CC BY
13Языковая игра в развлекательной форме на языке и на уроках иностранного языка позволяет повысить мотивацию к изучению иностранного языка, укрепить базовые навыки, ускорить решение междисциплинарных заданий на английском языке, способствовать самообразованию школьников, привить уважение к социокультурным ценностям жителей разных стран, способствует процессу социализации обучающихся при совместном решении поставленных задач.
Применение юмора на уроках английского языка является своеобразным инструментом, при помощи которого сотрудничество учителя с обучающимися становится продуктивным. Безусловно, урок не должен превращаться в комическое шоу развлекательного характера. Однако учитель может приносить на уроки хорошее настроение, оптимизм, воспитывать у детей хорошее чувство юмора и такта.
Юмор является хорошим способом удержания концентрации внимания учащихся при утомительном занятии с, возможно, не самой интересной темой, к примеру, грамматической. При грамотном использовании юмор станет незаменимым помощником в мотивации обучающихся. Смешное помогает снять напряжение, если создается конфликтная ситуация или возникают вопросы недопонимания. Хорошее чувство юмора может помочь учителю поднять настроение в классе, наладить контакт с учениками, не желающими идти на контакт, и настроить их на нужный лад с самого начала занятия.
Шутливые материалы развивают креативность, познавательную деятельность и повышают мотивацию учеников. Воспитательная ценность комических материалов определяется помощью в формировании положительных черт характера. С психологической точки зрения комическое помогает учащимся младшего возраста облегчить преодоление чрезмерного возбуждения и неусидчивости на занятиях, способствует развитию концентрации внимания и созданию ситуации успеха.
Литература:
1. Капкова, С.Ю. Языковая игра как способ реализации комического// Universum: филология и искусствоведение. -М.: 2014. - URL: https://7universum.com/ru/philology/archive/item/1008 (дата обращения: 05.02.2022).
2. Кораблева, Е.Д., Люляева Н.А. Использование комиксов в обучении иностранному языку поколения Z: возможности и угрозы // Научная дискуссия: вопросы филологии и методики преподавания иностранных языков: сборник статей по материалам Международной научно-практической конференции (4-5 апреля 2019 г.). - Вып. 3. - Н. Новгород: Мининский университет, 2019. - С. 184-187.
3. Кораблева, Е.Д., Люляева Н.А. Лингвистические особенности комиксов и их учет в обучении английскому языку // Научная дискуссия: вопросы филологии и методики преподавания иностранных языков: сборник статей по материалам Международной научно-практической конференции (2-3 апреля 2020 г.). - Вып. 4. - Н. Новгород: Мининский университет, 2020. - С. 54-56.
4. Кулинич, М.А. Лингвокультурология юмора. - С.: Изд-во СамГПУ, 1999. - 180 с.
5. Николаев, А.И. Основы литературоведения. Учебное пособие для студентов филологических специальностей. -Иваново: ЛИСТОС, 2011. - 255 с.
6. Пропп, В.Я. Проблемы комизма и смеха. - М.: Издательство «Лабиринт», 1999. - 288 с.
7. Тумашева, О.В. Готовность будущего учителя к формированию функциональной грамотности обучающихся // Вестник Мининского университета. - 2021. - Т. 9, №3. - С. 3.
8. Фролова, С.В. Профессиональное воспитание будущего учителя: дискуссия о концептуальных положениях // Вестник Мининского университета. - 2021. - Т. 9, № 2. - С. 4.
9. Blake Barry J. Playing with words: Humour in the English language. Equinox Publishing Ltd, 2007. - 192 p.
10. Podgorecki, J., Ropski J. Communicative competence // Историческая и социальнообразовательная мысль. Краснодар, 2015. - №6-1. - Т. 7. - С. 173-178.
