Московский экономический журнал 2/2017

image_pdfimage_print

Bezymyannyj-12

КАЧЕСТВО КОМПЕТЕНТНОСТНО-ОРИЕНТИРОВАННОГО ОБРАЗОВАНИЯ, РАЗВИТИЕ БИЗНЕСА И ИТ

Менциев Адам Умалтович

Ассистент, ФГБОУ ВО «Чеченский государственный университет»

Аннотация.

Цель работы: является системное аналитическое исследование современного состояния, структуры, целей и технологий компетентностного и адаптивного обучения, реализации соответствующих обучающих ИТ-насыщенных систем и сред, ориентированных на сокращенный промежуток времени включения знаний в бизнес-процессы компаний (предприятий), а также разработка системы эффективных оценочных критериев (метрик).

Использованы методы системного и когнитивного анализа, ситуационного моделирования и адаптивного подхода, интеллектуальных и мультиагентных систем.

Рассмотрен вопрос самоорганизации таких систем с учетом запросов рынка труда (компетенций, навыков специалистов).

Результаты: Качество образования необходимо рассматривать не только с точки соответствия ФГОС, требованиям образовательных структур, но и с точки зрения потребительского рынка, меры удовлетворенности потребителей, стоимостных характеристик.

Конкретные результаты, образовательные цели необходимо рассматривать с точки зрения компетентностей, ключевых способностей – коммуникативных, технологических, креативности, предпринимательских и др.

Необходимо создавать адаптивное обеспечение на основе компетентностного подхода, параметров обучения, динамического контроля этапов обучения. Необходима качественная аналитика, необходим прогноз качества обучения, мониторинг процесса обучения.

Стандартизация процесса обучения необходима для распределения ответственности «в облаках» и автоматизированного самообслуживания, в перспективе – самообучения. Это высшая цель адаптивного обучения.

Необходимо развивать адаптивный механизм, способствующий саморазвитию не только обучаемых, но и обучающих. Следует анализировать рентабельность использования внутрисистемных ресурсов образовательной системы, уровень ожиданий от обучения, вести ситуационное моделирование по различным моделям обучения и оценки его качества. Необходимы релевантные оценки внешней и внутренней среды (макроокружения, возможностей вуза, потребителей).

Ключевые слова: компетенции, компетентностный подход, адаптивное обучение, ИТ, самоорганизация, обучающая система, обучающая среда, качество образования, эффективность.

THE TRAINING BASED ON COMPETENCE, HIS QUALITY, DEVELOPMENT OF BUSINESS AND IT

Mentsiev Adam Umaltovich

Assistant, FGBOU VO “Chechen State University”

Abstract.

Objective: a systematic analytical study on the current state, structure, goals and technology competency and adaptive learning, the implementation of appropriate training of IT-rich systems and environments, focused on a reduced period of time inclusion of knowledge in business processes of companies (enterprises), as well as the development of the system effective evaluation criteria (metrics).

The methods of systematic and cognitive analysis, situational modeling and adaptive approach, intelligent and multi-agent systems.

The question of self-organization of these systems, taking into account the labor market needs (competences, skills specialists).

Results: The quality of education should be considered not only in terms of conformity of the GEF, the requirements of educational institutions, but also from the point of view of the consumer market, customer satisfaction measures, cost characteristics.

Specific outcomes, educational goals must be considered in terms of competencies, key skills – communication, technology, creativity, entrepreneurship, and others.

It is necessary to create an adaptive software-based competency approach, training options, the dynamic control of the stages of learning. The need for qualitative analysis, the quality of education needs prognosis, and monitoring of the learning process.

The standardization of the learning process is necessary for the distribution of responsibility “in the clouds” and automated self-service, in the long term – self. This is the ultimate goal of adaptive learning.

We need to develop an adaptive mechanism that promotes self-development not only of students but also training. It is necessary to analyze the profitability of the use of intra-resources of the educational system, the level of expectations of the training, to conduct situational simulations on different models of training and assessment of its quality. Looking for relevant assessment of external and internal environment (macro-high school opportunities, consumers).

