CC BY
9
на языке Python экспериментально подтверждена повышением у студентов экспериментальной группы таких профессиональный показателей цифровой компетенции студентов, как способность применять теоретические знания и методы программирования при работе с нестандартными задачи профессиональной деятельности; способность отбирать и использовать методы комплексного решения профессиональных задач, которые имеют стандартные условия реализации; способность работать с HTML-страницами.
Ключевые слова
Recently, Python programming has been introduced into the curricula for training specialists in many fields. This is due to the fact that the Python programming language has a wide range of options for use in various aspects (for example, it is convenient for web development, data analysis, writing scripts and games). Based on the analysis of practical activities, we can find that such a combination of options is not often needed by specialists in a particular field. Hence, there is a need to choose a priority when learning the Python programming language. The aim of the study is to examine the specific aspects of Python programming in the formation of students' digital competence. Scientific novelty: the necessity of choosing a priority direction of learning programming in Python for students of different areas of training is substantiated. The theoretical and practical significance lies in identifying the potential and characteristics of Python programming in the formation of digital competence among students of different areas of training. The presented article summarizes the experience and describes the results of a practical study aimed at justifying the specific aspects of teaching programming in Python to students of different areas of training. The criteria for the formation of digital competence of students who studied programming in 2020-2021 and in 2021-2022 academic years are given as the results of the control group. The results of the experimental group are considered to be the criteria for the formation of digital competence of students who studied programming in the 2022/2023 and 2023/2024 academic years. The conducted research has confirmed that teaching programming to students of different areas of training by choosing the priority direction of using the Python language is an effective means of forming their digital competence. The indicators of general cultural, general professional and professional competences are considered as criteria for the effectiveness of students' digital competence formation. The effectiveness of choosing a priority direction of programming in Python has been experimentally confirmed by the increase among the students of the experimental group of such professional indicators of students' digital competence as: the ability to apply theoretical knowledge and programming methods when working with non-standard professional tasks; the ability to select and use methods for complex solutions of professional tasks that have standard implementation conditions; the ability to work with HTML pages.
Key words
ИКТ-компетентность, цифровая компетентность, язык программирования Python, направления программирования на Python
ICT competence, digital competence, Python programming language, Python programming directions
Благодарности
Acknowledgements
L
Авторы выражают благодарность руководству и обучающимся ПГНИУ, МПУ, МГТУ им. Н. Э. Баумана, ГУП за поддержку и участие в исследовании особенностей программирования на языке Python при формировании цифровой компетентности студентов.
The authors express their gratitude to the management and students of PSNRU, MPU, Bauman Moscow State Technical University, SUE for their support and participation in the study of the specific aspects of programming in Python in the formation of students' digital competence.
Введение / Introduction
О стремительном развитии сначала ГГ-технологий, а затем цифровых в настоящее время говорится очень много. Это обусловлено тем, что конец двадцатого века
охарактеризовался переходом общества в постиндустриальное или информационное пространство. Технологии IT-сферы внедрены практически во все области жизнедеятельности общества. В соответствии с этим актуальным становится вопрос формирования ИКТ-компетенций студентов гуманитарных и цифровых компетенций студентов технических направлений подготовки. Формирование таких компетенций создаст условия для их уверенной и продуктивной адаптации к условиям жизни современного общества. В современной литературе чаще используют и описывают цифровую компетентность, поэтому необходимо рассмотреть сходство и отличия этих ком-петентностей. В 2019 году правительством Российской Федерации была принята программа «Цифровая экономика РФ» [1], которая, собственно, и обозначила те особенности цифровой компетентности, которые отличают ее от ИКТ-компетенции. Для ясности теоретических аспектов исследования следует дать краткие характеристики названным компетенциям. Главной мыслью учений про ИКТ-компетентность является то, что компетенции, ее составляющие, являются надпредметными, универсальными для разных направлений подготовки студентов и формируются на всех дисциплинах, которые изучаются студентами. При этом ИКТ-компетентность формируется в двух аспектах: как технология применения в профессиональной деятельности и как методика применения в профессиональной деятельности. Такого понимания ИКТ-компетентности оказывается уже недостаточно для профессионально-эффективной подготовки студентов, поэтому происходит расширение понятия до понятия «цифровая грамотность», которое подразумевает: понимание и применение информации в разнообразных форматах из разных источников с помощью компьютера; способность навигации с одного информационного ресурса на другой, тем самым формируя у пользователей форму сетевого мышления. В представленном исследовании показана эффективность выделения приоритетного направления программирования на Python для формирования цифровой компетентности студентов разных направлений подготовки.
Обзор литературы / Literature review
Понятие, характеристики, принципы формирования ИКТ-компетенции описаны и раскрыты в работах многих ученых-дидактов. Например, в работе Н. И. Ген-диной, Е. В. Косолаповой, Л. Н. Рябцевой [2] описаны основные компоненты, которые в совокупности составляют ИКТ-компетентность. По мнению авторов, формирование ИКТ-компетенции неотъемлемым образом связано с вопросами формирования информационной культуры личности студентов. Д. В. Куреннов в своих работах описывал направления по формированию IT-компетенций у студентов инженерной подготовки [3]. В качестве основных направлений даны особенности алгоритмизации и программирования, направленные на математическое моделирование. И. К. Романова выявила и описала методические особенности применения программного обеспечения при обучении студентов инженерным дисциплинам [4]. Так, в работе О. В. Приходько [5] сказано, что цифровая компетентность состоит из двух аспектов: первый заключается во владении умениями и навыками выполнять необходимые операции с информацией, например ее сбор, анализ, преобразование и т. д. Второй же аспект сводится к тому, что для работы с информацией применяются технические средства в виде персонального компьютера, периферийных устройств, сетей и т. п. В исследованиях Т. А. Поняевой рассматривается ИКТ-компетентность как один из
факторов эффективного развития высшего профессионального образования. В работе этого автора говорится, что актуальность повышения обозначенной компетентности у преподавателя становится особенно важной, так как от этого зависит качество и эффективность высшего образования в целом [6].