Педагогика
УДК 37.022
кандидат физико-математических наук, старший преподаватель Бельмесова Светлана Сергеевна
Федеральное государственное автономное образовательное учреждение высшего образования «Национальный исследовательский Нижегородский государственный университет имени Н.И. Лобачевского» (г. Нижний Новгород); кандидат физико-математических наук, преподаватель Нуятов Андрей Александрович
Федеральное государственное автономное образовательное учреждение высшего образования «Национальный исследовательский Нижегородский государственный университет имени Н.И. Лобачевского» (г. Нижний Новгород)
СРАВНИТЕЛЬНЫЙ ДИСПЕРСИОННЫЙ АНАЛИЗ КАЧЕСТВА ДИСТАНЦИОННОГО ОБУЧЕНИЯ В ВУЗЕ
Аннотация. В статье дан сравнительный анализ очного и дистанционного обучения. Цель исследования - проверка гипотезы о влиянии способа обучения на изучение математической дисциплины. Основой исследования является эксперимент, в котором группа студентов изучает некоторую математическую дисциплину очно и дистанционно. Однородность группы студентов очень важна в нашем исследовании. Используя метод кластеризации К-средних мы разделили группу студентов на три подгруппы. Студенты каждой подгруппы имеют одинаковый базовый уровень знаний по математике. Балл ЕГЭ по математике определяет базовый уровень знаний по математике в нашем исследовании. Результаты эксперимента проанализированы с использованием методов дисперсионного анализа. Дисперсионный анализ помогает нам изучить влияние одного или нескольких факторов на исследуемую переменную. Форма обучения является фактором в нашем эксперименте. Качество обучения является исследуемой переменной. Мы используем для дисперсионного анализа критерий Фишера и критерий Джонхиера. Критерий Фишера показывает нам, что форма обучения является значимым фактором, если студент имеет балл ЕГЭ по математике больше или равный 50. Возникает вопрос: качество обучения для этой подгруппы студентов больше при очном обучении или при дистанционном обучении? Критерий Джонхиера показывает нам, что качество обучения является максимальным при очной форме обучения.
Ключевые слова: дистанционное обучение, очное обучение, метод К-средних, критерий Фишера, критерий Джонхиера. Annotation. Comparative analysis of full-time learning and distance learning are given in this article. The main of research is verify the hypothesis about the influence of the way of learning to study the mathematical subject. Base of research is the experiment in which the student's group studies some mathematical subject on full-time learning and distance learning. The homogeneity of the group of students is very important in our research. Using the K-means method, we divides the student's group into three subgroups. Students of each subgroup have the same basic level of knowledge in mathematics. USE score in mathematics defines the basic level of knowledge in mathematics in our research. The results of experiment are analyzed with methods of dispersion analysis. Dispersion analysis is help us to study the influence one or more factors on research's variable. Form of education is factor in our eхperiment. Quality of education is research's variable. We using Fisher's test and Jonckheere test for dispersion analysis. The Fisher's test show
us that the form of education is significant factor if student have USE score in mathematics more or equal 50. We have the question: does the quality of learning for this student's subgroup are bigger on full-time learning or on distance form learning? Jonckheere test show us that the quality of learning is maximum for full-time form of learning.
Key words: distance learning, full-time learning, method K-means, F-test, Jonckheere test.
Введение. Стартом для развития дистанционного образования в России можно считать 30 мая 1997 года, когда вышел приказ № 1050 Минобразования России, позволяющий проводить эксперимент дистанционного обучения в сфере образования. Позднее в приказе 137 Министерства образования и науки РФ от 06.05.2005 «Об использовании дистанционных образовательных технологий», появилось уточнение о возможности проводить итоговый контроль дистанционного обучении как очно, так и дистанционно. Тем не менее массово дистанционное обучение не вводилось до марта 2020 года, когда мир захлестнула пандемийная волна COVID-19. На тот момент руководители ВУЗов впервые столкнулись с дистанционным обучением, которое имело нелокальный характер. Появилось много задач, требующих молниеносных правильных решений. В тот период многие восприняли введение повсеместного дистанционного обучения как временную меру. Однако, спустя почти два года стало ясно, что дистанционное образование - это наша реальность и нужно настроить дистанционный образовательный процесс так, чтобы максимизировать количество квалифицированных специалистов на выходе.