Keywords: competences, competence-based approach, adaptive training, IT, self-organization, the training system, the training environment, quality of education, efficiency.

Компетентностно-ориентированное обучение и качество образования

Повышение качества образования, образовательной системы обусловлено не только потребностями современного общества, развитием бизнеса и ИТ, но накопленным опытом бизнес-взаимодействий на основе международных стандартов, запросов потребителей, социальным заказом, релевантностью образовательной парадигмы, в частности, компетентносто-ориентированной [Башмаков, 2008, С.13].

Качество образования – продукт содержания, структуры, форм и методов обучения, обеспечивающих подсистем, особенно, материальной и преподавательской (персонала). Динамизм рынков (труда, услуг, производства) формирует требования, компетенции, навыки для специалистов.

Качество – биаспектное понятие. Идеализированное – имиджевое, указывающее стремление к достижению наивысших результатов ФГОС. Относительное качество отражает соответствие образовательных услуг требованиям ФГОС, программ («соответствует требованиям ФГОС»).

Потребитель (обучаемый) и производитель услуги (обучающий) могут взаимно согласовывать запросы, цели. Часто подключая и третью заинтересованную структуру – бизнес. В информационном обществе сильна роль оценок образовательных услуг, все системы образования не только со стороны государства, но и потребителей. Так расширяются компетентности, образовательные возможности, самосовершенствуются системы открытого образования.

Компетентностно-ориентированный подход, активно продвигаемый в последнее время, исследован в работах [Звонников В. И., Челышкова М. Б., 2009, С. 272; Зимняя И.А., 2003, С. 34–42; Козырев В.А. и Радионова Н.Ф., 2004, С. 178]. Но при этом важно иметь релевантный набор показателей качества образовательной системы, информационно и прогностически ценный, регулируемый и самоорганизующийся, открытый (публично обсуждаемый).

Подсистемы обучения и оценки качества обучения не должны быть ни самостоятельными, ни конфликтующими, противопоставляемыми (как, например, в постиндустриальном обществе). Они должны интегрироваться в единую образовательную сферу с помощью ИТ актуализации знаний и умений (квесты, вебинары, ситуационное моделирование, скринкастинг, вебкастинг и др.), опираясь на ФГОС, ISO-стандарты, междисциплинарный подход, оценочный инструментарий с обратной связью. Общество должно получать информацию о критериальном уровне образования и регулировать ее достижение и изменение, если необходимо [Дзегеленок И.И., 2004, с. 31].

Необходимо идентифицировать эмерджентные свойства и атрибуты образовательных систем с целью корректного их использования, исключения дублирования. Общество потребления – это и потребление образовательных продуктов (услуг) с достаточно опосредованным и устойчивым рынком, адекватной структурой потребления. Эмерджентность может обеспечить массовое производство знаний (например, «ноу-хау») и технологии (например, когнитивные ИКТ), эволюция поддерживающих правовых, экономических, социальных, образовательных, гуманитарных, технических и технологических подсистем, институтов. Отметим, что это не должно достигаться обязательным увеличением потребления информационного продукта.

Должны обеспечиваться основные компетенции и образовательные процессы общества, развиваемого на знаниях и компетенциях:

  • когнитивный, творческий подход и способ мышления;
  • умение работать в коллективе, брать ответственность за результат на себя;
  • социально-психологическое позитивно-эмоциональное развитие;
  • культурно-эстетическое, толерантное развитие;
  • коммуникативное развитие (актуализация информации);
  • креативность при решении практических задач, ситуационный подход;
  • ИКТ-продвижение;
  • обеспечение безопасности окружающей среды (природоохранные, предпринимательские, эргономические усилия).

Компетенции формируются в творческой деятельности, качество их определяется деятельностью, творческим методом обучения, умением применять знаний, умений. С уровнем компетенции повышается уровень конкурентоспособности подготавливаемого специалиста на рынке труда. Анализ (Центр внутреннего мониторинга, ГУ-ВШЭ) опроса выпускников свидетельствует: 65% считают, что получили при обучении недостаточно практических умений и навыков (компетенций), а 70% – вполне удовлетворены уровнем теоретической подготовки.

