (Political), Associate Professor of building materials science
Статья поступила в редакцию 29.01.2024; одобрена после рецензирования 19.02.2024; принята к публикации 23.04.2024. The article was submitted 29.01.2024; approved after reviewing 19.02.2024; accepted for publication 23.04.2024.