Вопросами дистанционного обучения занимаются многие авторы см., например, работы [7-10]. На данный момент практически во всех ВУЗах дистанционное обучение проводится зачастую двумя способами: телеконференция и веб-занятия. Однако, встречается также в рамках дистанционного образования способ досрочной видео-записи лекций и семинаров, которые потом студенты прослушивают и изучают самостоятельно. В данной работе проводится сравнительный анализ результатов обучения группы студентов в трех форматах: дистанционном (веб-занятия как лекционные, так и семинарские проводятся через Skype на онлайн-доске Miro), очном и самостоятельном (изучение материала по записанным заранее видео-лекциям и видео-семинарам самостоятельно). Проведен эксперимент в группе студентов, целью которого являлась проверка гипотезы о влиянии способа обучения на оценку качества освоения материала. Используя метод кластеризации K-средних студенты выбранной для эксперимента группы были разбиты на подгруппы по своему базовому уровню знаний («низкий», «средний», «хороший»). Эксперимент проводился для студентов, обучающихся математической дисциплине, и базовый уровень знаний студентов определялся результатами сданного ими ЕГЭ по математике. На протяжении семестра проводились занятия в трех описанных выше форматах. По завершении каждого этапа обучения проводилась проверка знаний в форме контрольной работы, результаты контрольных работ использовались при сравнительном анализе эффективности предложенных форм обучения в каждой подгруппе студентов.
Изложение основного материала статьи. Начнем с кластеризации выбранной группы студентов с помощью метода К-средних, используя данные результатов вступительных испытаний по математике (см. Таблицу 1).
Таблица 1
№ 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
балл 70 74 68 56 62 62 45 50 50 45 56 45 50 56 45
№ 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
балл 39 45 39 39 68 82 68 70 74 62 76 72 61 45 39
Процесс кластеризации проведем дважды с целью получения однородных кластеров. На первом шаге разобьем выборку на два кластера.
1. Произвольно выбираем из выборки центры будущих кластеров 70, С2
2. Для каждого } -ого наблюдения находим расстояния до ^ -ого центра, 1 по формуле:
'. Из расстояний , (для каждого / ) выбираем минимальное и
Í = 1,2
вычисляем новое значение ' -ого центра, которому это минимальное расстояние соответствует. Повторяем процедуру до тех пор пока не произведем пересчет центров для исходной выборки (см. Таблицу 2).
3. Для каждого нового центра
Сг =
с, =
формируем соответствующий ему кластер, по
следующему правилу: ) -ый элемент выборки принадлежит первому кластеру с центром
выполнено неравенство
l-.-c^l^-c,!.
Xj
в противном случае } принадлежит второму кластеру (см. Таблицу 3).