Анализ статей за период с 2001 по 2022 год, посвященных цифровой компетентности, выполненный авторами Х. Ли, Х. Томас [7], демонстрирует тенденцию к росту количества публикаций за рубежом. Способы и методы повышения цифровой компетентности (обучения) и средства измерения ее сформированности остаются основными направлениями их исследований.
В настоящее в России время активно происходит переход общества в цифровую фазу развития его жизнедеятельности. Сейчас мало уметь работать с информацией с помощью технических средств, всё больше применяются цифровые технологии, поэтому такие ученые, как М. Ю. Захаров, И. Е. Старовойтова, А. В. Шишкова, рассмотрели процесс формирования цифровой культуры как исторический этап развития общества в его информационном аспекте [8]. В работах этих ученых цифровая культура описана в пяти уровнях, доступных для понимания и применения специалистами разных направлений деятельности. Особый акцент сделан на том, что все ценности современного общества могут быть закодированы с целью мобильной обработки и передачи. Цифровые технологии рассматриваются как часть цифровой культуры ментального, символического, материального, функционального и духовного развития общества. Если речь идет о развитии и необходимости формирования цифровой грамотности общества, то необходимым является вопрос изучения методов и способов формирования у студентов цифровой компетентности, которые рассмотрены в работах Е. Н. Чернышевой, Е. Н. Павличевой, Н. С. Чикунова [9]. Ими обсуждается вопрос интеграции цифровых технологий в образовательную среду, а именно обучения людей распознаванию текстов социальных сетей, которые содержат тексты с угрозами. Авторами разработан метод обучения для информационной безопасности общения в цифровой среде. Отсюда вытекает вопрос о необходимости формирования цифровой грамотности у пользователей глобальных сетей, среди которых встречаются и взрослые люди, и молодежь, и дети. Необходимость формирования цифровой грамотности, ее особенности описаны в работах Н. А. Селиверстовой, в которых акцент сделан на цифровой грамотности преподавателей и студентов [10].
Тему необходимости цифрового образования студентов изучали и описали в работе Л. К. Бостанова и Д. А. Кочкарова [11], которые рассмотрели сущность цифровой компетентности студентов через понятие информационной компетентности, соединив технологическую подготовленность студентов и их углубленные профессиональные знания. Тем самым эти ученые предлагают использовать термин «информационно-цифровая компетентность». Описанные ее уровни и компоненты говорят о возможности применения этого термина в отдельных случаях подготовки студентов. Среди ученых нет единого мнения о том, в какой мере обучать студентов цифровой грамотности; так, А. И. Морозов описывает особенности формирования академической и цифровой компетентности студентов, рассматривает их взаимосвязь и значимость в структуре подготовки специалистов, приводит теоретический анализ структурных компонентов концепции цифрового обучения [12].
Любое нововведение в процесс обучения молодого поколения требует всестороннего анализа этого обновления, выявления возможных проблем и создания условий для их минимизации с целью оптимального внедрения какого-либо новшества в
образовательный процесс. Также следует поступить и с формированием цифровой культуры у студентов. Проблемы перехода на цифровое обучение выявили, проанализировали в своей работе С. М. Куценко и С. Ф. Малацион [13], авторы описали проблемы, возникающие при формировании цифровых компетенций, их показателем эффективности является то, что у студентов должны быть развиты определенные навыки ИКТ-компетентности, которая должна перерасти в цифровую.
Особо стоит отметить работы М. В. Токаревой; так, ею [14] очень четко разграничены понятия «цифровая компетенция», «цифровая компетентность», где под первым понятием подразумевается навык использования цифровых технологий (устройства, сети, онлайн-покупки и др.). Второе понятие подразумевает степень эффективного овладения перечисленными компетенциями. В соответствии с этим следует сказать, что от преподавателей вузов на сегодняшний момент требуется быть готовыми к условиям цифровизации образования. Об этом подробно написано в работе Э. Ф. Зеер, Н. В. Ломовцевой, В. С. Третьяковой [15], которые не просто показали необходимость овладения преподавателями цифровой компетентностью, но и перечислили ее основные показатели.
Обобщая рассуждения о цифровой компетенции, можно четко выделить три компонента ее структуры: информационную грамотность, коммуникационную компетентность и креативную компетентность. Перечисленные компоненты цифровой компетентности раскрыты в работах У. Фэн, К. Чжан, К. Лю [16]. Аарон Пол Дела Роса [17] в своей работе рассматривает выделенные компоненты цифровой компетенции в рамках обучения студентов программированию на Python, используя параллельный триангуляционный подход к исследованию. А. Альтубьяни [18] помимо структуры цифровой компетенции раскрывает и проблемы, с которыми сталкиваются преподаватели в процессе применения IT-технологий. Такие ученые, как В. А. Кальней и С. Е. Шишов, рассматривают необходимость формирования и алгоритмического компонента как составляющей части цифровой грамотности студентов [19].
На основании анализа работ этих и других ученых можно перечислить такие базовые и расширенные цифровые компетенции, которые в совокупности образуют цифровую компетентность в разных сферах информационной деятельности.
Информативная сфера. Базовые компетенции: создание, перемещение, копирование, хранение, преобразование файлов; сохранение файлов на цифровых запоминающих устройствах. Расширенные компетенции: поиск в Интернете информации в соответствии с профессиональными и личными интересами.
Коммуникативная сфера. Базовые компетенции: работа с электронной почтой и/или социальными сетями. Расширенные компетенции: работа с сайтами по размещению контента.
Технологическая сфера. Базовые компетенции: обмен файлами между центральными и периферийными устройствами персонального компьютера; базовая настройка программного обеспечения. Расширенные компетенции: расширенная настройка программного обеспечения; покупки на аукционных площадках с помощью интернет-банкинга.
Сфера программного обеспечения. Базовые компетенции: работа с системными и офисными программами общего пользования. Расширенные компетенции: работа с профессиональными программами, умение их настраивать «под себя».
Сфера расширенных навыков. Базовые компетенции: понимание и написание алгоритмов; основы программирования. Расширенные компетенции: работа и анализ с
большими объемами данных; умение представлять их в аналитическом, табличном и графическом виде.
