CC BY
31
Высшее образование
УДК 378.146
Подходы к измерению компетентности специалиста и оценка его сформированности
Approaches to measuring the competence of a specialist and assessing his formation
Сериков В.В., ФГБНУ «ИСРО РАО», г. Москва, [email protected] Леонтьев А.В., ФГБОУ ВО «КГЭУ», г. Казань, [email protected] Закиева Р.Р., ФГБОУ ВО «КГЭУ», г. Казань, [email protected]
Serikov V., FSBSI «ISRO RAO», Moscow, [email protected] Leontiev A., FSBEIHE «KSPEU», Kazan, [email protected] Zakieva R., FGBOU VO «KSPEU», Kazan, [email protected]
DOI: 10.51379/KPJ.2022.151.1.003
Ключевые слова: компетентность, сформированность выпускника, технология оценки, подготовка кадров, управление качеством образования.
Keywords: competence, graduate formation, assessment technology, personnel training, education quality management.
Аннотация. Актуальность статьи обусловлена необходимостью эффективного оценивания, измерения компетентности специалиста, основанной на непрерывной оценке его развития. В педагогической науке и практике отсутствует технология оценки уровня сформированности профессиональной компетентности выпускника технического ВУЗа, позволяющая использовать её как важнейший элемент целостной структуры управления качеством образования. Цель исследования: провести анализ компетентностного подхода в высшем образовании и разработать педагогически обоснованную технологию оценки уровня сформированности компетентности выпускника технического университета. Объектом исследования является подготовка кадров в высших учебных заведениях. Предметом - оценка уровня сформированности профессиональной компетентности выпускника технического ВУЗа с применением цифровых технологий. Задачи исследования: провести анализ исходного состояния проблемы сформированности компетентности выпускника технического ВУЗа; выявить пробелы в изученности проблемы исследования; систематизировать существующие подходы к оценке уровня сформированности профессиональной компетентности студентов технических ВУЗов. Результаты исследования вносят вклад в совершенствование стратегии развития университетов и имеют важное прикладное значение для модернизации российского образования.
Abstract. The relevance of the article is due to the need for effective assessment, measurement of a specialist's competence, based on a continuous assessment of his/ her development. There is no technology for assessing the level offormation of the professional competence of a graduate of a technical university in pedagogical science and practice, which makes it possible to use it as an essential element of an integral structure of education quality management. The purpose of this study is to analyze the competence-based approach in higher education and develop a pedagogically grounded own technology for assessing the level of competence formation of a graduate of a technical university. The object of the research is the training ofpersonnel in higher educational institutions. The subject is the assessment of the level of formation of the professional competence of a graduate of a technical university. Research objectives: to analyze the initial state of the problem of the competence formation of a graduate of a technical university; to identify gaps in the knowledge of the research problem; to systematize the existing approaches to assessing the level of professional competence of students of technical universities; to propose a technology for assessing the level of formation of professional competence of a graduate of a technical university, allowing it to be used as an essential element of an integral structure of education quality management. The research results contribute to the improvement
of the universities ' developmental strategy, and are of great applied importance for the modernization of Russian education.
Введение. Индустрия 4.0 в значительной степени связана с цифровизацией и сближением реального мира с виртуальным миром, и педагогика сейчас больше, чем когда-либо сталкивается с проблемой воспитания и образования человека. В Национальной программе «Цифровая экономика Российской Федерации на период до 2030 года» выделены ключевые компетенции цифровой экономики, в которую входят «сквозные цифровые платформы и технологии оценки качества образования: большие данные; нейротехнологии и искусственный интеллект; системы
распределённого реестра; квантовые технологии; новые производственные технологии; промышленный интернет; компоненты робототехники и сенсорика; технологии беспроводной связи; технологии виртуальной и дополненной реальностей» [5;8].Также в программе предусматривается изменение перечня таких технологий по мере появления и развития новых технологий и методик [4;10].
Под влиянием факторов внешней среды (политических, экономических,
демографических, социальных, правовых и др.) происходит переосмысление управления качеством в технических ВУЗах. Современный специалист должен уметь решать профессиональные задачи, принимать профессионально значимые решения, выполнять действия, которые свойственны его профессии и т.д. Мы должны оценивать не только «предметные» знания студента, а его готовность к таким действиям. Отсюда и возникает проблема исследования, как отсутствие технологий, методик и подходов к измерению компетентности специалиста и оценка его сформированности
Материалы и методы. Методологической основой данного исследования явились концепции научного обоснования
образовательного процесса (А.Г. Бермус, Н.В. Бордовская, В.М. Полонский, Н.Л. Селиванова, В.В. Сериков, В.В. Юдин), компетентностного подхода, позволяющие уточнить представления о качестве образования (В.А. Болотов, И.А. Зимняя, В.С. Леднев, А.В. Хуторской) и теоретические основы информатизации образования (А.М. Кондаков, И.В. Роберт, И.И. Трубина) [3;6;7].
