Проектирование дидактических систем нового поколения с использованием облачных технологий

Нуриев Наиль Кашапович

профессор, д.п.н., заведующий кафедрой информатики и прикладной математики,

Казанский национальный исследовательский технологический университет,

ул. К.Маркса, 68, г. Казань, 420015, (843)2314119

nurievnk@mail.ru

Старыгина Светлана Дмитриевна

доцент, к.п.н., доцент кафедры информатики и прикладной математики,

Казанский национальный исследовательский технологический университет,

ул. К.Маркса, 68, г. Казань, 420015, (843)2314119

svetacd_kazan@mail.ru

Ильмушкин Георгий Максимович

профессор, д.п.н., заведующий кафедрой высшей математики,

Димитровградский инженерно-технологический институт – филиал «Национального

исследовательского ядерного университета»,

ул. Куйбышева, 29, г. Димитровград, Ульяновская область, 433510

gera1946@yandex.ru

Шайдуллина Наталья Константиновна

ассистент кафедры информатики и прикладной математики,

Казанский национальный исследовательский технологический университет,

ул. К.Маркса, 68, г. Казань, 420015, (843)2314119

NShaydullina@yandex.ru

Аннотация

Разработан и апробирован новый класс эффективных дидактических систем, позволяющих реализовать массовую подготовку академически конкурентоспособных инженеров. Система  подготовки имеет smart web составляющую.

We developed and tested a new class of effective teaching systems that allow realize the mass training of competitive engineers. The system of training has a smart web component.

Ключевые слова

метрический подход, компетентностный подход, проектирование дидактических систем, smart образовательные системы, инженерная подготовка

metric approach, competence-based approach, the design of teaching systems, smart education systems engineering training

Конкурентоспособность инженера и ее составляющие

 Организация массовой подготовки академически конкурентоспособных инженеров является целью любого инженерного вуза. Конкурентоспособность инженера является более сложным понятием, чем его компетентность. Хотя, конкурентоспособность инженера как категория объективная, но, она является латентной и, как правило, субъективно оценивается работодателем, исходя из истории успехов (оценивается устойчивой высокой частотой успехов в прошлом). На рис. 1 приводится семантическая структура организации сложного понятия: конкурентоспособность инженера.

Рис. 1. Структура организации понятия: конкурентоспособность инженера

В быстро развивающейся среде индустриальной инженерии фактор «история успехов» теряет свою значимость для оценки конкурентоспособности инженера, а фактор «деятельностный потенциал инженера» приобретает большую значимость. Поэтому, в современных условиях уровень конкурентоспособности инженера вполне можно оценить величиной уровня развития его деятельностного потенциала.

Из сказанного следует, что для формализованной метрической оценки деятельностного потенциала инженера можно разработать многомерные многопараметрические шкалы для их оценок [1, 2].

В контексте повышения уровня развития конкурентоспособности инженера, следует отметить, что не все его составляющие одинаково развиваемы, например, количественно-качественное состояние таких показателей как, темперамент и характер почти не меняются во времени. Как следует из многочисленных источников (например, «Психология развития личности» под редакцией А. А. Реана), значения этих показателей во многом определяются наследственностью. В то же время значения показателей, характеризующие состояние деятельностного потенциала, т.е. уровни развития технического и эмоционального интеллектов при соответствующих условиях, созданных в среде с помощью специально спроектированных дидактических систем, могут быть значительно увеличены. При этом под техническим и эмоциональным интеллектами понимаются самоорганизующееся при активной деятельности инженера его внутренние инструментальные средства (способности плюс знания), необходимые ему для решения профессиональных проблем в технической и социальной сферах соответственно. В частности, например, под эмоциональным интеллектом понимается комплекс способностей и знаний, которые участвуют в осознании и понимании собственных эмоций и эмоций окружающих (переживаний, удовольствия, неудовольствия, страха, робости и т.д.). Уровень развития эмоционально интеллекта отражающихся в специфике принятии решений наряду с логическими выводами при разрешении проблем, что в конечном итоге приводит к особенному поведению человека в деятельности. Люди с высоким уровнем эмоционального интеллекта хорошо понимают свои эмоции и чувства других людей, могут управлять своей эмоциональной сферой, и поэтому в обществе их поведение более адаптивно, и они легче добиваются своих целей во взаимодействии с окружающими.

С этой позиции, компетентность или некомпетентность инженера это внешнее проявление уровней развития технического и эмоционального интеллектов вместе. Поэтому, в рамках дидактических систем речь идет о развитии технической и эмоциональной интеллектов будущих инженеров. В результате статистических исследований [3] параметрической чувствительности процессов развития будущего инженера было установлено, что самой развиваемой (мобильной) составляющей деятельностного потенциала является технический интеллект, а эмоциональный интеллект поддается развитию значительно хуже. Из этого следует, что в рамках дидактических систем, основной компонентой и целью развития конкурентоспособности будущего инженера является его технический интеллект.

Основные требования к дидактическим системам нового поколения

Образовательная политика России предполагает интеграцию в мировое образовательное пространство и нацелена занять там передовые позиции, т.е. быть конкурентоспособной образовательной системой. Очевидно, что для достижения этой цели одних организационных мероприятий, которые активно ведутся в нашей образовательной среде, явно недостаточно. Для достижения цели также необходимы дидактические системы нового поколения [4, 5], построенные на стыке достижений педагогики, психологии, информационных систем и технологий. В этих условиях требования к системам подготовки следующие:

1.     Подготовка инженера в рамках дидактических систем должна вестись согласно требованиям ФГОС ВПО.