Одним из средств формирования цифровой-компетенции студентов является программирование, в том числе на высокоуровневом языке - Python, который чаще всего применяется при разработке сайтов, автоматизации процесса статистического анализа, визуализации данных. Возможности применения языка программирования Python описаны в ряде научных работ. Так, М. А. Шахрайчук [20], А. Мантусов [21] обосновали актуальность программирования на Python, перечислив причины его популярности: легкость в написании и прочтении программного кода; наличие большого числа справочной литературы, инструментов и динамической типизации; востребованность специалистов, умеющих программировать на данном языке. В работе А. Дхрув, Р. Патель, Н. Доши [22] сказано, что основными характеристиками этого языка программирования являются: объектная ориентированность; наглядность, читабельность программного кода; возможность интерпретации и динамической типизации. Н. Шреста, Т. Барик, С. Парнин [23] в своей статье приводят примеры сфер, где можно применять Python. В этих работах раскрыты возможности этого языка - от стартапов до проектов серьезных компаний в области анализа статистических данных, научных изысканий, шифрования данных и др. Возможности обработки большого числа данных инструментами Python также приводятся у Д. К. Карпова [24] и Л. О. Пудеян [25], оба автора в разных аспектах рассмотрели процесс моделирования данных большого объема бизнес- и статистических процессов. Другой аспект применения инструментов языка программирования Python описан в статье Е. М. Бадика, Д. А. Зырянова, С. Г. Бабчинецкого [26]: ученые характеризуют возможности языка в имитационном моделировании разных экономических, статистических процессов. В работе И. А. Расторгуева, Т. Д. Щепетиной, А. Л. Бала-нина [27] еще более конкретно и узко приведены возможности инструментов Python, которые позволяют работать с геоинформационными системами. Другую возможность применения инструментов Python изучили и описали методику его применения при распознавании текстовых данных такие авторы, как Г. А. Гареева, М. Р. Хамидуллин, Э. Ф. Салахов, М. А. Кулыгин, С. А. Скуба [28].
Перечисленные возможности применения языка программирования Python говорят о том, что этот язык набирает большую популярность, и появляется необходимость обучения студентов разных направлений подготовки, от гуманитариев до «технарей». Такую возможность предоставляет многопроцессорность языка Python, которая описана в статье С. В. Пальмова и И. А. Ширшова [29]. Особенности методики обучения студентов программированию на Python, а также возможные проблемы этого процесса, пути их решения рассмотрены у А. С. Зуфаровой, Р. А. Суходуба [30], а также у В. В. Воробьевой, И. Б. Гинзбург, Ю. Н. Кондрашова, которые представили опыт и рекомендации по изучению библиотек языка Python [31]. Статья С. Ли, С. Пан, Л. Ван [32] посвящена изучению возможностей и стратегии преподавания Python на специальностях экономики и менеджмента.
Существует группа авторов, которые рекомендуют учитывать возможности развития компьютерного или логического мышления при обучении Python студентов [33]. Одни авторы, такие как Х. Рен, Л. Ян, Л. Цзян, Ю. Бай, у. Лу и Дж. Чанг, предлагают использовать прогрессивный гибридный режим обучения с поэтапными методами обучения программированию на Python [34]. Другие авторы, в частности Х. Ван, Х. Цзоу, В. Инь, К. Ли, Л. Чжан и Л. Хонг, рекомендуют грамотно сочетать теорию и практику, стимулируя инициативу студентов к самостоятельным инновациям, осуществляя при этом эффективную тренировку компьютерного мышления обучающихся [35].
В качестве обобщения теоретического материала по возможностям языка программирования Python необходимо перечислить три основных направления его применения:
1. Веб-разработка. Это направление в программировании, которое позволяет упростить процесс написания код серверной части приложения. Этот процесс возможен благодаря специальным фреймворкам Django и Flask, которые значительно упрощают обработку адресов, обращение к базам данных и создание HTML.
2. Data science. Включает в себя такие направления программирования, как машинное обучение, анализ данных и визуализация. Машинное обучение заключается в том, что в этом процессе реализуется какой-либо алгоритм, позволяющий автоматически обнаруживать заданный шаблон среди входных данных. Анализ и визуализация данных осуществляются с помощью одной из известных библиотек Mathplotlib, с которой необходимо начинать программирование на Python по двум причинам: низкий порог вхождения и то, она является основой для изучения более сложных библиотек.
3. Автоматизация процессов. Это направление в программировании позволяет писать небольшие скрипты, которые, в свою очередь, позволяют автоматизировать разного рода рабочие процессы и операции. Для этих процессов язык программирования Python подходит, так как обладает простым синтаксисом для написания сценариев, а также программный код перед запуском не компилируется, что обеспечивает легкость отладки программного кода. В теоретической части исследования показана актуальность языка программирования Python как средства формирования цифровой компетентности студентов разных направлений подготовки.
Методологическая база исследования / Methodological base of the research
Были проанализированы различные подходы к вопросу формирования цифровой компетентности студентов, выделены ее структурные компоненты и аспекты их формирования в процессе обучения программированию на языке Python. В исследовании были применены методы: наблюдение за процессом формирования цифровой компетентности студентов на занятиях программирования на языке Python, подведение и анализ результатов выполнения диагностических работ, методы статистической обработки данных и статистический анализ полученных результатов исследования. На этапе статистической обработки результатов исследования был применен статистический критерий Хи-квадрат Пирсона с использованием онлайн-расчетов (https://medstatistic.ru/calculators/calchit.html), ограничения и условия критерия были соблюдены.
В основной части исследования нами описываются направления применения языка программирования Python в соответствии с направленностью обучения студентов, при этом указываются показатели критериев сформированности цифровой компетенции. Исследование проводилось с привлечением студентов таких направлений подготовки: Прикладная математика и информатика (ПГНИУ), Математика (ГУП), Физика (ГУП), Инженеры (МГТУ, МПУ). В реалиях современного перехода производственных процессов на автоматизированный режим функционирования к подготовке студентов технических направлений предъявляются требования, направленные на формирование цифровой компетентности в ее общекультурной, общепрофессиональной и профессиональной составляющих. Поэтому студентов необходимо обучать всем направлениям программирования на языке Python. Но в силу того, что студенты обучаются по разным учебным планам и готовятся выполнять разные функ-
циональные профессиональные обязанности, то для каждой направленности обучения студентов следует выбирать приоритетное направление программирования на языке Python. Практический опыт авторов статьи позволил сделать вывод, что направления использования языка программирования Python можно назвать приоритетными в соответствии с направлениями подготовки студентов.