Таблица 2
и
Сл 70 69 62,5 62,25 62,13 53,56 51,78 50,89 47,95 51,97
с, 74 74 74 74 74 74 74 74 74 74
68 56 62 62 45 50 50 45 56 45
dj 2 13 0,5 0,25 17,13 3,56 1,78 5,89 8,05 6,97
6 18 12 12 29 24 24 29 18 29
Новый центр 69 62,5 62,25 62,13 53,56 51,78 50,89 47,95 51,97 48,48
С 48,48 49,24 52,62 48,81 43,91 44,45 41,73 40,36 40,36 40,36
с, 74 74 74 74 74 74 74 74 71 76,5
50 56 45 39 45 39 39 68 82 68
d-l 1,51 6,76 7,62 9,81 1,09 5,45 2,73 27,64 41,64 27,64
24 18 29 35 29 35 35 6 11 8,5
Новый центр 49,24 52,62 48,81 43,91 44,45 41,73 40,36 40,36 40,36 72,25
Сл 40,36 40,36 40,36 40,36 40,36 40,36 40,36 42,68 40,84
с, 72,25 71,13 72,56 67,28 71,64 71,82 66,41 66,41 66,41
70 74 62 76 72 61 45 39
29,64 33,64 21,64 35,64 31,64 20,64 4,64 3,68
2,25 2,88 10,56 8,72 0,36 10,82 21,41 27,41
Новый центр 71,13 72,56 67,28 71,64 71,82 66,41 42,68 40,84
Таблица 3
ху- 40,84 г,--66,41 х,- - 40,84 \х} - 66,41
70 29,16 3,59 39 1,84 27,41
74 33,16 7,59 45 4,16 21,41
68 27,16 1,59 39 1,84 27,41
56 15,16 10,41 39 1,84 27,41
62 21,16 4,41 68 27,16 1,59
62 21,16 4,41 82 41,16 15,59
45 4,16 21,41 68 27,16 1,59
50 9,16 16,41 70 29,16 3,59
50 9,16 16,41 74 33,16 7,59
45 4,16 21,41 62 21,16 4,41
56 15,16 10,41 76 35,16 9,59
45 4,16 21,41 72 31,16 5,59
50 9,16 16,41 61 20,16 5,41
56 15,16 10,41 45 4,16 21,41
45 4,16 21,41 39 1,84 27,41
Получили следующие кластеры
45 50 50 45 45 50 45 39 45 39 39 45 39
70 74 68 56 62 62 56 56 68 82 68 70 74 62 76 72 61
На втором шаге применим описанную выше процедуру кластеризации к элементам полученных на первом шаге кластеров. Имеем:
45 45 45 45 39 45 39 39 45 39 Разбиение первого кластера
50 50 50
70 74 68 68 82 68 70 74 76 72 Разбиение второго кластера
56 62 62 56 56 62 61
Соберем из четырех кластеров три объемом 10 следующим образом: кластеры 2 и 4 объединим, а кластеры 1 и 3 оставляем без изменения. Таким образом, мы получили распределение студентов исходной группы на три подгруппы с «низким» базовым уровнем знаний (балл ЕГЭ 39,45), «средним» уровнем знаний (балл ЕГЭ 50-62) и с «хорошим» уровнем знаний (балл ЕГЭ 68-82) (см. Таблицу 4).
Таблица 4
70 74 68 68 82 68 70 74 76 72 Подгруппа 1
56 62 62 50 50 56 50 56 62 61 Подгруппа 2
45 45 45 45 39 45 39 39 45 39 Подгруппа 3
Каждую из полученных в результате кластеризации подгрупп последовательно обучаем самостоятельно, онлайн и очно с обязательной проверкой эффективности обучения (контрольная работа) в конце. Контрольные работы имеют одинаковую трудоемкость, состоят из пяти задач с постепенным нарастанием сложности и оцениваются по пятибалльной шкале так, что при решении двух и менее задач студент получал оценку 2, при решении трех задач - оценку 3, при решении четырех задач - оценку 4, при решении пяти задач-оценку 5. Результаты проведенных контрольных работ по каждой подгруппе представлены в таблице 5.
Таблица 5
Подгруппа 1 Подгруппа 2 Подгруппа 3
К/р №1 К/р №2 К/р №3 К/р №1 К/р №2 К/р №3 К/р №1 К/р №2 К/р №3
4 4 5 3 4 4 2 3 3
4 5 5 3 4 4 2 2 3
4 4 5 3 4 3 3 2 3
3 4 4 2 3 3 3 3 3
5 5 5 2 2 3 2 2 2
3 3 4 3 3 4 2 3 2
3 3 4 2 3 3 2 3 2
4 4 5 3 3 4 2 3 3
4 5 5 4 4 4 3 2 3
4 5 4 2 3 3 3 2 2
Проведем однофакторный дисперсионный анализ для проверки существования различий выбранных для эксперимента форм обучения для каждой подгруппы.