Компетенции направлены на:

  • осознание и ресурсо-ориентированное оценивание проблемной ситуации;
  • критический анализ ситуации, синтез процедур принятия решений;
  • разработку (адаптацию) методик решения задач;
  • формирование релевантных выводов (в том числе, виртуального характера);
  • демонстрацию творческих способностей при решении задач;
  • демонстрацию знаний, навыков управления, планирования;
  • умение работать в коллективе, соблюдая требования корпоративной работы и этики.

Большое внимание уделяется оценке качества, релевантности продукта, инициативности, реализации с учетом рыночных отношений и рыночной жизнеспособности предлагаемого продукта, поиска партнеров (реализацию партнерских программ) и клиентов (целевой аудитории).

Такой подход «обучения через дело» («learning by doing») развивается в ряде стран с помощью «мозгового штурма», ролевых игр, эвристического и проблемного обучение, дискуссий, других форм. При этом взаимоотношения «обучаемый – обучающий» претерпевают существенные изменения (сравнительно с традиционными методами обучения). В частности, преподаватель начинает:

  • помогать в поиске информации (также является и сам источником информации);
  • координирует (а не только организует) творческий процесс;
  • поддерживает и стимулирует (а не только мотивирует) работу каждого и коллективную работу;
  • адаптивно поддерживает обратную связь, помогает продвигаться проекту.

В обучающем процессе желательно обращать внимание и на возможности, перспективы теоретического развития и практической реализации проекта.

Эффективность оценок качества образования и адаптивность

К оценочному инструментарию должны предъявляться системные требования [Казиев В.М., 2007, С. 213], особенно, по результативности. Уже появляются релевантные критерии, шкалы, технологии, работающие на качество результатов обучения. Этому способствует и появление новых специальностей, моделей обучения.

Требуется создание системного обеспечения, ориентированного на адаптивное обучение, компетентностный подход [Кинчарова А.В., 2014, С. 76]. Для повышения эффективности, в адаптивную систему контроля обучения включаются элементы разного уровня обученности, в том числе, личностно-ориентированные. Хорошо прослеживается это на использовании тестирования, тестовой аналитики, которое позволяет реализовывать индивидуальные учебные траектории [Звонников В. И., Челышкова М. Б., 2009, С. 136] и дают информацию для управления процессом обучения, позволяют динамически настраивать его параметры с целью оптимизации оценивающей способности системы (продвижения на новый продуктивный уровень обучения).

Это показал и мониторинг развития общероссийской системы оценки качества образования, в рамках которого провели мониторинговые исследования качества образования по математике в 5-7 классах (2014 г.), русскому языку (2015 г.), информатики и ИКТ в 8-9 классах (2015 г.), начатое национальное исследование качества образования по ступеням и уровням образования по технологии ЕГЭ (с ежегодным анализом качества образования).

Перспективна адаптивная генерация тестовых заданий закрытой, открытой формы с использованием адаптивного тестирования. Здесь возможно использование интеллектуальных процедур, достижений искусственного интеллекта. Такие системы генерируют тесты, адаптированные к уровню обучающегося, позволяют реализовать АРМ (автоматизированное место) тестолога, тьютора включающего различные средства: словари, инструментальные среды, ассистенты, учебно-методические материалы и др.

Адаптивная система оценивания включает:

  • оценочную гипотезу;
  • механизма адаптации;
  • модель обучаемого;
  • модель обученности (ожиданий согласно ФГОС, требованиям общества, ИТ);
  • базу знаний;
  • дидактические единицы.

Компетентностный подход работает на институциональные параметры: лицензирование, аттестация, аккредитация, сертификация, удовлетворенность потребителей стартовой квалификацией, снижение издержек переобучения персонала и др.

