CC BY
16УДК 378:621.372
А.Н. Полетайкин1, Л.Ф. Данилова2, А.В. Костенко3
1 Кубанский государственный университет, Краснодар, 350040 e-mail: alex.poletaykin@gmail. com;
2 Сибирский государственный университет телекоммуникаций и информатики,
Новосибирск, 630102 e-mail: lubermolenko@yandex.ru;
3 Камчатский государственный технический университет, Петропавловск-Камчатский, 683003 e-mail: andr13kost@list.ru
МЕТОДИКА АВТОМАТИЗИРОВАННОГО ПОСТРОЕНИЯ КОМПЕТЕНТНОСТНОЙ МОДЕЛИ ДЛЯ ПОДГОТОВКИ СПЕЦИАЛИСТОВ ВОДНОГО ТРАНСПОРТА
В статье представлен вариант автоматизированного решения актуальной в сфере высшего образования задачи формирования компетентностной модели профессиональной образовательной программы по направлению подготовки 15.03.02 «Технологические машины и оборудование» с ориентацией на профессиональные стандарты в области нефтегазового дела и академические возможности вуза. Указанные ориентиры формализуются в виде частных критериев оптимизации. Оптимизация осуществляется при помощи аппарата генетических алгоритмов в несколько стадий на уровнях отдельных компетенций и компетентностной модели в целом. Машинная реализация предложенной методики позволит повысить качество подготовки специалистов водного транспорта, а также формировать нормативную документацию основной профессиональной образовательной программы.
Ключевые слова: специалист водного транспорта, профессиональная подготовка, компетентностная модель, многокритериальная оптимизация, генетические алгоритмы.
A.N. Poletaikin1, L.F. Danilova2, A.V. Kostenko3
1 Kuban State University, Krasnodar, 350040 e-mail: alex.poletaykin@gmail. com; 2 Siberian State University of Telecommunications and Information Science,
Novosibirsk, 630102 e-mail: lubermolenko@yandex. ru;
3 Kamchatka State Technical University, Petropavlovsk-Kamchatskу, 683003 e-mail: andr13kost@list.ru
METHODOLOGY OF AUTOMATED COMPETENCY MODEL CONSTRUCTION FOR WATER TRANSPORT SPECIALISTS DEVELOPMENT
The variant of the automated solution of the problem of formation of the competence model of the professional educational program in the field of training 15.03.02 "Technological machines and equipment" with a focus on professional standards in the field of oil and gas business and academic opportunities of the University is presented. These guidelines are formalized in the form of specific optimization criteria. Optimization is carried out using the apparatus of genetic algorithms in several stages at the levels of individual competencies and competence model as a whole. Machine implementation of the proposed method allows to improve the quality of training of water transport specialists as well as to form the regulatory documentation of the basic professional educational program.
Key words: water transport specialist, training, competency model, multicriterial optimization, genetic algorithms.
Повышение эффективности подготовки квалифицированных специалистов водного транспорта является важнейшей задачей вузов, решение которой зависит от многих факторов. В научной литературе выделена и широко отражена проблема формирования профессиональной направленности будущих специалистов водного транспорта, в частности ее роль в формировании личности
и профессиональной подготовке будущего специалиста, что свидетельствует об актуальности и важном статусе обозначенной задачи. Анализ источников, посвященных этим вопросам, представлен в [1], на основании которого можно сделать вывод, что учет специфики профессиональной подготовки специалистов водного транспорта характеризуется чрезвычайной сложностью и большим объемом общепрофессиональных и профессионально ориентированных знаний, продолжительностью становления специалиста и многоуровневым характером организации подготовки, и требует перестройки основных компонентов традиционной образовательной системы.
Особо здесь следует выделить фактор качества содержания образовательных программ и их целевую ориентацию на интересы работодателей и академические возможности вуза. С одной стороны, содержание образовательных программ должно соответствовать возможностям вуза и потребностям рынка труда, что уже само по себе нередко порождает противоречия. С другой стороны, вузы связаны требованиями федеральных законов, предписывающих разработку и поддержание в актуальном состоянии большого количества нормативной и методической документации в виде основной профессиональной образовательной программы (ОПОП). На пересечении этих двух направлений находится задача формирования компетентностной модели (КМ) ОПОП, такой, которая обеспечивала бы требования Минобрнауки России, учитывала возможности вуза и динамично изменяющиеся запросы современного рынка труда. Причем, поскольку речь идет о выполнении противоположных требований к КМ, а также учитывая сложность ее структурной организации, включающей десятки компетенций, каждая из которых включает десятки и сотни различных компонентов, в качестве методики ее построения целесообразно использовать многокритериальную оптимизацию.