Для студентов с направленностью обучения Прикладная математика и информатика приоритетным является направление программирования «автоматизация процессов». Формируемые показатели цифровой компетентности сформулируем в традиционном виде:
- общекультурные: способность ставить цели в создании мелких скриптов, выбирать пути их использования и тестирования, умение развивать собственный интеллектуальный уровень при разработке программного кода;
- общепрофессиональные: способность логически рассуждать, иметь свое видение проблемы, обоснованно интерпретировать результаты программирования в конкретной профессиональной области, уметь принимать решения в условиях неполных данных;
- профессиональные: способность применять теоретические знания и методы программирования при решении нестандартной профессиональной задачи, в частности при автоматизации некоторых рабочих процессов, связанных с базами данных.
Для студентов с направленностью обучения Математика и Физика приоритетным является направление программирования Data science: машинное обучение, анализ данных и визуализация. Формируемые показатели цифровой компетентности:
- общекультурные: способность к обобщению и анализу поступающей информации, умение совершенствовать общекультурный потенциал;
- общепрофессиональные: способность выстраивать логику анализа данных, интегрировать информационные и коммуникационные технологии в сферу профессиональных интересов как технические средства визуализации производственных данных;
- профессиональные: способность разрабатывать и применять комплексные методы решения стандартных профессиональных задач, уметь создавать анимиро-ванные элементы изучаемых данных.
Для студентов с направленностью обучения Инженеры приоритетным является направление программирования «веб-разработка». Формируемые показатели цифровой компетентности:
- общекультурные: способность логически грамотно выстроить план работы над проектом при помощи фреймворков Django и Flask, умение развивать собственный интеллектуальный потенциал при разработке сетевых приложений;
- общепрофессиональные: способность развивать культуру мышления при использовании существующих дополнительных инструментов Python, умение интегрировать готовые шаблоны Python в свою работу при создании страницы на HTML;
- профессиональные: способность разрабатывать страницы HTML для решения конкретных профессиональных задач.
Результаты исследования / Research results
В ходе опытно-экспериментальной работы студенты, обучающиеся в 2020/2021 и в 2021/2022 учебных годах, были приняты за контрольную группу. Показатели сформированности цифровой компетентности были зафиксированы содержанием уМК и результатами сдачи контрольных точек по предметам «Современные языки и
технологии программирования». Анализ этих результатов и сказал о необходимости выделения приоритетного направления программирования на Python. Всего в контрольной группе были проанализированы результаты 83 студентов. В экспериментальной группе за два года прошли подготовку в программировании 79 студентов, которые обучались программированию сначала в одном из направлений программирования на языке Python.
В качестве примера обучения программированию на Python можно привести задачу, которая подойдет в качестве отработки умения работать с циклами студентам всех направлений подготовки, перечисленных в представленном исследовании: требуется составить алгоритм и написать программный код для определения количества и мест вхождения подстроки в строку. Программный код задачи будет выглядеть так:
# Ввод строки и подстроки s = трШ;("Введите строку: ") substring = трШ;("Введите подстроку: ")
# Поиск всех вхождений подстроки positions = []
pos = s.find(substring) while pos != -1:
positions.append(pos)
pos = s.find(substring, pos + 1)
# Вывод результата if positions:
ргт^'Подстрока найдена на позициях:", positions) else:
ргт^'Подстрока не найдена") Практическая значимость задачи определяется тем, что она не просто закрепляет понятие и умение работать с циклами, но и является основой для понимания работы с текстовыми массивами.
Другой тип задач, применяемый в представленном исследовании, решался студентами - будущими инженерами. Требуется написать программный код для проверки итеративным способом числа на палиндромность (см. рис. 1).
if str^rL
Рис. 1. Программный код для проверки на палиндромность
Задачи такого вида учат студентов использовать библиотеки Python.
Проверка уровня овладения студентами умениями и навыками решения профессиональных задач из области программирования на Python и сформированности у обучающихся цифровой компетенции проводилась в результате анализа контрольных точек. Выделим следующие составляющие цифровой компетенции: знаниевая (репродуктивная), ценностная (функциональная) и деятельностная (системная). Современная система оценки сформированности компетенций предполагает проверку сформированности по принципу трехуровневости: знать, уметь, владеть.
Результаты сформированности цифровой компетенции студентов в ходе проведения опытно-экспериментальной работы
Группы Уровни ^^^^^^ Контрольная группа (КГ)* Экспериментальная группа (ЭГ)*
Входящая диагностика Исходящая диагностика Входящая диагностика Исходящая диагностика
Знаниевый 92 26 93 8
Ценностный 8 64 7 76
Деятельностный 0 10 0 16
* - % студентов, находящихся на соответствующем уровне сформированности цифровой компетенции.
Применим статистический критерий Хи-квадрат Пирсона, для а = 0,05 /2спа = 5,991 и для а = 0,01 /2стй.2 = 9,21.
Первоначально проверим группы КГ и ЭГ на однородность. Получаем, что X2 оъбл < X2 спи (0,136 < 5,991), тогда можем сделать вывод, что группы однородные по составу и первоначальному уровню усвоенных знаний, умений и навыков с достоверностью 95%.
Проверим статистическую значимость сформированности цифровой компетенции у студентов: /2 оъб.2 > /2 сгй.2 (18,31 > 9,21), тогда можем сделать вывод о доказанности сформированности цифровой компетенции у студентов с достоверностью 95%.
Таким образом, различия в итоговых результатах КГ и ЭГ не могут быть объяснены только случайными причинами, то есть носят систематический, регулярный характер.
Данные таблицы наглядно изображены в виде гистограммы (рис. 2).
Уровни сформированности
Экспериментальная группа*
Контрольная группа*
0 20 40 60 80 100
I деятельностный ■ ценностный Изнаниевый
Рис. 2. Уровни сформированности цифровой компетенции
Результаты такого обучения показали, что, освоив одно из направлений программирования на Python, студентам требовалось гораздо меньше времени, во-первых, для выработки навыка программирования в другом направлении программирования на этом языке; а во-вторых, для успешного применения своих знаний, умений и навыков в конкретной профессиональной деятельности.