2.     Подготовка инженера должна вестись в дидактической системе максимально приближенной в академическом смысле к среде проблем индустриальной индустрии.

3.     Дидактическая система должна быть всегда доступной для саморазвития инженера.

4.     Дидактическая система должна иметь развивающуюся квазиинтеллектуальную (smart) составляющую.

Проведем системный анализ в контексте возможности реализации этих требований в единой дидактической системе нового поколения с эскизным проектированием такой системы на практике.

Субъективная и объективная оценки академической компетентности

Для достижения академической компетентности, согласно ФГОС ВПО, инженер должен овладеть определенным (в зависимости от профиля подготовки) набором профессиональных (ПК) и общекультурных (ОК) компетенций, Согласно стандарту, овладеть какой-то конкретной компетенцией означает быть готовым (способным, уметь) разрешать проблемы в рамках этой компетенции. Как пример, рассмотрим структуру организации комплекса требуемых по стандарту компетенций, обладание которыми позволяет успешно заниматься деятельностью по направлению и профилю «Информационные системы и технологии» (рис. 2).

Рис.2. Структура организации комплекса компетенций

С введением нового образовательного стандарта Россия сделала шаг вперед на пути к достижению цели, т.е. к подготовке конкурентоспособных инженеров. Новый стандарт потребовал сделать переход с традиционных систем подготовки по передаче знаний (знаньевый формат подготовки) к новым системам подготовки, нацеленных на развитие профессионально-значимых способностей (компетентностный формат подготовки) для решения проблем, рассматриваемых в рамках комплекса компетенций. Но далее в ходе преобразований, на этапе конкретной организации и внедрении новых систем инженерной подготовки компетентностного формата на местах (в регионах), наступили трудности, т.к. по факту оказалось, что нет официально разработанных эффективных дидактических систем, позволяющих реализовать быстрое развитие требуемых по стандарту способностей, необходимых для поддержки успешной профессиональной деятельности. Эта обстоятельство, во многом, затормозило все развитие инженерной образовательной системы и способствовало продолжению кризиса.

В целом, для анализа сложившейся ситуации, т.е. выяснения причин этого торможения в системе подготовки инженеров, построим следующую информационную модель (рис. 3). В модели через пучок векторов изображены разные направления компетенций, которыми в комплексе обязательно должен (по ФГОС ВПО) овладеть инженер для поддержки успешной профессиональной деятельности. При этом на рисунке, все множество векторов разделены сплошной горизонтальной линией на два класса: вектора класса ПК (профессиональные компетенции) и ОК (общекультурные компетенции).

Рис. 3. Модель структуры организации компетенций

В рассматриваемой модели, в рамках каждого направления с названием компетенции расположены множество, упорядоченных по сложности, учебных проблем, в процессе решения которых на фоне синхронного усвоения соответствующих знаний должно происходить развитие требуемых способностей у будущего инженера. На этом рисунке учебные проблемы изображены точками на соответствующих векторах, причем, чем сложнее проблема, тем она дальше от центра (точки 0).

Как уже было отмечено, что согласно стандарту, по определению, владеть компетенцией означает быть способным (готов, уметь) разрешать проблемы, относящиеся к этой компетенции.

Основным недостатком системы подготовки инженеров в компетентностном формате стало непредсказуемость качества результата этой подготовки, т.е. ненадежность способов оценки качества владения компетенцией. В свою очередь, трудности в объективной оценке качества инженера, возникли в связи с необходимостью ответа на вопрос: до какой сложности проблемы он должен уметь (быть способным) разрешать, чтобы овладеть комплексом компетенцией и считаться академически компетентным. Следует отметить, что в рамках профиля подготовки, компетентность или некомпетентность инженера, оценивается в зависимости от качества владения его всем комплексом компетенций, предусмотренными по ФГОС ВПО, т.е. на практике, оценивается сложностью множества проблем, которые инженер должен быть готов (способен) разрешить в рассматриваемом комплексе компетенций. При этом, в ходе выбора способа оценки качества готовности инженера разрешать проблемы, появляется альтернатива: 1) качество владения комплексом компетенций можно оценить субъективно (кто как может, т.е. каждый преподаватель по-своему); 2) объективно, т.е. в метриках как это принято во всех инженерных областях науки и техники. И в этой ситуации, в системе инженерной подготовки (инженерной педагогики), официально пошли по пути субъективной оценки качества подготовленности инженера. Следует особо подчеркнуть, что сегодня, во многом, причиной торможения и «топтания на месте» в инженерном образовании является, именно, это решение о субъективной оценке качества подготовки. Суть в том, что официально принятый способ субъективной оценки качества подготовки инженера плохо приемлем для любой образовательной системы в мире. Даже бесконечные проверки качества подготовки инженеров, не смогут обеспечить требуемое по ФГОС ВПО качество, т.к. при таком способе оценки качества нет мотивации для развития инженерного образования в целом. Это следует из того, что самодостаточность субъективного способа оценки качества делает всю систему инженерной подготовки «жестким», т.е. система подготовки с субъективной оценкой всегда довольна результатом и не стремится сделать учебный процесс адаптивным, управляемым, глубоко технологичным, автоматизированным. Очевидно, в итоге не стремится создать среду для реализации массовой подготовки академически конкурентоспособных инженеров.