В статье [2] авторами представлен инновационный подход к построению компетентностной модели профессиональной образовательной программы с применением информационных технологий. Идея заключается в конструировании профессиональных компетенций с оптимальной структурой и их кластеризации с учетом предпочтений работодателя на основе профессиональных стандартов. При этом компетенция рассматривается как связанная структура необходимых знаний, необходимых умений и трудовых действий, определяемых трудовыми функциями и параметризованных экспертными оценками. Определены 18 частных критериев оптимизации структуры компетенции (табл. 1).
Таблица 1
Критерии оптимизации внутренней структуры компетенции
№ п/п Частный критерий Коэффициент значимости Экспертные оценки Оценивание
ЗУН Связи
1. Профессиональная ориентация - - Да Да
2. Коэффициент профессиональной направленности 0,008 - Да Да
3. Коэффициент типизации 0,020 ОБ Да Да
4. Трудоемкость 0,011 ЧБ, И Да Нет
5. Мощность 0,049 И Да Нет
6. Коэффициент связности 0,033 И Оценивание на системном уровне
7. Коэффициент достижимости 0,032 И
8. Ширина 0,014 И
9. Глубина 0,015 -
10. Ядерность 0,042 - Да Да
11. Гармоничность 0,122 - Да Нет
12. Значимость 0,051 - Да Да
13. Коэффициент полезности 0,130 ЧБ Да Нет
14. Коэффициент близости 0,051 ЧБ Нет Да
15. Коэффициент внутренней системности 0,031 ЧБ Нет Да
16. Коэффициент внешней системности 0,051 ЧБ Да Да
17. Междисциплинарность 0,204 - Да Да
18. Проверяемость 0,137 - Да Нет
* ОБ - общие 10-балльные оценки, ЧБ - частные 10-балльные оценки, И - границы интервалов «идеальных» либо «хороших» значений, на основании которого осуществляется нормирование значения критерия к единичному отрезку.
Из табл. 1 видно, что для определения 10 из 18 критериев используются экспертные оценки. Подробное рассмотрение этих оценок наряду с методикой их определения представлено в [3]. На основе выявленных частных критериев строится целевая функция - интегральный критерий оптимизационной модели:
/(х) = £кЛ, ^к. = 1, Г,(х) ^ 1. (1)
.=1 .=1
В формуле (1) (х) - значение интегрального критерия для 7-й компетенции вычисляется как суперпозиция п фактических значений х. критериев с учетом весовых коэффициентов их значимости к., определенных методом анализа иерархий с привлечением экспертов.
Оптимизация осуществляется при помощи классического генетического алгоритма (ГА) в два этапа, первый из которых имеет целью сконструировать субоптимальные структуры отдельных компетенций и предполагает 3 стадии оптимизации:
1. Формирование состава компетенции. Из имеющегося в наличии множества ЗУН собрать оптимальный элементный состав. Оптимизация ведется по критериям 1-5, 11-13, 16-18 при ограничениях по допустимой мощности и логическому критерию 1. В результате имеем заданное число наилучших решений в виде двоичных векторов.
2. Формирование структуры связей на сформированных составах ЗУН. Установить между ЗУН оптимальную структуру связей. Оптимизация ведется по критериям 1-3, 10, 12, 14-17 при ограничениях по допустимой ширине и глубине. В результате для каждого вектора имеем заданное число наилучших решений в виде двоичных матриц смежности.
3. Системная оптимизация состоит в оценивании решений по критериям 6-9. При этом для каждого решения вычисляется интегральная фитнес-функция (целевая функция оптимизационной модели в терминологии ГА) как суперпозиция фитнесс-функций (2), вычисляемых на каждой из трех стадий по формуле (1):
/ = / + /2 + /3, / ^ тах . (2)
Второй этап предполагает построение субоптимальных структур КМ из компетенций, полученных в результате реализации первого этапа. В основу ОПОП ложится связанная структура компетенций (КМ ОПОП), частным случаем которой является кластер компетенций. Для оценивания качества структуры КМ также разработан набор критериев (табл. 2) числового типа, которые приводятся к единичному отрезку аналогично критериям качества компетенций и сворачиваются в интегральное значение с учетом рассчитанных коэффициентов значимости согласно выражению (1). Поскольку состав КМ однозначно определен заданным набором сконструированных компетенций, значение имеют только критерии на основе характеристик внешних связей компетенций (критерии 2-5 в табл. 2). В силу того, что связь между компетенциями, согласно логике модели, представлена одним ЗУН, который копируется из исходящей компетенции во входящую, целесообразно включить в набор критерии на основе характеристик ЗУН (критерии 6-10 в табл. 2). Наиболее значимый критерий 1 выражает степень изменения качества компетенции в результате ее связывания с другими компетенциями КМ. Так как при этом в компетенцию попадают ЗУН из других компетенций и с ними устанавливаются внутренние связи, возможно не лучшего качества, интегральное качество компетенции при этом, как правило, снижается.