Воспользуемся критерием Фишера-Снедекора. Сформулируем необходимые гипотезы. Гипотеза п 0 : влияние способа обучения на результат обучения незначимо. Гипотеза ^ 1: влияние способа обучения на результат обучения статистически " ^вабл <
значимо. Гипотеза 110 принимается в случае выполнения неравенства случае выполнения неравенства ^ набл ■* ' крит-
нрит'
Пусть ^ - номер наблюдения (номер студента), ^
количество наблюдений
гипотеза 111 принимается в
Через У11У12 УIз
обозначим балл ' -ого студента за контрольную работу, проведенную по окончании самостоятельного обучения, по окончании онлайн-обучения и по окончании очного обучения соответственно. Составим дисперсионную таблицу для
п
Ъ-Ь'ч
каждой подгруппы и вычислим эмпирическое значение Г-статистики. Для этого нам потребуются формулы: ¿=1
Р Р 2 . Р Р
р 2 р р 2
Ь = £Уи>5о6щ = ^ - — Ту) ,5факг = Т} - - (X Г>) ;
£=1 ;=1 ■ }=\ 1=1
^Аа к«т гт. 3 л — ®
V _ С _ С г С2 _
-эОГГ ^о&щ -'факт* ^флкт „
£2 =
'ост
р(ч - 1)
, р.
][Д1!Л
фант
Для каждой подгруппы имеем
р = 3 С[ = 71 = ю к±
Р - Ч
—■ (уровень
а = ОД
значимости таблиц, получаем:
). Тогда, используя приведенные формулы расчета " -статистики и данные дисперсионных
для подгруппы 1
■^обш ^фии 2, Лост 11,6
С2 = факт
1, 6. 5,
2 _
О, 43;.
следовательно
' иаАл
= 3,72
способа обучения в данной подгруппе.
подгруппы
и выполнено неравенство ^ ^ крмт принимаем гипотезу о значимости
5общ = 14> ^(Ьэкг = 46> Богт = 7
1, 73, 5ССТ 0, 39, Рнабл 374-'/гКр]1Т
, и следует принять гипотезу о значимости способа
• ДЛЯ
л =
обучения в выбранной подгруппе
• ДЛЯ п2 _ л тэо
"■ОГГ
' фзкт
подгруппы
3
тогда
4^=0.233,^ = О, 229.; ^ = 6,67,5^ = 0,467, = 6,2, .
на^Л крнт ^ следовательно, принимается гипотеза о незначимости способа обучения.
Результаты, полученные в этой части работы, свидетельствуют о том, что способ обучения принципиален лишь для подгрупп 1 и 2 студентов с баллом ЕГЭ не меньшим 50, для подгруппы 3 студентов с баллом ЕГЭ меньшим 50 нет различия в способе обучения математической дисциплине, поскольку их базовый уровень знаний по математике слишком низок для хорошего усвоения материала.
Ответим на вопрос: будет ли наблюдаться рост эффективности обучения при следующей последовательной смене способов обучения: «самостоятельное обучение» - «онлайн-обучение» - «очное обучение»?
В этой части эксперимента будем работать только с подгруппами 1 и 2, поскольку для них установлена значимость способа обучения как фактора, влияющего на эффективность усвоения материала.
и
2
Применим к
критерий
Джонкхиера.
Статистика
критерия
определяется
равенством
п
5 = 2^ ■■
■ 1Г
а
и
где
7=1
^ -количество выборок случайных величин, для каждой ^ -
ой выборки через обозначено количество наблюдений в оставшихся выборках больших, чем - ) -(
ое наблюдение
в ' -ой выборке, } 'V Гипотеза отсутствия сдвига отклоняется, если ^ ^а и принимается при ^ "" ^а , где ^£1
табулированное при небольших объемах выборок значение. При п— применима аппроксимация нормальным
квантиль нормального распределения и ^ ^^, ^ ^^
распределением определены в силу равенств:
где
а:
/. к к \ \\=1 ¿=1 /
к
ч * ' ¿=1
Введем следующие обозначения. Пусть А-выборка с результатами контрольной работы №1, проведенной по завершении самостоятельного обучения, В-выборка с результатами контрольной работы № 2, проведенной по завершении онлайн - обучения, и С-выборка с результатами контрольной работы №3, проведенной по завершении очного обучения. Для
каждого значения выборки посчитаем количества наблюдений в выборках ^
X ■
и С больших, чем Ч ; для
каждого значения выборки ^ вычислим количество наблюдений в выборке ^ больших . Упорядочим данные Таблицы 3 в соответствии с выбранным порядком сравнения.