Из контекста сказанного следует, что для объективной оценки качества владения комплексом требуемых компетенций, необходимо обязательно установить до какой сложности (оцененные в метриках) проблемы способен (умеет) разрешать инженер. Идею способа, как это можно сделать на практике, продемонстрируем на ранее построенной модели. На рис. 3, через штриховой профиль (профиль абстрактного эталон-инженера) изображено, востребованное в актуальной индустриальной среде инженерии, состояние компетентного инженера. Это требуемое состояние компетентности выражено через предельные сложности проблем (край минимально допустимой сложности проблем), которые инженер-выпускник должен быть готов решить в промышленных условиях. На этом же рисунке, через сплошной профиль задано актуальное (на сегодняшний день) состояние компетентности инженера. На диаграмме приведен пример случая, когда профиль состояния компетентности рассматриваемого инженера не «покрывает» профиль эталон-инженера и поэтому этот инженер не может быть отнесен к классу компетентных инженеров и, как следствие, востребован в качестве профессионала в инженерной индустрии.

Разумеется, в индустриальной среде, компетентность или некомпетентность инженера проявляется, как умение или соответственно неумение разрешать профессиональные проблемы до определенной сложности. Как было уже подчеркнуто, это умение или неумение во многом зависит от уровня развития интеллекта инженера, т.к. с точки зрения деятельности интеллект может трактоваться как данное природой развиваемое инструментальное средство, необходимое для разрешения проблем. Поэтому, компетентность или некомпетентность инженера, функционально связана с уровнем развития его интеллекта. Причем, условно в абстракции, интеллект инженера может быть разделен на две составляющие: (ТИ) - технический интеллект и (ЭИ) - эмоциональный интеллект [6, 7]. Как показывает практика (результаты статистики), уровень развития ТИ инженера значимо влияет на успешность решения проблем из компетенций класса ПК, а уровень развитии ЭИ сильно влияет на успешность решения проблем из класса ОК. Эту ситуацию можно продемонстрировать на построенной модели (рис. 4), в которой, исходя из профиля качества владения компетенциями, можно говорит о технической и эмоциональной компетентности инженера.

Рис. 4. Профиль академически (технически) компетентного инженера

На этом рисунке, сплошной линией изображен профиль достижений инженера на фоне профиля требуемых достижений абстрактного «эталон-инженера» (штриховая линия). В принятых обозначениях, рассматриваемый профиль инженера позволяет утверждать о его компетентности для решения технических профессиональных проблем, но в тоже время указывает и на его эмоциональную некомпетентность для решения социальных проблем.

Метрический компетентностный формат подготовки инженера

Очевидно, чтобы процесс подготовки инженеров в дидактической системе, какой-то конструкции был эффективным, по меньшей мере, необходимо, чтобы этот процесс был бы валидной имитационной моделью деятельности по решению актуальных инженерных проблем, в конечном счете, не уступающих по сложности проблемам индустриальной инженерии. Таким образом, будущий инженер должен быть погружен в академическом смысле в квазипрофессиональную среду проблем инженерии.

Очевидно и другое, что отличительной особенностью систем обучения инженеров от систем подготовки по другим направлениям является то, что эти системы должны быть построены с учетом следующего факта. Инженер в своей профессиональной деятельности «живет» в метрической среде. Это означает, что он творит, оценивает, прогнозирует и принимает решения, опираясь на математические (метрические) модели и численные компьютерные расчеты. Поэтому любая инженерная подготовка (инженерная дисциплина) должна быть реализована не только в компетентностном, но и в метрическом (с учетом сложности) формате одновременно, т.е. при деятельностном подходе к подготовке, инженер должен учиться в том формате организации деятельности, в котором будет затем работать. Из этого следует, что только в рамках метрического компетентностного формата (МКФ) принципиально возможно создать среду для быстрого профессионального развития и становления академически компетентного инженера. На практике такая среда развития реализуется в виде специально спроектированных дидактических систем подготовки инженеров в МКФ. Таким образом, чтобы достичь уровня академической компетентности в рамках вузов, необходимо повсеместно развернуть системы подготовки в МКФ. Исходя из этого, в системах подготовки в МКФ сложности учебных проблем и поддерживающего теоретического материала должны быть, оценены в метриках, т.е. насколько можно объективно. Технологии подготовки в этих системах должны быть технологиями природосообразного развивающего обучения, направленными на развитие технического и эмоционального интеллекта [6, 7] будущего инженера. Причем, обязательно, в технологиях подготовки в МКФ также должны быть заложены методы обучения с учетом психологических особенностей и с пошаговым наращиванием сложности учебных проблем с учетом «зоны ближайшего развития» студента [7].

Из сказанного следует, чтобы разработать эффективную систему подготовки инженеров, необходимо провести системный анализ и исследование операций деятельности инженера [8, 9] и ответить на ряд фундаментальных вопросов, касающихся этой деятельности. Для краткости изложения, приведем результаты полученных ответов на ряд основных вопросов в формате: вопрос, ответ, комментарий.

Вопрос 1. Какими профессионально значимыми способностями (способами, личностными технологиями) должен обладать инженер, чтобы успешно разрешать поток профессиональных проблем.

Ответ 1. Установлено [10], что для успешной инженерной деятельности (решения профессиональных проблем определенной сложности из каких-то компетенций) необходимо достижение определенного уровня развития проектно-конструктивных или АВС способностей, где А- формализационные, В-конструктивные, С- исполнительские способности.