Таблица 2
Критерии оптимизации структуры кластера компетентностной модели
№ п/п Частный критерий Коэффициент значимости Экспертные оценки*
1. Коэффициент модификации 0,185 -
2. Коэффициент связности 0,073 И
3. Коэффициент достижимости 0,075 И
4. Коэффициент междисциплинарности 0,108 -
5. Сила связей 0,119 И
6. Коэффициент профессиональной направленности 0,065 -
7. Коэффициент типизации 0,074 ОБ
8. Значимость 0,112 -
9. Коэффициент полезности 0,090 ЧБ
10. Коэффициент внешней системности 0,099 ЧБ
* Буквенные обозначения имеют те же значения, что и в табл. 1
В результате реализации такого оптимизационного алгоритма в предельном случае охвата всей образовательной программы образуется совершенная структура КМ, построенная в соответствии с принципом минимальной достаточности.
Рассмотрим пример построения КМ, включающей четыре компетенции направления подготовки 15.03.02: ПК-10, ПК-12, ПК-13, ПК-15. Согласно действующему рабочему учебному плану данные компетенции формируются пятью дисциплинами, некоторые характеристики которых показаны в табл. 3, в которой также представлено распределение компетенций, закрепленное рабочим учебным планом (цифрами указаны этапы формирования компетенций).
Таблица 3
Характеристики размерности задачи конструирования компетентностной модели, часть I - учебные дисциплины
Название учебной дисциплины Объем, ч./з.е. Количество Закрепление компетенций
ЗУН КС ПК-10 ПК-12 ПК-13 ПК-15
Материаловедение 144/4 8 34 1 1
Основы технологии машиностроения 324/9 4 28 3
Правила технической эксплуатации технологического оборудования 144/4 12 21 2 1 4
Технология конструкционных материалов 108/3 11 36 2 2
Физико-механические свойства сырья и готовой продукции 108/3 9 17 4 1 3
Итого: 828/23 44 136 4 2 1 4
Кроме того, из 55 профессиональных стандартов в области нефтегазового дела, соответствующей профилю подготовки специалистов направления 15.03.02 в КамчатГТУ, экспертной группой были отобраны три (см., например, стандарт 19.003 на официальном сайте Минтруда и соцзащиты [4]), из состава которых были выделены 13 трудовых функций (ТФ). Характеристики ТФ и их экспертное распределение по компетенциям представлены в табл. 4.
Таблица 4
Характеристики размерности задачи конструирования компетентностной модели,
часть II - трудовые функции
Трудовые функции Состав компонентов Закрепление компетенций
Шифр Наименование Знания Умения Действия ПК-10 ПК-12 ПК-13 ПК-15
19.003 - Специалист по обслуживанию и ремонту нефтезаводского оборудования
A/01.5 Подготовка оборудования к ремонту, вывод оборудования из ремонта, пуск в эксплуатацию 5 6 7 +
A/02.5 Проведение работ по техническому обслуживанию и ремонту технологического оборудования 5 8 7 + +
A/03.5 Проведение проверки технического состояния технологического оборудования и технических устройств 4 6 7 +
A/04.5 Внедрение новой техники и передовой технологии 5 4 4 +
B/01.6 Разработка сетевых графиков ремонтных работ, установление взаимосвязанных работ, определение необходимых ресурсов (трудоемкости), проведение ремонтных работ 7 5 6 + +
B/05.6 Разработка и планирование внедрения новой техники и передовой технологии 9 3 4 +
B/06.6 Организация работы и проведение проверки технического состояния, экспертизы промышленной безопасности и оценки эксплуатационной надежности технологического оборудования 5 5 5 +
19.013 - Специалист по эксплуатации газотранспортного оборудования
B/01.6 Обеспечение выполнения работ по техническому обслуживанию и ремонту (ТОиР), диагностическому обследованию (ДО) газотранспортного оборудования 19 11 9 + +
B/02.6 Ведение документации по сопровождению ТОиР, ДО газотранспортного оборудования 4 5 5 +
С/01.6 Поддержание работы газотранспортного оборудования в заданном технологическом режиме 12 12 11 +
19.015 - Специалист по эксплуатации оборудования подземных хранилищ газа
A/01.6 Обеспечение заданного режима работы оборудования подземных хранилищ газа 7 6 6 +
A/02.6 Обеспечение выполнения работ по ТОиР, ДО оборудования подземных хранилищ газа 19 12 12 + +
B/01.6 Контроль выполнения производственных показателей подразделениями подземного хранения газа 8 6 5 +
Итого: 109 89 88 3 3 7 4
Как видно из табл. 3 и 4, для построения кластера из четырех компетенций имеем поле поиска, включающее в себя в совокупности 330 ЗУН, в т. ч. 283 уникальных, по каждому из которых были получены 3 частные экспертные оценки (см. критерии 4, 13 и 16 в табл. 1). Ввиду чрезвычайно большого числа (79 806) связей между этими ЗУН оценивание критериев 14-16 для связей не производилось, так как на эту процедуру при вдумчивом оценивании требуется около 600 часов непрерывной работы. При этом соответствующие критерии принимаются равными нулю для всех получаемых решений.