Таблица 6
Подгруппа 1 Подгруппа 2
А<В А<С В<С А<В А<С В<С
4 6 6 4 5 0
4 6 0 4 5 0
4 6 6 4 5 0
8 9 6 9 9 5
0 0 0 9 9 9
8 9 9 4 5 5
8 9 9 9 9 5
4 6 6 4 5 5
4 6 0 0 0 0
4 6 0 9 9 5
Статистика критерия Имеем:
для подгруппы 1, применим аппроксимацию нормальным распределением и вычислим
Тогда выполнено Следовательно, выборки
отсутствия сдвига можно принять.
упорядочены и существует статистически значимая тенденция возрастания показателей успеваемости в подгруппе 1 в следующем порядке смены способов обучения:«самостоятельное обучение» - «онлайн-обучение» - «очное обучение».
Для подгруппы 2 имеем: ^а
ЛВ,с
поэтому гипотезу отсутствия сдвига также можно принять.
Следовательно, выборки * ч "' " упорядочены и существует статистически значимая тенденция возрастания показателей успеваемости при смене способов обучения («самостоятельное обучение» - «онлайн-обучение» - «очное обучение») и в подгруппе 2.
Выводы. Проведенный эксперимент в группе студентов, показал наличие явной зависимости результатов обучения от способа обучения студентов, имеющих «хороший» или «средний» базовый уровень знаний; при этом результат обучения достигает своей максимальной величины (в баллах) когда обучение в этих группах происходит очно. Если говорить о студентах с «низким» базовым уровнем знаний по математике, то освоение ими математических дисциплин в ВУЗе затруднено при выборе любого способа обучения. Поэтому подобные группы студентов есть смысл отправлять на постоянное дистанционное обучение, а группы студентов со «средним» и «хорошим» базовым уровнем обучать очно с целью достижения максимального качества их образования и при необходимости отправлять на дистанционное обучение, поскольку высокая мотивация и целеустремленность этих групп студентов позволит им изучить материал на достаточно хорошем (пусть и не максимальном) уровне.
Литература:
1. Айвазян, С.А. Прикладная статистика и основы эконометрики / С.А. Айвазян, В.С. Мхитарян. - Москва: ЮНИТИ, 1998. - 1022 с.
2. Айвазян, С.А. Прикладная статистика в задачах и упражнениях / С.А. Айвазян, В.С. Мхитарян. - Москва: ЮНИТИ, 2001. - 270 с.
3. Гласс, Д. Статистические методы в педагогике и психологии / Д. Гласс, Д. Стенли. - Москва: Прогресс, 1976. - 495 с.
4. Грабарь, М.И. Применение математической статистики в педагогических исследованиях: Непараметрические методы / М.И. Грабарь, К.А. Краснянская. - Москва: Педагогика, 1977. - 136 с.
5. Новиков, Д.А. Статистические методы в педагогических исследованиях (типовые случаи) / Д.А. Новиков. -Москва: М3-Пресс, 2004. - 67 с.
6. Орлов, А.И. Эконометрика / А.И. Орлов. - Москва: Экзамен, 2003. - 576 с.
7. Парахонский, А.П. Позитивные и негативные проявления дистанционного обучения / А.П. Парахонский, Е.А. Венглинская // Международный журнал экспериментального образования. - 2011. - №3. - С. 112-113.
8. Полат, Е.С. Теория и практика дистанционного обучения / Е.С. Полат, М.Ю. Бухаркина, М.В. Моисеева. - Москва: Академия, 2016. - 416 с.