Комментарий. В работах [11, 12] способности трактуются как личные способы (личностные технологии) организации, ведения и получения результатов в деятельности. На практике способности проявляются, как умения разрешать проблемы и получать требуемые результаты на фоне наличных знаний. Также в работах показано, что АВС способности являются инвариантами способностями, т.е. не зависят от профессиональной направленности деятельности. Но при этом, уровень их развития (значения метрик), конечно, зависит от направления деятельности инженера.

Вопрос 2. При каких условиях и в какой среде АВС способности быстро развиваются.

Ответ 2. Установлено, что значительное повышение уровней развития АВС способностей происходит только в проблемной среде при разрешении там проблем по возрастанию сложности с учетом «зоны ближайшего развития» на фоне (в контексте) синхронного приобретения знаний. Также установлено, т.е. статистически не опровергнуто, что между уровнями развития АВС способностей и глубиной усвоенных знаний существует почти линейная (квазилинейная) корреляционная связь (коэффициент корреляции в среднем равен 0,87). Следует отметить, что на скорость прироста АВС способностей инженера, также сильно влияют наличие у него необходимых природных задатков (его природосообразность) для занятия каким-то видом деятельности.

Комментарий. В трудах многих ученых отмечается, что принцип природосообразности это методологическая основа организации эффективного образовательного процесса. Понятие «зона ближайшего развития» (ЗБР), принадлежит советскому психологу Л.С. Выготскому. По смыслу (ЗБР) – это расхождение между уровнем актуального развития (оценивается трудностью самостоятельно решаемых проблем – задач) и уровнем потенциального развития (чего обучающееся может достигнуть в процессе подготовки). В своих работах Л.С. Выготский отмечал, что между процессами развития и обучением устанавливаются сложнейшие динамические зависимости.

Вопрос 3. Как оценить в метриках сложность профессиональных проблем.

Ответ 3. Установлено, что каждая профессиональная проблема для инженера имеет свою объективную сложность SA-формализации, SB-конструирования решения и SC-реализации (исполнения) этого решения в среде.

Комментарий. На практике каждый инженер, сложность проблемы воспринимает субъективно, т.е. как трудность в зависимости от уровней развития АВС способностей. Поэтому в работе [13] приводятся техники для квазиобъективной оценки сложности проблемы. Суть этой техники сводится к тому, что сложность проблемы можно оценить, исходя из производительности (в раб/час) или трудоемкости (в час/раб) работы эксперта, которую он может продемонстрировать при решении рассматриваемой проблемы. В качестве примера, как это сделать на практике, приведем эпизод из организации базы учебных проблем дисциплины «Исследование операций». Допустим, рассматривается учебная проблема. Для изготовления трех видов продукции предприятие использует три разновидности ресурсов R1, R2 и R3, запасы которых составляют 180; 120 и 220 единиц соответственно. Нормы расхода ресурса R1 на единицу продукции первого вида составляют 9 единиц, на единицу продукции второго вида – 9 единиц, на единицу продукции третьего вида – 2 единицы. Соответствующие нормы для ресурса R2 составляют – 4 единицы, 3 единицы и 2 единицы, а для ресурса R3 – 1 единицу, 2 единицы и 4 единицы. Цена первого вида продукции равна 7 д. е., второго вида 8 д. е., третьего вида 6 д. е. Найти план производства, при котором достигается наибольшая стоимость произведенного продуктового набора. При этом найти решение с помощью симплекс- таблиц, дать их содержательную интерпретацию.

По оценке эксперта сложность (трудоемкость) учебной проблемы имеет формат: SA = 12 (мин/раб), SB = 30 (мин/раб), SC = 3 (мин/раб).

Вопрос 4. Как оценить в метриках уровни развития АВС способностей.

Ответ 4. От уровней развития АВС способностей зависит вероятность успешности разрешения проблемы определенной сложности. Поэтому, уровень развития АВС способностей в рамках компетенции можно оценить исходя из того, до какой предельной сложности проблемы надежно (статистически устойчиво) способен разрешить рассматриваемый инженер.

Комментарий. Установлено (статистически не опровергнуто) с высокой вероятностью (надежностью 0,95), что для разрешения инженером (с уровнем развития АВС способностей со значениями равными A=a, B=b, C=c) проблемы сложности <SA=Sa, SB=Sb, SC=Sc> необходимо, чтобы выполнялось условие:


Вопрос 5. Какую роль при разрешении проблем играют усвоенные (интериоризованные) знания.

Ответ 5. Усвоенные знания это ресурсы и обязательный необходимый фон (контекст) для практического проявления способностей как умения что-то делать на базе этих ресурсов.

Комментарий. В когнитивной сфере все умственные действия проходят только на фоне наличных знаний. Например, на фоне наличных знаний: проблема преобразуется в конкретную задачу и далее для этой задачи строится план (алгоритм) решения и т. д. Очевидно, верно и другое утверждение: для студента, не обладающего необходимыми знаниями, процесс поиска решения типовой задачи становится проблемой. Поэтому в начале подготовки, базу типовых задач по какой-то дисциплине можно назвать (фактически она является) базой учебных проблем для студента.

Вопрос 6. Как оценить в метриках глубину усвоенных знаний.