Время выполнения оптимизационных алгоритмов конструирования четырех компетенций и кластера КМ на машине с процессором Intel Core i5-7500 3,40 GHz, RAM 8,00 GB под управлением операционной системы Windows 7 составило 51 мин, в т. ч. 6,5 мин осуществлялось построение самой КМ. Схема сконструированного кластера КМ изображена на рис. 1. Мощность метасвязей выражает число внешних связей между компетенциями и на рисунке представлена толщиной линий.
Исходящая компетенция Входящая компетенция Мощность, штук
ПК-10 ПК-12 1
ПК-10 ПК-13 4
ПК-12 ПК-15 5
ПК-13 ПК-10 4
ПК-13 ПК-15 2
ПК-15 ПК-12 6
Рис. 1. Структурная схема и характеристики построенного кластера КМ
Структура одной из компетенций кластера КМ показана на рис. 2. Обозначения на этом рисунке: З - ЗУН типа «Знание», У - ЗУН типа «Умение», Н - ЗУН типа «Навык». Подчеркнутые шифры З-3, У-3, У-4, У-5 обозначают так называемые «базовые» ЗУН, привнесенные в структуру ПК-13 из ПК-10 в результате установления связи от ПК-10 к ПК-13.
Рис. 2. Структурная схема компетенции ПК-13
Имея такую многоуровневую систему ЗУН, как элементарных результатов освоения образовательной программы, можно в дальнейшем осуществлять эффективные процедуры системного оценивания сформированности компетенций и освоения учебных дисциплин и образовательной программы в целом, а также определять тематические блоки, требующие дополнительной проработки. Авторская информационная технология, реализующая такие процедуры в интерактивном режиме, автоматизирует все расчеты на основе энтропийного подхода [5] и позволяет получать соответствующие отчеты о результатах испытаний.
Литература
1. Скляренко И.Ю. Профессиональная направленность будущих специалистов водного транспорта как фактор их становления // Педагогика, педагогическая психология и образование: современные тенденции и эволюционный опыт развития: Сборник материалов ежегодной международной научной конференции, 27-28 февраля 2013 г., Беларусь, г. Минск / Под ред. В.В. Находкина. - 2013. - С. 80-85.
2. Полетайкин А.Н., Данилова Л.Ф. Информационная технология конструирования компетентностной модели // Экономика и управление: теория и практика. - 2018. - Т. 4, № 3. - С. 97-107.
3. Полетайкин А.Н., Данилова Л.Ф. Информационная технология экспертного оценивания параметров оптимизации структурного состава компетенций // Вестник СибГУТИ. - 2017. - № 4. - С.84-96.
4. Специалист по обслуживанию и ремонту нефтезаводского оборудования: Профессиональный стандарт 19.003 // Профессиональные стандарты. Программно-аппаратный комплекс // Официальный сайт Минтруда и соцзащиты РФ. - URL: http://profstandart.rosmintrud.ru/obshchiy-informatsionnyy-blok/natsionalnyy-reestr-professionalnykh-standartov/reestr-professionalnykh-standartov/ index.php?ELEMENT_ID=47636 (дата обращения: 30.08.2018).
5. Ильина Т.С., Полетайкин A.H. Энтропийный подход к оцениванию сформированности образовательных компетенций // Труды XXIX Междунар. науч. конф. «Математические методы в технике и технологиях». - 2016. - Т. 8. - С. 137-141.