9. Сергеева, Е.В. Дистанционное обучение при изучении математики / Е.В. Сергеева // Проблемы современного педагогического образования. - 2019. - №62-1. - С. 266-268.
10. Сергеева, Е.В. Дистанционный формат обучения в ВУЗе. Критерии его оценивания / Е.В. Сергеева // Проблемы современного педагогического образования. - 2021. - №70-4. - С. 318-321.
Педагогика
УДК 378.2
кандидат педагогических наук, доцент Бжиская Юлия Вячеславовна
Ростовский государственный университет путей сообщения (г. Ростов-на-Дону); кандидат филологических наук, доцент Барабанова Ирина Геннадьевна Федеральное государственное бюджетное образовательное учреждение высшего образования «Ростовский государственный экономический университет (РИНХ)» (г. Ростов-на-Дону); студентка строительного факультета Медведева Ольга Михайловна Ростовский государственный университет путей сообщения (г. Ростов-на-Дону)
ЗНАЧИМОСТЬ ИЗУЧЕНИЯ ИНОСТРАННОГО ЯЗЫКА ДЛЯ ОБЕСПЕЧЕНИЯ ТРАНСПОРТНЫХ ПЕРЕВОЗОК В
ПЕРИОД ПАНДЕМИИ
Аннотация. 2020 год вошел в историю Российской Федерации как начало пандемии новой короновирусной инфекции, которая повлекла за собой значительные изменения во все сферах жизнедеятельности человека, в том числе и транспортной. В сложившихся условиях международного грузооборота железнодорожный транспорт представляется наиболее надежным и эффективным. На современном этапе организация пассажирских перевозок невозможна без обеспечения коммуникаций на иностранном языке. В контексте международного сотрудничества знание иностранного языка - это ключевой фактор решения задачи пассажирских перевозок и обеспечения грузоборота. За рассматриваемый период при подготовке специалистов-транспортников большую актуальность имеет практическая языковая составляющая, которая позволяет грамотно обеспечивать ведение международного документооборота, являющегося юридической основой транспортного бизнеса. Так, дисциплина «Иностранный язык (академическое и профессиональное взаимодействие)» в вузах железнодорожного транспорта является одним из фундаментов, на котором строится дальнейший профессиональный рост работников, обеспечивающих развитие транспортной отрасли.
Ключевые слова: иностранный язык, международное сотрудничество, коммуникация, транспортные перевозки, пандемия.
Annotation. We know, that 2020 year is called as a year of pandemic. There are a lot of consequences of this process. It deals all spheres of our life. The transport sphere is one of them. Nowadays a railway transport is the most effective and reliable in transport conveyances. At the same time transport conveyances need a foreign language for communication. We mention a foreign language as a keypoint of all transport conveyances in international cooperation. It helps in international transport conveyances among different countries in the world. So, the process of education includes teaching a foreign language, especially during last two years. The greatest attention is paid to practical language, because it is important in international transport conveyances. So, a foreign language is paid the greatest attention nowadays. At the railway transport universities students study practical English to be a skillful s and competitive specialist in the world.
Key words: foreign language, international cooperation, communication, transport conveyances , pandemic.
Введение. Двадцатый год XXI столетия вошел в историю, как год кардинальных перемен, обусловленных влиянием короновирусной инфекции. С 11 марта 2020 года Всемирная организация здравоохранения объявила начало пандемии новой коронавирусной инфекции. Без малого два года продолжается политика «ковидных» ограничений, которые коснулись всех сфер жизнедеятельности человека. «Ковидные» ограничения не обошли и транспортно-логистическую сферу. Рассмотрим это более детально.
Анализ прошедшего периода показал, что наибольшая часть убытков транспортного сектора пришлась на авиационный сегмент. Так же немалые испытания прошли железнодорожные операторы, автотранспортные компании и морские перевозчики. Процентное отношение потерь транспортного бизнеса отражено в таблице.