Заключение / Conclusion
Таким образом, авторами данного исследования подтверждено, что в настоящее время язык программирования Python действительно является актуальным в плане его многоаспектности.
Всё вышесказанное позволяет перечислить такие особенности программирования на языке Python, которые влияют на формирование цифровой компетентности студентов разных направлений подготовки:
- наличие широкого набора возможностей и направлений применения Python в разных профессиональных областях: веб-разработка, Data Science, автоматизация процессов и др.;
- возможность программирования в разных сферах информационной деятельности: информационной, коммуникативной, технологической, программного обеспечения, расширенных навыков;
- возможность многоступенчатой ступенчатой системы формирования цифровой компетентности студентов: сначала базовых и расширенных компетенций, которые затем трансформируются в общекультурные, общепрофессиональные и профессиональные;
- в качестве критериев эффективности обучения программированию применялись критерии сформированности цифровой компетентности студентов, в ее общекультурной, общепрофессиональной и профессиональной составляющих.
Исследование проводилось со студентами направлений подготовки: Прикладная математика и информатика, Математика, Физика, Инженеры, для которых область приложения языка программирования Python определяется набором показателей цифровой компетенции. Для студентов контрольной группы определялось приоритетное направление программирования на языке Python, которое благоприятно влияет на формирование цифровой компетентности за счет того, что не происходит «распыление» усилий освоить все возможности языка программирования Python. Эффективное влияние определения приоритетного направления программирования на Python подтвердилось результатами проведенного исследования и отразилось на повышении сформированности у студентов цифровой компетентности.
Ссылки на источники / References
1. Национальная программа «Цифровая экономика Российской Федерации». - URL: https://digital.gov.ru/ru/activity/directions/858/
2. Гендина Н. И., Косолапова Е. В., Рябцева Л. Н. Информационная культура личности: технология продуктивной интеллектуальной работы с информацией в условиях интернет-среды: в 2 т. Т. 1: учеб. пособие. - Кемерово: Кемеровский государственный институт культуры, 2020. - 357 c. - URL: https://www.iprbookshop.ru/108553.html
3. Kurennov D. V. et al. Formation of IT Competences of Future Mechanical Engineers // ITM Web of Conferences. EDP Sciences, 2020. - Vol. 35. - Р. 01008. DOI: 10.1051/itmconf/20203501008. - URL: https://www.itm-confer-ences.org/articles/itmconf/pdf/2020/05/itmconf_itee2020_01008.pdf
4. Romanova I. K. Methodological Aspects of the Use of Software in the Teaching of Engineering Disciplines: Tasks, Problems and Prospects // ITM Web of Conferences. - 2020. - Vol. 35. - P. 04020. DOI:
10.1051/itmconf/20203504020. - URL: https://www.itm-conferences.org/arti-
cles/itmconf/pdf/2020/05/itmconf_itee2020_04020.pdf
5. Приходько О. В. Особенности формирования цифровой компетентности студентов вуза // Азимут научных исследований: педагогика и психология. - 2020. - Т. 9. - № 1 (30). - С. 235-238.
6. Поняева Т. А. Информационно-коммуникационная компетенция преподавателя вуза как фактор эффективного развития высшего образования // Вестник педагогических наук. - 2022. - № 2. - С. 125-128.
7. Li H., Tinmaz H. Knowledge mapping of research on teachers' digital competence in China: a bibliometric analysis using CiteSpace // Journal of Computers in Education. - 2024. - Р. 1-24. DOI: 10.1007/s40692-023-00311-w
8. Захаров М. Ю., Старовойтова И. Е., Шишкова А. В. Цифровая культура - исторический этап развития информационной культуры общества // Вестник университета. - 2020. - № 5. - С. 200-205.
9. Чернышева Е. Н., Павличева Е. Н., Чикунов Н. С. Формирование цифровой компетентности в сетевом обществе // XXI век: итоги прошлого и проблемы настоящего плюс. - 2020. - Т. 9. - № 4 (52). - С. 62-67.
10. Селиверстова Н. А. Цифровая грамотность // Знание. Понимание. Умение. - 2021. - № 3. - С. 220-224.
11. Бостанова Л. К., Кочкарова Д. А. Продвижение и расширение практики цифрового образования в системе подготовки специалистов // Инновационные технологии в образовании. - 2020. - № 1 (3). - С. 49-56.
12. Морозов А. И. Академическая и цифровая компетентность: тенденции, особенности и структурная взаимосвязь // Известия Волгоградского государственного педагогического университета. - 2021. - № 1 (154). -С. 50-54.
13. Куценко С. М., Малацион С. Ф. Готовность студентов к цифровому обучению // Russian Journal of Education and Psychology. - 2021. - Т. 12. - № 3(2). - С. 61-65.
14. Токарева М. В. Цифровая компетенция или цифровая компетентность // Вестник Шадринского государственного педагогического университета. - 2021. - № 4 (52). - С. 133-140.
15. Зеер Э. Ф., Ломовцева Н. В., Третьякова В. С. Готовность преподавателей вуза к онлайн-образованию: цифровая компетентность, опыт исследования // Педагогическое образование в России. - 2020. - № 3. - С. 26-39.
16. Feng W., Zhang C., Liu Q. Research on Computer Teaching in Universities Based on Computational Thinking // Journal of Physics: Conference Series. - IOP Publishing. - 2021. - Vol. 1915. - № 2. - Р. 022041. DOI: 10.1088/17426596/1915/2/022041. - URL: https://iopscience.iop.org/article/10.1088/1742-6596/1915/2/022041/pdf
17. Aaron Paul Dela Rosa. Analyzing Programming Competency: A Student Perspective in Python Programming // 2023 8th International Conference on Business and Industrial Research (ICBIR), Bangkok, Thailand, 2023. - Р. 336-340. DOI: 10.1109/ICBIR57571.2023.10147530. - URL: https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&ar-number=10147530&isnumber=10147394
18. Althubyani A. Digital Competence of Teachers and the Factors Affecting Their Competence Level: A Nationwide Mixed-Methods Study // Sustainability. - 2024. - 16(7). - Р. 2796. DOI: 10.3390/su16072796. - URL: https://www.mdpi.com/2071-1050/16/7/2796
19. Кальней В. А., Шишов С. Е. Алгоритмическое мышление в контексте цифровой компетентности обучающихся // Вестник РМАТ. - 2021. - № 1. - С. 98-101.