На сегодняшний день в учебных планах по одному и тому же направлению подготовки одинаковые по названию дисциплины имеют различные компетенции. Поэтому становится
ясным, что «осуществление объективной оценки качества профессионального развития студентов становится маловероятным» [9]. Тем самым, имеется нерешенная наукой проблема унификация процедуры оценивания,
обеспечивающей единообразие и сравнимость полученных результаты с определенной дельтой, привязанной к эталону. Оценочные материалы важны как для внутренней, так и для внешней оценки.
В.А. Болотов и В.В. Сериков В.В. в одной из своих работ дают следующее определение компетентности: «способ существования знаний, умений, образованности, способствующий личностной самореализации, нахождению воспитанником своего места в мире, вследствие чего образование предстает как высокомотивированное и в подлинном смысле личностно ориентированное, обеспечивающее максимальную востребованность личностного потенциала, признание личности окружающими и осознание ею самой собственной значимости» [1;2], то есть это владение профессиональной деятельностью, результатом которого служат личностные и профессионально значимые характеристики качества подготовки
специалистов. Компетентный человек может выполнять профессиональные функции. Главное в компетентности - адекватное принятие смысла деятельности, владение её ориентировочной основой, освоенность опыта выполнения этой деятельности, готовность к реконструкции этого опыта и саморазвитию в меняющейся среде.
Мы считаем, что компетентность специалиста является оценочным понятием. Каждая компетенция может и должна быть измерена. Оценка качества подготовки студентов в высшем образовании нуждается в единой технологии оценки уровня сформированности
профессиональной компетентности выпускника технического ВУЗа для разработки и корректировки его программы развития и саморазвития, позволяющая использовать её как важнейший элемент целостной структуры управления качеством образования.
В своих исследованиях мы будем придерживаться единого алгоритма, логики и последовательности действий при оценке качества подготовки студентов с помощью цифрового двойника, которые показаны на рисунке 1.
Теоретико- Структурно- Процессуально-
целевой содержателъный технологический
блок блок блок
Цель Элемент Методика
профиля, (технология)
подлежащий оценки
оценке (С помощью чего?
(Что измерять?) Инструментарий?)
Оценочно-результативны й блок
Рекомендации по
корректировке элемента профиля
Рисунок 1. - Алгоритм разбора элементов структуры личности
Результаты исследования. Предложенная нами технология оценки уровня сформированности профессиональной
компетентности выпускника технического ВУЗа в идеологии цифрового двойника позволяет маршрутизировать студента, даёт ему рекомендации по его дальнейшему пути развития. Алгоритм предсказания представляет собой компиляцию нейросетевых подпрограмм. Каждая такая вспомогательная нейросеть предсказывает оценки студента по нарастающей, лавинообразно. Например, первая нейросеть предсказывает
оценки следующего года исходя из оценок одного прошлого года. Вторая нейросеть будет брать оценки из двух предыдущих лет, чтобы предсказать третий. Третья нейросеть возьмет данные из трех предыдущих лет и т.д. Чем дальше нужно предсказать, тем больший объем входных данных требуется. При этом, при желании предсказать все возможные оценки на будущее, входные данные для позднего периода могут являться выходными данными из нейросети предыдущего периода, см. рисунок 2б.
Рисунок 2. -Порядок алгоритма предсказания оценок студента
Вспомогательные нейросети тренируются лавинообразно, подобно вышеописанному процессу предсказания. Сначала происходит тренировка нейросети для двух лет: первая сеть учится предсказывать оценки второго года по оценкам первого. Затем то же самое происходит для трех лет: по двум прошлым годам вторая вспомогательная нейросеть тренируется предсказывать третий и т.д., см. рисунок 2а.
Каждая вспомогательная нейросеть имеет архитектуру многослойного перцептрона, с
десятью нейронами в скрытом слое. Количество нейронов в первом слое равно числу предметов в предыдущий период. Количество нейронов в последнем слое соответствует числу предметов в следующем году. Таким образом, после тренировки нейросетей значения оценок определяются нейронами последнего слоя. В качестве основы для построения нейросетей нами применялась библиотека «пеиго1аЬ»,
многослойные перцептроны задавались функцией «newff», затем происходила их тренировка.