Ответ 6. Большая глубина усвоенных знаний инженера означает, что рассматриваемый инженер с высокой вероятностью способен разрешить проблемы большой сложности. При этом, знания (система знаний предметной области), как и любая другая система, обязательно обладают свойствами полноты и целостности. Поэтому глубину усвоенных знаний (его метрики) инженера можно оценить через метрики полноты и целостности усвоенных им знаний. Значения метрик полноты (POL= pol) усвоенных знаний характеризуют в процентах (долях) наличия знаний типа фактов, понятий, определений, утверждений и т.п. Значения метрик (CHL= chl) целостности усвоенных знаний характеризуют в процентах (долях) наличия знаний типа связей между понятиями, способов, методов, технологий организации деятельности и т.п. Причем, значение метрики глубины усвоенных знаний (параметр GLB) находится как произведение значений долей полноты и целостности усвоенных знаний, т.е. GLB = 0,pol * 0,chl.

Комментарий. Рассмотрим абстрактный пример, пусть имеется база вопросов тестового контроля знаний из определенной компетенции. Причем, часть вопросов предназначены для выяснения полноты усвоенных знаний (вопросы типа «я знаю, что….»). а часть вопросов для выяснения целостности усвоенных знаний (вопросы типа «я знаю как…») инженера. Допустим, тестируемый инженер ответил на 7 из 10 вопросов на полноту и на 5 из 10 вопросов на целостность усвоенных знаний. Исходя из этого, величина глубины усвоенных знаний инженера оценивается, как GLB = 0,7 * 0,5 = 0,35, т.е. можно утверждать, что им усвоено только 35% из 100% необходимых знаний для решения проблем из рассматриваемой компетенции.

Вопрос 7. Какой минимальный набор параметров, позволяет судить об уровне развитии технического интеллекта инженера.

Ответ 7. Установлено [9], что уровень развития технического интеллекта инженера можно оценить, исходя из значений минимальной совокупности параметров <A, B, C, POL, CHL>.

Комментарий. Вывод о том, что совокупность параметров <A, B, C, POL, CHL> является минимально возможным набором параметров, который характеризует уровень развития технического интеллекта, можно получить, исходя из результатов анализа модели, построенной с синергетической точки зрения. Известно [9, 11], что в синергетике эти параметры называются параметрами порядка. В этих же работе показано, что метрики набора параметров <A, B, C, POL, CHL>, характеризуют уровень развития технического интеллекта инженера. Следует учесть, что, с точки зрения деятельности, технический интеллект рассматривается как индивидуальное инструментальное средство инженера, предназначенное для разрешения профессиональных проблем технического плана до определенной сложности. Причем, высокий уровень развития технического интеллекта в определенной области деятельности является гарантией того, что инженер на фоне своих глубоких знаний и высокоразвитых АВС способностей может (с высокой надежностью) разрешить сложные проблемы.

Комплекс метрик для оценки уровня развития технического интеллекта инженера

Из результатов проведенного анализа следует, что к официально принятой по ФГОС ВПО компетентностной системе подготовки инженеров (компетентностной формат подготовки) необходимо прибавить еще метрическую систему оценки результатов. В целом, это позволить, оставаясь в рамках нового стандарта построить новый класс эффективных систем подготовки, т.е. систем подготовки инженеров в метрическом компетентностном формате (МКФ). При этом, системы подготовки инженеров в МКФ будут нацелены на природосообразное (с учетом задатков, а значит быстрое) развитие технического интеллекта инженера до востребованного в инженерной индустрии качества. Также, очень важно, что академическая компетентность и, во многом, конкурентоспособность инженеров-выпускников будет подтверждена метрически, а это на практике означает, что качество выпускника будет оценено объективно.

Центральным элементом системы диагностики качества подготовки инженеров в МКФ является разработанная шкала качества владения компетенцией (КВК). Шкала КВК построена следующим образом: выбирается пучок векторов (рис. 5) в направлениях изменения значений параметров A, B, C, POL, CHL, которые в комплексе характеризуют состояние показателей уровня развития технического интеллекта (ТИ) инженера в определенной компетенции.

Рис. 5. Модель шкалы качества владения компетенцией

При чем, значения параметров А, В, С, откладываются на соответствующих векторах и характеризуют соответственно уровни развития А - формализационных, В - конструктивных и С - исполнительских способностей инженера. Значения параметров POL, CHL характеризуют глубину усвоенных им знаний. Еще раз стоит подчеркнуть, что все эти параметры, характеризующие уровень развития ТИ инженера могут рассматриваться только в комплексе. Разумеется, что в системе подготовки в МКФ, значения метрик на шкале КВК, характеризующих уровень развития ТИ откладываются в хронологическом порядке. Таким образом, как показано на рисунке, развитие ТИ будущего инженера при подготовке в МКФ отражается на шкале КВК в направлении от профиля а1, b1, c1, pol1, chl1 к профилю а2, b2, c2, pol2, chl2. При этом, профиль ТИ абстрактного эталон-инженера (внешний профиль), востребованного в инженерной индустрии на актуальный момент времени, служит критерием для метрической оценки состояния качества подготовки инженера выпускника.

Эскизный проект системы подготовки инженера в метрическом компетентностном формате

В целом, дидактические системы подготовки в МКФ направлены на быстрое (насколько позволяет природа будущего инженера) развитие его технического интеллекта, т.е. на быстрое развитие АВС способностей на фоне глубокого усвоения знаний.

На рис. 6 приводится структура организации класса дидактических систем для подготовки инженеров в МКФ (диаграмма SADT).