20. Шахрайчук М. А. Актуальность и достоинства языка программирования Python // Материалы XII Международной студенческой научной конференции «Студенческий научный форум». - URL: scienceforum.ru/2020/article/2018019630?ysclid=lw0mz3azk6953074957
21. Mantusov A. Python Language In The Development Of Computational Competencies In Humanities Education. -2021. - Р. 2321-2327. DOI: 10.15405/epsbs.2021.11.306. - URL: https://www.researchgate.net/publica-tion/356615111_Python_Language_In_The_Development_Of_Computational_Competencies_In_Humani-ties_Education
22. Dhruv A., Patel R., Doshi N. Python: The Most Advanced Programming Language for Computer Science Applications // Proceedings of the International Conference on Culture Heritage, Education, Sustainable Tourism, and Innovation Technologies (CESIT). - 2020. - Р. 292-299. DOI: 10.5220/0010307900003051. - URL: https://www.sdte-press.org/Papers/2020/103079/103079.pdf
23. Shrestha N., Barik T., Parnin C. It's Like Python But: Towards Supporting Transfer of Programming Language Knowledge // IEEE Symposium on Visual Languages and Human-Centric Computing (VL/HCC | October 2018). -2018. - Р. 177-185. - URL: https://www.seman-ticscholar.org/reader/1f3c99beff721ca21c61158862647662f349b103
24. Карпов Д. К. Обработка больших данных с использованием средств языка Python // StudNet. - 2021. -Т. 4. - № 6. - С. 1397-1412. - URL: https://stud.net.ru/wp-content/up-loads/2021/07/%D0%92%D1%8B%D0%BF%D1%83%D1%81%D0%BA-6_2021.pdf
25. Пудеян Л. О., Запорожцева Е. Н., Медведская Т. К. Применение инструментов моделирования и анализа больших данных в управлении бизнес-процессами // Вестник Академии знаний. - 2022. - № 53 (6). - С. 229-232.
26. Бадика Е. М., Зырянов Д. А., Бабчинецкий С. Г. Использование языка программирования Python в имитационном моделировании // Chronos. - 2022. - Т. 7. - № 6 (68). - С. 18-23.
27. Расторгуев И. А., Щепетина Т. Д., Баланин А. Л. Применение геоинформационной системы для оценки инфраструктурной доступности регионов с позиций освоения и развития // Информационные и математические технологии в науке и управлении. - 2021. - № 3 (23). - С. 40-48.
28. Гареева Г. А., Хамидуллин М. Р., Салахов Э. Ф. и др. Разработка программы машинного зрения для распознавания текстовых данных на изображениях // Научно-технический вестник Поволжья. - 2022. - № 6. -С. 58-60.
29. Пальмов С. В., Ширшов И. А. Многопроцессорность в Python // Наука и бизнес: пути развития. -2022. - № 6 (132). - С. 28-31.
30. Зуфарова А. С., Суходуб Р. А. Методика обучения программированию учащихся: проблемы и решения // Управление образованием: теория и практика. - 2022. - № 4 (50). - С. 166-174.
31. Воробьева В. В., Гинзбург И. Б., Кондрашов Ю. Н. Изучение библиотек языка Python для анализа данных в среде Jupyterlab // Научно-технический вестник Поволжья. - 2023. - № 4. - С. 66-68.
32. Li S., Pan S., Wang L. Teaching Methods of University Economic Management Course Based on Python // 2020 International Conference on Applications and Techniques in Cyber Intelligence: Applications and Techniques in Cyber Intelligence (ATCI 2020). - Springer International Publishing. - 2021. - Р. 35-39. DOI: 10.1007/978-3-030-53980-1_6
33. Li K. The Influence of Python on Logical Thinking and Analysis of Teaching Countermeasures // Journal of Physics: Conference Series. - IOP Publishing. - 2021. - Vol. 1744. - № 4. - Р. 042164. DOI: 10.1088/17426596/1744/4/042164. - URL: https://iopscience.iop.org/article/10.1088/1742-6596/1744/4/042164/pdf
34. Ren H., Yang L., Jiang L. et al. A Computational-thinking-oriented Progressive Teaching Mode for Python Course // 2021 IEEE 3rd International Conference on Computer Science and Educational Informatization (CSEI), Xinxiang, China. - 2021. - Р. 81-84. DOI: 10.1109/CSEI51395.2021.9477642. - URL: https://ieeexplore.ieee.org/docu-ment/9477642
35. Wang X., Zou X., Yin W. et al. Research and Application of Computational Thinking on Python Teaching // 2021 IEEE 3rd International Conference on Computer Science and Educational Informatization (CSEI), Xinxiang, China. -2021. - Р. 311-314. DOI: 10.1109/CSEI51395.2021.9477758. - URL: https://www.researchgate.net/publica-tion/353822818_Research_and_Application_of_Computational_Thinking_on_Python_Teaching
1. Nacional'naya programma "Cifrovaya ekonomika Rossijskoj Federacii" [National Program "Digital Economy of the Russian Federation"]. Available at: https://digital.gov.ru/ru/activity/directions/858/ (in Russian).
2. Gendina, N. I., Kosolapova, E. V., & Ryabceva, L. N. (2020). Informacionnayakul'turalichnosti: tekhnologiyaproduk-tivnoj intellektual'noj raboty s informaciej v usloviyah internet-sredy: v 2 t. T. 1 [Information culture of the individual: technology of productive intellectual work with information in the conditions of the Internet environment: in 2 volumes. Volume 1]: ucheb. posobie, Kemerovskij gosudarstvennyj institut kul'tury, Kemerovo, 357 p. Available at: https://www.iprbookshop.ru/108553.html (in Russian).