При «тренировке» нейросети, периодически происходит операция извлечения оценок запрашиваемых периодов времени. Извлекаются оценки предыдущего(щих) года(лет) и оценки следующего года. Таблица тренировочных данных состоит из оценок, каждая строка соответствует отдельному студенту, каждый столбец соответствует отдельному предмету, каждый столбец пронумерован в соответствии с годом внесения оценки. Поэтому для того, чтобы извлечь данные за определенный год, программа учитывает годичную нумерацию столбцов и
выдаёт столбцы с предметами запрашиваемого года. Полученные таким образом данные являются тренировочными для вспомогательных нейросетей, см. рисунок 3. На рисунке 4 продемонстрирован набор тренировочных данных студента (А). Программа выдаёт предсказание - оценки до конца обучения (Б).
Графическое представление предсказаний оценок студентов продемонстрированы на рисунке 5, где синие точки - реальные оценки, оранжевые - предсказанные.
№ 2018 2018 ... 2019 2019
Студента Физика Химия Философия Электрические
цепи
1 4 5 ... 3 5
2 5 5 ... 4 4
999 2 3 ... 4 2
Рисунок 3. -Пример тренировочных данных
А Оценки студента Физика 4 Химия 5 Философия ? Электрические цепи 9
Б Предсказание 4 5 2,99 4,8
Рисунок 4. -А. -пример входных данных тестируемого студента; Б. -результат с предсказанием (входные данные возвращаются без изменений)
О П.О 2 О ЗО 40 50 6 0 70
Но мер предмета
Рисунок 5. -Графическое представление предсказания: синие точки -реальные оценки, оранжевые -предсказанные оценки
Следует подчеркнуть, что для развития и саморазвития студента необходимо видеть его профиль, а для оценки и самооценки нужны соответствующие инструменты и технологии.
В нашем исследовании, предметы, рассматриваются и конструируются как компоненты модулей, последовательность которых обеспечивает восхождение к профессии. Мы считаем, что чисто «предметное» обучение сегодня уходит в прошлое, необходимо
рассматривать целостную систему оценки качества подготовки студентов.
Процесс овладения инженерной
деятельностью представляет собой
последовательность ситуаций освоения профессиональных компонентов, которых представлена на рисунке 6.
Модель современной технической (инженерной) деятельности представлена на рисунке 7.
Смысл
Ориентировка
Опыт
Саморазвитие
Рисунок 6. - Последовательность освоения профессиональных компонентов
Рисунок 7. - Модель современной технической (инженерной) деятельности
Заключение. В данном исследовании на основе проведенного анализа компетентностного подхода в высшем образовании предложена педагогически обоснованная технология оценки уровня сформированности компетентности выпускника технического университета. Представленная нами технология позволяет быстро реагировать не только на изменения, происходящие в обществе, но и на требования, предъявляемые обществом к уровню подготовки специалистов; даёт возможность обучающимся
строить свой индивидуальный профиль и сопоставлять его с цифровой идеальной моделью своего двойника, формировать, измерять, диагностировать и давать рекомендации по программе индивидуального развития и саморазвития студента. Результаты исследования вносят вклад в совершенствование стратегии развития университетов и имеют важное прикладное значение для модернизации российского образования.
Литература:
1. Болотов В.А., Левицкий М.Л. Педагогическое образование в контексте вызовов XXI века: актуальность трансформации: монография / В.А. Болотов, М.Л. Левицкий, И.М. Реморенко и др. // Педагогическое образование в современной России.
Стратегические ориентиры; науч. ред. Ю.П. Зинченко. - Ростов-н/Д; Таганрог: Издательство Южного федерального университета, 2020. - С. 21-36.
2. Болотов В.А., Сериков В.В. Компетентностная модель: от идеи к образовательной программе / В.А.
Болотов, В.В. Сериков // Педагогика. - 2003. - № 10. - С. 8-14.
3. Жигалёв Б.А. Система оценки качества профессионального образования в лингвистическом вузе: дис. ... д-ра пед. наук: 13.00.08 / Жигалев Борис Андреевич. - Шуя, 2012. - 404 с.
4. Палагутина М.А., Палагутин А.В., Серповская И.С. Нейросетевые технологии в обучении иностранному языку: сборник / М.А. Палагутина, А.В. Палагутин, И.С. Серповская // Информатика: проблемы, методология, технологии / Материалы XIX международной научно-методической конференции; под ред. Д.Н. Борисова. - 2019. - С. 2050-2054.
5. Полтева Т.В., Быкова Н.Н. Современное состояние рынка цифровых финансовых технологий в России / Т.В. Полтева, Н.Н. Быкова // Карельский научный журнал. - 2017. - Т. 6. - № 4 (21). - С. 263-266.