Эскизный проект дидактической системы нового поколения

Рис. 6. Эскизный проект дидактической системы для подготовки в МКФ

В рассматриваемом формате организации, дидактическая система функционирует следующим образом: входной поток студентов (1) согласно цели (2) под определенным управлением (3), (4) и с помощью механизма функционирования (5), (6), (7), (8) преобразуется в выходной поток (10). Развитие происходит по спирали (циклы развития (13)) и по достижению требуемого качества на шкале КВК (2) подготовка завершается. Через идентификаторы БПЗ, БЦЗ и БУП обозначены базы системы диагностики соответственно: базы вопросов на полноту, целостность знаний, а также база учебных проблем. Следует особо подчеркнуть также, что, в целом, эффективность подготовки в МКФ зависит не только от его формата (формат задает границы предельных возможностей системы подготовки), а еще зависит от качества входного потока, качества управления и механизма (ресурсов) функционирующей дидактической системы [10, 14].

Рассмотрим модель подготовки в МКФ в рамках учебной дисциплины. С точки зрения этого формата учебная дисциплина – это проект организации учебой деятельности, реализуемый с целью повышения уровня АВС–способностей и освоения знаний инженером для подготовки его к профессиональной деятельности. Все проектируемые на основе компетентностного подхода системы подготовки принципиально направлены на формирование академически компетентного инженера.

На практике возникает вопрос о том, как можно переформатировать разработанные ранее дидактические материалы в метрический компетентностный формат. Например, как это сделать в рамках дисциплины «Информатика», которая преподается студентам – технологам первого курса. По программе имеется блок тем лабораторных работ, посвященный табличному процессору Microsoft Excel. Оценим АВС - сложность (трудоемкость) каждой проблемы.

 

Тема 1. Работа с функциями.

Тему составляют три учебные проблемы:

·         Функции даты и времени, текстовые функции (П11).

·         Логические функции для создания рейтинг – листов (П12).

·         Текстовые, логические функции и функции даты и времени для создания производных таблиц (П13).

Комментарий. П13 – проблема №3 темы №1.

Приведем экспертную оценку сложности (трудоемкости) каждой проблемы в используемом нами формате:

Р(П11: 0|1|5), т.е. Р(А) = 0 (мин/раб), Р(В) = 1 (мин/раб), Р(С) = 5 (мин/раб), а Р(П11) = 6 (мин/раб);

Р(П12: 2|2|10), т.е. Р(П12) = 14 (мин/раб);

Р(П13: 0|2|15), т.е. Р(П13) = 17 (мин/раб).

 

Тема 2. Построение диаграмм.

Тему составляют четыре учебные проблемы:

·         Построение простых диаграмм (П21).

·         Построение графиков функций (П22).

·         Построение поверхностей (П23).

·         Построение трехмерных графиков (П24).

Приведем экспертную оценку сложности (трудоемкости) каждой проблемы в используемом нами формате:

Р(П21: 0|1|15), т.е. Р(П21) = 16 (мин/раб);

Р(П22: 0|1|6), т.е. Р(П22) = 7 (мин/раб);

Р(П23: 0|1|10), т.е. Р(П23) = 11 (мин/раб);

Р(П24: 0|2|6), т.е. Р(П24) =8 (мин/раб).

 

Тема 3. Математические расчеты.

Тему составляют четыре учебные проблемы:

·         Решение системы линейных алгебраических уравнений с помощью математических функций (П31).

·         Решение уравнений с помощью процедуры «подбор параметра» (П32).

·         Составление штатного расписания с помощью процедуры «поиск решения» (П33).

·         Решение системы линейных алгебраических уравнений с помощью процедуры «поиск решения» (П34).

Приведем экспертную оценку сложности (трудоемкости) каждой проблемы в используемом нами формате:

Р(П31: 0|3|10), т.е. Р(П31) = 13 (мин/раб);

Р(П32: 0|1|6), т.е. Р(П32) = 7 (мин/раб);

Р(П33: 3|3|10), т.е. Р(П33) = 16 (мин/раб);

Р(П34: 3|3|10), т.е. Р(П34) =16 (мин/раб).

 

Тема 4. Шаблоны документов и списки данных.

Тему составляют две учебные проблемы:

·         Создание шаблона накладной (П41).

·         Составление списка данных с помощью формы, фильтрация и сортировка списков (П42).

Приведем экспертную оценку сложности (трудоемкости) каждой проблемы в используемом нами формате:

Р(П41: 0|1|10), т.е Р(П41) =11 (мин/раб);

Р(П42: 0|2|15), т.е. Р(П42) = 17 (мин/раб).

 

Тема 5. Мастер сводных таблиц.

Тему составляют две учебные проблемы:

·         Создание сводных таблиц (П51).

·         Редактирование сводных таблиц (П52).

Приведем экспертную оценку сложности (трудоемкости) каждой проблемы в используемом нами формате:

Р(П51: 0|2|15), т.е. Р(П51) = 17 (мин/раб);

Р(П52: 0|3|10), т.е. Р(П52) = 13 (мин/раб).

 

Для наглядности результаты сведем в таблицу (таблица 1).

Таблица 1.