3. Kurennov, D. V. et al. (2020). "Formation of IT Competences of Future Mechanical Engineers", ITM Web of Conferences. EDPSciences, vol. 35, p. 01008. DOI: 10.1051/itmconf/20203501008. Available at: https://www.itm-confer-ences.org/articles/itmconf/pdf/2020/05/itmconf_itee2020_01008.pdf (in English).
4. Romanova, I. K. (2020). "Methodological Aspects of the Use of Software in the Teaching of Engineering Disciplines: Tasks, Problems and Prospects", ITM Web of Conferences, vol. 35, p. 04020. DOI: 10.1051/itmconf/20203504020. Available at: https://www.itm-conferences.org/articles/itmconf/pdf/2020/05/itmconf_itee2020_04020.pdf (in English).
5. Prihod'ko, O. V. (2020). "Osobennosti formirovaniya cifrovoj kompetentnosti studentov vuza" [Specific aspects of the formation of digital competence among university students], Azimut nauchnyh issledovanij: pedagogika i psi-hologiya, t. 9, № 1 (30), pp. 235-238 (in Russian).
6. Ponyaeva, T. A. (2022). "Informacionno-kommunikacionnaya kompetenciya prepodavatelya vuza kak faktor effek-tivnogo razvitiya vysshego obrazovaniya" [Information and communication competence of a university teacher as a factor in the effective development of higher education], Vestnik pedagogicheskih nauk, № 2, pp. 125-128 (in Russian).
7. Li, H., & Tinmaz, H. (2024). "Knowledge mapping of research on teachers' digital competence in China: a biblio-metric analysis using CiteSpace", Journal of Computers in Education, pp. 1-24. DOI: 10.1007/s40692-023-00311-w (in English).
8. Zaharov, M. Yu., Starovojtova, I. E., & Shishkova, A. V. (2020). "Cifrovaya kul'tura - istoricheskij etap razvitiya in-formacionnoj kul'tury obshchestva" [Digital culture - a historical stage in the development of the information culture of society], Vestnik universiteta, № 5, pp. 200-205 (in Russian).
9. Chernysheva, E. N., Pavlicheva, E. N., & Chikunov, N. S. (2020). "Formirovanie cifrovoj kompetentnosti v setevom obshchestve" [Formation of digital competence in a network society], XXI vek: itogi proshlogo i problemy nasto-yashchego plyus, t. 9, № 4 (52), pp. 62-67 (in Russian).
10. Seliverstova, N. A. (2021). "Cifrovaya gramotnost'" [Digital Literacy], Znanie. Ponimanie. Umenie, № 3, pp. 220224 (in Russian).
11. Bostanova, L. K., & Kochkarova, D. A. (2020). "Prodvizhenie i rasshirenie praktiki cifrovogo obrazovaniya v sisteme podgotovki specialistov" [Promotion and expansion of digital education practices in the system of training specialists], Innovacionnye tekhnologii v obrazovanii, № 1 (3), pp. 49-56 (in Russian).
12. Morozov, A. I. (2021). "Akademicheskaya i cifrovaya kompetentnost': tendencii, osobennosti i strukturnaya vzai-mosvyaz'" [Academic and digital competence: trends, characteristics and structural relationship], Izvestiya Vol-gogradskogo gosudarstvennogo pedagogicheskogo universiteta, № 1 (154), pp. 50-54 (in Russian).
13. Kucenko, S. M., & Malacion, S. F. (2021). "Gotovnost' studentov k cifrovomu obucheniyu" [Student readiness for digital learning], Russian Journal of Education and Psychology, t. 12, № 3(2), pp. 61-65 (in Russian).
14. Tokareva, M. V. (2021). "Cifrovaya kompetenciya ili cifrovaya kompetentnost'" [Digital competence or digital competency], Vestnik Shadrinskogo gosudarstvennogo pedagogicheskogo universiteta, № 4 (52), pp. 133-140 (in Russian).
15. Zeer, E. F., Lomovceva, N. V., & Tret'yakova, V. S. (2020). "Gotovnost' prepodavatelej vuza k onlajn-obrazovaniyu: cifrovaya kompetentnost', opyt issledovaniya" [University teachers' readiness for online education: digital competency, research experience], Pedagogicheskoe obrazovanie v Rossii, № 3, pp. 26-39 (in Russian).
16. Feng, W., Zhang, C., & Liu, Q. (2021). "Research on Computer Teaching in Universities Based on Computational Thinking", Journal of Physics: Conference Series, IOP Publishing, vol. 1915, № 2, p. 022041. DOI: 10.1088/17426596/1915/2/022041. Available at: https://iopscience.iop.org/article/10.1088/1742-6596/1915/2/022041/pdf (in English).
17. Aaron Paul Dela Rosa (2023). "Analyzing Programming Competency: A Student Perspective in Python Programming", 2023 8th International Conference on Business and Industrial Research (ICBIR), Bangkok, Thailand, pp. 336340. DOI: 10.1109/ICBIR57571.2023.10147530. Available at: https://ieeex-plore.ieee.org/stamp/stamp.jsp?tp=&arnumber=10147530&isnumber=10147394 (in English).
18. Althubyani, A. (2024). "Digital Competence of Teachers and the Factors Affecting Their Competence Level: A Nationwide Mixed-Methods Study", Sustainability, 16(7), p. 2796. DOI: 10.3390/su16072796. Available at: https://www.mdpi.com/2071-1050/16/7/2796 (in English).
19. Kal'nej, V. A., & Shishov, S. E. (2021). "Algoritmicheskoe myshlenie v kontekste cifrovoj kompetentnosti obuchayushchihsya" [Algorithmic thinking in the context of digital competence of students], Vestnik RMAT, № 1, pp. 98-101 (in Russian).
20. Shahrajchuk, M. A. "Aktual'nost' i dostoinstva yazyka programmirovaniya Python" [Relevance and advantages of the Python programming language], Materialy XII Mezhdunarodnojstudencheskojnauchnoj konferencii "Studench-eskij nauchnyj forum". Available at: scienceforum.ru/2020/article/2018019630?ysclid=lw0mz3azk6953074957 (in Russian).