6. Роберт И.В., Лавина Т.А. Толковый словарь терминов понятийного аппарата информатизации образования / И.В. Роберт, Т.А. Лавина; под ред. И.В.
Роберт, Т.А. Лавиной, Л.Л. Босовой. - М.: БИНОМ. Лаборатория знаний, 2011. - 69 с.
7. Сериков В.В. Педагогическая реальность и педагогические знания. Опыт методологической рефлексии: монография / В.В. Сериков. - М.: Ред.-изд. дом Российского нового университета, 2018. - 291 с.
8. Указ Президента Российской Федерации от 21.07.2020 № 474 «О национальных целях развития Российской Федерации на период до 2030 года».
9. Шабанов Г.А. Переход к подготовке кадров по обновленным образовательным стандартам как комплексная проблема / Г.А. Шабанов // Высшее образование сегодня. - 2018. - № 12. - С. 13-18.
10. Юсупов Д.Ф. Компьютерное обучение предмета «строительные материалы» на основе нейросетевых технологий / Д.Ф. Юсупов // Вестник Кыргызского государственного университета строительства, транспорта и архитектуры им. Н. Исанова. - 2013. - № 3. - С. 49-53.
References:
1. Bolotov V.A., Levitsky M.L. Pedagogical education in the context of the challenges of the XXI century: the relevance of transformation: monograph / V.A. Bolotov, M.L. Levitsky, I.M. Remorenko, and etc. // Pedagogical education in modern Russia. Strategic guidelines; scientific ed. Yu.P. Zinchenko. - Rostov-n/D; Taganrog: Southern Federal University Press, 2020. - Pp. 21-36.
2. Bolotov V.A., Serikov V.V. Competence model: from idea to educational program / V.A. Bolotov, V.V. Serikov // Pedagogy. - 2003. - № 10. - S. 8-14.
3. Zhigalev B.A. The system for assessing the quality of vocational education in a linguistic university: dis. ... Dr. ped. Sciences: 13.00.08 / Zhigalev Boris Andreevich. -Shuya, 2012. - 404 p.
4. Palagutina M.A., Palagutin A.V., Serpovskaya I.S. Neural network technologies in teaching a foreign language: collection / M.A. Palagutina, A.V. Palagutin, I.S. Serpovskaya // ICT: problems, methodology, technologies / Proceedings of the XIX International Scientific and Methodological Conference; ed. D.N. Borisov. - 2019. - S. 2050-2054.
5. Polteva T.V., Bykova N.N. The current state of the digital financial technology market in Russia / T.V. Polteva,
N.N. Bykova // Karelian scientific journal. - 2017. - V. 6. -№ 4 (21). - S. 263-266.
6. Robert I.V., Lavina T.A. Explanatory dictionary of terms of the conceptual apparatus of informatization of education / I.V. Robert, T.A. Avalanche; ed. I.V. Robert, T.A. Lavina, L.L. Bosovoi. - M.: BINOM. Knowledge Laboratory, 2011. - 69 p.
7. Serikov V.V. Pedagogical reality and pedagogical knowledge. Experience of methodological reflection: monograph / V.V. Serikov. - M.: Publishing ed. house of the Russian New University, 2018. - 291 p.
8. Decree of the President of the Russian Federation dated July 21, 2020 No. 474 "On the national development goals of the Russian Federation for the period up to 2030".
9. Shabanov G.A. Transition to personnel training according to updated educational standards as a complex problem / G.A. Shabanov // Higher education today. - 2018. - № 12. - S. 13-18.
10. Yusupov D.F. Computer-based training of the subject "constructing materials" based on neural network technologies / D.F. Yusupov // Bulletin of the Kyrgyz State University of Construction, Transport and Architecture. N. Isanova. - 2013. - № 3. - S. 49-53.
5.8.7. Методология и технология профессионального образования (13.00.08 - Теория и методика профессионального образования)
Сведения об авторах:
Сериков Владислав Владиславович (г. Москва, Россия), член-корреспондент РАО, профессор, доктор педагогических наук, главный научный сотрудник лаборатории теоретической педагогики и философии образования ФГБНУ «ИСРО РАО», e-mail: [email protected]
Леонтьев Александр Васильевич (г. Казань, Россия), доктор педагогических наук, профессор, первый проректор-проректор по УР ФГБОУ ВО «КГЭУ», e-mail: [email protected]
Закиева Рафина Рафкатовна (г. Казань, Россия), кандидат педагогических наук, доцент кафедры ПЭС ФГБОУ ВО «КГЭУ», e-mail: [email protected]