Учебные проблемы

П

11

П

12

П

13

П

21

П

22

П

23

П

24

П

31

П

32

П

33

П

34

П

41

П

42

П

51

П

52

Трудоемкость формализации (мин/раб)

0

0

0

0

0

0

0

0

0

3

3

0

0

0

0

Трудоемкость конструирования (мин/раб)

1

2

2

1

1

1

2

3

1

3

3

1

2

2

3

Трудоемкость

исполнения (мин/раб)

5

10

15

15

6

10

6

10

6

10

10

10

15

15

10

 

Анализируя результаты, делаем вывод, что данный блок дисциплины «Информатика» направлен на развитие исполнительских способностей студента и почти не затрагивает обучение на умение формализовать проблему и конструировать решение. В этой ситуации при подготовке инженера в МКФ обязательно необходимо добиться гармоничного развития АВС способностей обучаемого. Практически это всегда можно сделать, используя метод проектов, т.е. в лабораторные работы добавить, например, для самостоятельной работы несколько учебных проектов, содержащих задания (учебные проблемы) по возрастанию АВ сложности.

 

Автоматизация процесса подготовки с использованием оболочки MOODLE

Для полного раскрытия возможностей системы подготовки в МКФ необходима ее «глубокая» автоматизация. В свою очередь, эта система позволяет формализовать процесс подготовки и сделать его технологичным за счет своего метрического формата. Поэтому изначально система предполагает наличие  высокоразвитой Web составляющей (вплоть до автоматической Web smart системы [15]). Очевидно, подготовка инженера в МКФ в «ручном режиме» оказывается очень трудоемкой для преподавателя, т.к. ему приходиться вести учебный процесс, заниматься массовой подготовкой, диагностировать изменения состояний метрик множества параметров каждого студента, управлять их развитием и находить оптимальные решения.

Как показывает практика, виртуальную составляющую процесса подготовки инженеров в МКФ, можно организовать с использования несложных и доступных Web оболочек, например, с использования системы дистанционного обучение MOODLE [16]. При этом, снижения показателя трудоемкости в работе преподавателя происходит примерно на 40% от предполагаемого «ручного» режима подготовки.

На рис. 7 приводится структура организации виртуальных кабинетов преподавателей (ВКП) по разным дисциплинам в системе подготовки инженеров в МКФ, размещенных в оболочке MOODLE.

Рис. 7. Структура организации виртуальной составляющей дидактической системы в оболочке MOODLE

Автоматизация системы подготовки в МКФ на основе облачных технологий

На практике, облачные технологии позволяют не только помещать, хранить информацию на сервере (в сети серверов), но и производить на этом сервере необходимые вычисления с выдачей результатов клиенту на браузер.

В результате этого нового свойства сервера появился особый вид сервиса (технология) тонкий клиент, который позволил «маломощному» гаджету-клиенту, например, планшету, смартфону и т.п. производить большие вычисления. Из сказанного следует, что облачные технологии с технологией тонкий клиент открывают большие возможности для систем электронного образования. Многие эксперты утверждают, что очень похоже, популярные системы, такие как Blackboard и Moodle в ближайшее время будут реализованы на облачной платформе. Остается вопрос: воспользуются ли учебные заведения интеграцией этих LMS-систем с другими облачными приложениями или системы вроде «Live@edu» и «Google Apps» для учебных заведений» станут более заточенный под нужды электронного образования и сделают традиционные LMS-системы устаревшими.

В частности, с появлением облачных технологий стало возможно проектирование сложных, умных (smart) образовательных систем, в которых большие вычисления производятся на сервере, т.е. функционирующий «ум» системы находится на сервере, а клиенты пользуются услугами этих систем с помощью гаджетов типа планшетов и смартфонов.

Система обучения с технологией подготовки в МКФ, во многом, формализована, и поэтому достаточно легко реализуется на основе облачных технологий. Система подготовки в МКФ на облачной платформе позволяет разработать разные классы умных образовательных систем, начиная от smart учебников до smart LMS. На рис. 8 приводится структура (блок-схема) организации, квазиинтеллектуальной системы, которая является прототипом дальнейшей разработки системы приведенной в работе [13]. С этой системой работа преподавателя значительно облегчается, т.к. разработанная система берет на себя некоторые его функции при подготовке инженера в МКФ. На данном этапе развития рассматриваемая smart система не является самообучаемой, т.е. пока по заложенным алгоритмам она может делать следующие интеллектуальные операции:

1. По желанию обучаемого (в интерактиве) smart-блок 8 вырабатывает рекомендации по наискорейшему развитию его АВС-способностей в рамках, требуемых по ФГОС ВПО компетенций (прокладывает траекторию наискорейшего развития АВС способностей и усвоения требуемых знаний).

Комментарий. Рекомендации вырабатываются с помощью специально разработанных процедур логического вывода на основе формализованного анализа состояния развития АВС способностей на поле требуемых по ФГОС ВПО компетенций.

2. При заранее незаданных ответах, smart-блок 1 с вероятностью (надежностью) 0,95 идентифицирует правильность или неправильность решения многих учебных проблем по некоторым хорошо формализованным учебным дисциплинам (математика, методы оптимизации, математическое программирование и т.д.).

Комментарий. Разумеется, каждый класс ученых проблем требует разработки своих методов идентификации правильности ответов с заранее заданной надежностью. Для некоторых классов учебных проблем это достаточно просто сделать, а для некоторых очень сложно. Например, рассмотрим класс проблем с простой идентификацией правильности решения. Требуется найти действительные корни уравнения  f(x) = 0 с точностью не менее 0,0001 каким - то конкретным методом. Причем, в системе заранее ответы не заложены. Допустим, студент нашел решения х(1) = a, х(2) = b. В данном случае, для идентификации правильности ответа, система должна убедиться, что f(a) = 0,00… (почти нулю) и f(b) = 0,00… в зависимости от требуемой точности.