21. Mantusov, A. (2021). Python Language In The Development Of Computational Competencies In Humanities Education, pp. 2321-2327. DOI: 10.15405/epsbs.2021.11.306. Available at: https://www.researchgate.net/publica-tion/356615111_Python_Language_In_The_Development_Of_Computational_Competencies_In_Humani-ties_Education (in English).
22. Dhruv, A., Patel, R., & Doshi, N. (2020). "Python: The Most Advanced Programming Language for Computer Science Applications", Proceedings of the International Conference on Culture Heritage, Education, Sustainable Tourism, and In-novation Technologies (CESIT), pp. 292-299. DOI: 10.5220/0010307900003051. Available at: https://www.scitepress.org/Papers/2020/103079/103079.pdf (in English).
23. Shrestha, N., Barik, T., & Parnin, C. (2018). "It's Like Python But: Towards Supporting Transfer of Programming Language Knowledge", IEEE Symposium on Visual Languages and Human-Centric Computing (VL/HCC | October 2018), pp. 177-185. Available at: https://www.seman-ticscholar.org/reader/1f3c99beff721ca21c61158862647662f349b103 (in English).
24. Karpov, D. K. (2021). "Obrabotka bol'shih dannyh s ispol'zovaniem sredstv yazyka Python" [Big Data Processing Using Python Language Tools], StudNet, t. 4, № 6, pp. 1397-1412. Available at: https://stud.net.ru/wp-content/up-loads/2021/07/%D0%92%D1%8B%D0%BF%D1%83%D1%81%D0%BA-6_2021.pdf (in Russian).
25. Pudeyan, L. O., Zaporozhceva, E. N., & Medvedskaya, T. K. (2022). "Primenenie instrumentov modelirovaniya i analiza bol'shih dannyh v upravlenii biznes-processami" [Application of big data modeling and analysis tools in business process management], Vestnik Akademii znanij, № 53 (6), pp. 229-232 (in Russian).
26. Badika, E. M., Zyryanov, D. A., & Babchineckij, S. G. (2022). "Ispol'zovanie yazyka programmirovaniya Python v imitacionnom modelirovanii" [Using Python programming language in simulation modeling], Chronos, t. 7, № 6 (68), pp. 18-23 (in Russian).
27. Rastorguev, I. A., Shchepetina, T. D., & Balanin, A. L. (2021). "Primenenie geoinformacionnoj sistemy dlya ocenki infrastrukturnoj dostupnosti regionov s pozicij osvoeniya i razvitiya" [The use of a geoinformation system to assess the infrastructural accessibility of regions from the perspective of development], Informacionnye i matematiches-kie tekhnologii v nauke i upravlenii, № 3 (23), pp. 40-48 (in Russian).
28. Gareeva, G. A., Hamidullin, M. R., Salahov, E. F. i dr. (2022). "Razrabotka programmy mashinnogo zreniya dlya raspoznavaniya tekstovyh dannyh na izobrazheniyah" [Development of a machine vision program for recognizing text data in images], Nauchno-tekhnicheskij vestnik Povolzh'ya, № 6, pp. 58-60 (in Russian).
29. Pal'mov, S. V., & Shirshov, I. A. (2022). "Mnogoprocessornost' v Python" [Multiprocessing in Python], Nauka i biznes: puti razvitiya, № 6 (132), pp. 28-31 (in Russian).
30. Zufarova, A. S., & Suhodub, R. A. (2022). "Metodika obucheniya programmirovaniyu uchashchihsya: problemy i resheniya" [Methods of Teaching Programming to Students: Problems and Solutions], Upravlenie obrazovaniem: teoriya i praktika, № 4 (50), pp. 166-174 (in Russian).
31. Vorob'eva, V. V., Ginzburg, I. B., & Kondrashov, Yu. N. (2023). "Izuchenie bibliotek yazyka Python dlya analiza dannyh v srede Jupyterlab" [Learning Python libraries for data analysis in the Jupyterlab environment], Nauchno-tekhnicheskij vestnik Povolzh'ya, № 4, pp. 66-68 (in Russian).
32. Li, S., Pan, S., & Wang, L. (2021). "Teaching Methods of University Economic Management Course Based on Python", 2020 International Conference on Applications and Techniques in Cyber Intelligence: Applications and Techniques in Cyber Intelligence (ATCI 2020), Springer International Publishing, pp. 35-39. DOI: 10.1007/978-3-030-53980-1_6 (in English).
33. Li, K. (2021). "The Influence of Python on Logical Thinking and Analysis of Teaching Countermeasures", Journal of Physics: Conference Series, IOP Publishing, vol. 1744, № 4, p. 042164. DOI: 10.1088/1742-6596/1744/4/042164. Available at: https://iopscience.iop.org/article/10.1088/1742-6596/1744/4/042164/pdf (in English).
34. Ren, H., Yang, L., Jiang, L. et al. (2021). "A Computational-thinking-oriented Progressive Teaching Mode for Python Course", 2021 IEEE 3rd International Conference on Computer Science and Educational Informatization (CSEI), Xinxiang, China, pp. 81-84. DOI: 10.1109/CSEI51395.2021.9477642. . Available at: https://ieeex-plore.ieee.org/document/9477642 (in English).
35. Wang, X., Zou, X., Yin, W. et al. (2021). "Research and Application of Computational Thinking on Python Teaching", 2021 IEEE 3rd International Conference on Computer Science and Educational Informatization (CSEI), Xinxiang, China, pp. 311-314. DOI: 10.1109/CSEI51395.2021.9477758. Available at: https://www.researchgate.net/publica-tion/353822818_Research_and_Application_of_Computational_Thinking_on_Python_Teaching (in English).
Вклад авторов
И. В. Абрамова - сбор, анализ и систематизация отечественных и зарубежных научных источников по теме исследования, организация, проведение и анализ результатов анкетирования среди обучающихся.
З. В. Шилова - общее руководство и планирование исследования, формулировка выводов, составление и оформление итогового варианта статьи, подготовка и оформление литературных источников.
Contribution of the authors
I. V. Abramova - collection, analysis and systematization of domestic and foreign scientific sources on the research topic; organization, conducting and analysis of the results of the survey among students.
Z. V. Shilova - general supervision and planning of the study, formulation of conclusions, preparation and design of the final version of the article, preparation and formatting of literary sources.