Для многих классов проблем, для идентификации правильности решения в качестве универсального средства можно использовать специально модифицированные для этих целей методы Монте-Карло.

Разумеется, прототип системы можно сделать самообучаемой. Например, правильно решенную студентом задачу система будет запоминать, т.е. в системе постепенно накопятся (в специально созданной базе данных) правильные ответы и система не будет тратить ресурсы на дополнительные вычисления.

Очевидно, от прототипа к новому прототипу система может «умнет» практически до уровня специалиста (разумеется, в определенном узком смысле).  

Один из вариантов разработанного программного обеспечения Web приложения (оболочки) [17] реализовано на языке RUBY с использованием FRAMEWORK RUBY ON RAILS.

 

Принципиальная блок-схема структуры организации smart Web-оболочки образовательной системы

Рис. 8. Принципиальная блок-схема структуры организации smart Web-оболочки системы подготовки в МКФ

Экспериментальный прототип этого программного продукта развернут в сети интернет по адресу https://abc-go.com.

Литература

1.     Нуриев Н.К. Оценка уровня конкурентоспособности специалиста // Высшее образование в России. – 2005. – № 12. – С. 109 – 113.

2.     Иванов В.Г., Нуриев Н.К. Формирование конкурентоспособной профессиональной команды для информационно-интеллектуальной поддержки бизнес-процессов. // Дополнительное профессиональное образование. – 2005. – №6 [18]. – C. 24 – 27.

3.     Старыгина С.Д., Нуриев Н.К. Математическая модель расчета циклов устойчивой компетентности специалистов в области программной инженерии // Вестник Чувашского университета. - 2006. - № 5. - С.262 – 265.

4.     Нуриев Н.К., Журбенко Л.Н., Старыгина С.Д. Дидактические системы нового поколения // Высшее образование в России. – 2010. – № 8-9. – С.128-137.

5.     Нуриев Н.К., Старыгина С.Д., Титов А.Н., Пашукова Е.В. Подготовка инженеров в дидактических системах нового поколения // Educational Technology & Society – 2011 (http://ifets.ieee.org/russian/periodical/journal.html) - V.14. - N 4. – С. 386-403 c. – ISSN 1436-4522.

6.     Нуриев Н.К., Старыгина С.Д. Цифровая модель деятельностного потенциала инженера // Альма-Матер – 2011. - № 10. – С.49-55.

7.     Нуриев Н.К., Старыгина С.Д. Эскизный проект дидактической системы природосообразно развивающего обучения // Альма-Матер – 2013. - № 3. – С.51-55.

8.     Нуриев Н.К., Галимов А.М., Старыгина С.Д. Системный анализ и исследование операций интеллектуальной деятельности в контексте проектирования дидактических систем нового поколения // Educational Technology & Society – 2010 (http://ifets.ieee.org/russian/periodical/journal.html) - V.13. - N 4. – С. 268-299 c. – ISSN 1436-4522.

9.     Нуриев Н.К., Галимов А.М., Старыгина С.Д. Латентно-структурный анализ как методологическая основа проектирования дидактических систем нового поколения // Вестник Татарского государственного гуманитарно–педагогического университета. – 2010. – № 2 (20). – С.249-257.

10. Нуриев Н.К., Иванов В.Г. Инварианты подготовки конкурентоспособных специалистов // Высшее образование в России. – 2005. – № 5. – С. 53 – 56.

11. Галимов А.М., Нуриев Н.К., Старыгина С.Д. Проектирование дидактических систем нового поколения как средство управления качеством саморазвития студента // Высшее образование сегодня. – 2010. – № 7. - С.65-70.

12. Нуриев Н.К., Журбенко Л.Н., Старыгина С.Д. Проектирование web – психодидактических систем // Educational Technology & Society – 2007 (http://ifets.ieee.org/russian/periodical/journal.html) - V.10. - N 3. - 23 c. – ISSN 1436-4522.

13. Нуриев Н.К., Старыгина С.Д., Печеный Е.А., Гайфутдинов А.А.Технология подготовки инженера в метрическом компетентностном формате в реально-виртуальной среде развития // Educational Technology & Society – 2012 (http://ifets.ieee.org/russian/periodical/journal.html) - V.15. - N 4. – С. 569-590 c. – ISSN 1436-4522.

14. Нуриев Н.К., Журбенко Л.Н., Старыгина С.Д. Двухуровневая образовательная система: благо или вред? // Высшее образование в России. – 2008. – № 2. – С. 83 – 91.

15. Нуриев Н.К., Старыгина С.Д. Проектирование smart –системы для поддержки обучения «двойной диплом» // Вестник Казанского государственного технологического университета. – 2012. - № 19. – С.253-257.

16. Старыгина С.Д. Виртуальный кабинет как инструментальное средство педагогической технологии преподавателя нового типа // Educational Technology & Society – 2007 (http://ifets.ieee.org/russian/periodical/journal.html)  - V.10. - N 4. - 5 c. – ISSN 1436-4522.

17. Нуриев Н.К., Старыгина С.Д., Туркиниджрес Т.Т. Проектирование программного обеспечения природосообразно-развивающего обучения // Современные проблемы науки и образования. – 2012. – № 4; URL: http://www.science-education.ru/104-6703 (дата обращения: 18.07.2012).