Пока нет четких требований и норм, для устойчивости, выживания образовательной системы необходима аналитика, необходим качественный прогноз, полный и своевременный мониторинг [Дорошенко Ю.И., 2008, С. 40; Зубрицкая О.М., 2014, С.21]. Важно автоматизировать бизнес-процессы (особенно, класса В2В, В2С, В2G, B2A), использовать бизнес-аналитику, эффективное привлечение инвестиции и расширять инфраструктуру инновационного развития и трансфера знаний (технологий).

Важен аутсорсинг образовательных процедур, позволяющий передавать некоторые не основные, не свойственные по профессиональной направленности функции и задачи другой организации (аутсорсеру), занимающейся ими профессионально. Аутсорсинг в образовательных системах актуальная проблема: появляются различные образовательные предпочтения, порой конфликтующие цели, меняются источники и виды ресурсов, отсутствуют адекватные критерии и подсистемы управления. Например, управления координацией, целями, временем, стоимостью, персоналом, людьми, коммуникациями, рисками. Что касается управления качеством (или Quality Management), то в образовательных структурах они уже появились, развиваются. Создаются и условия, мотивирующие преподавателей (персонал) в повышении качества образования, в частности, вводят регламентацию полномочий в вопросах качества образования.

Только при этих условиях ИКТ станут средством эффективного самообразования и саморазвития и самих преподавателей (тьюторов, менеджеров образовательного процесса) [Кузнецова О.В., Меркулова Н.И., 2003, С.21].

Компетентностный подход, анализ компетенций в РФ уже вырабатывает свои, специфические качества, согласно с принципами, манерами ведения бизнеса, менталитетом. Профессиональная карьера специалиста напрямую зависит его компетенций: рефлексии, ценности знаний, навыков и т.д.

В ЕС популярна методология SFIA (карта компетенций бизнес-аналитика). Бизнес-аналитик, профессионал, поддерживающий внедрение и развитие бизнес-решений на основе аналитических инструментов, процедур. Многие аналитики нечетко разделяют связи бизнес-анализа и управления проектом. В начале проектной работы они управляют заинтересованными сторонами, планируют этапы проекта, обеспечивают оценки. Их основные компетенции: исследовать, планировать, управлять, оценивать, моделировать, принимать решение, документировать.

В других моделях, методологиях, например, Международного института бизнеса и аналитики, все компетенции распределяются и описываются согласно специализациям, квалификациям. Часто опираясь на карту Дрейфуса и группы: «новичок», «продолжающий», «компетентный (специалист)», «эксперт». Навыки, знания описаны поэтапно, адаптивно, согласно достижениям человека, постигающего бизнес-аналитику.

В РФ цельно сложившейся модели компетенций нет, но существуют профессиональные стандарты (по ИТ, например). Поэтому возможны ошибки аналитиков:

  • абсолютизация относительных величин (или наоборот);
  • неэффективный (нерегулярный) мониторинг и анализ статистики.

Развитие аналитики, ввод бизнес-аналитики в образовательные программы, ФГОС должны избавить от таких и иных ошибок.

При использовании адаптивных механизмов необходима полнофункциональная интерактивная среда распределенного сетевого использования (в режиме «клиент-сервер» или «интеллектуальный агент») и организация работы «тонкий клиент – толстый сервер» (сервер – прикладное ПО, учебный контент, клиент – локальные приложения коммуникационного типа) или «толстый клиент – тонкий сервер» (сервер – системное ПО, клиент – локальное ПО и учебный контент).

Разработка релевантной оценочной системы образовательных услуг

По оценкам экспертов (в частности, Gartner), уровень использования ИКТ, корпоративных ИС для автоматизации в российских вузах – около 49%. Преобладают разнородные структуры ИС. Инновации в ИКТ – организационного, социального и экономического характера: улучшение документооборота в подразделениях, личностное развитие (обмен знаниями), снижение затрат, перераспределение ресурсов и др.

Динамичность электронной научно-образовательной среды, виртуальное взаимодействие студентов между собой и с преподавателями (персоналом) в открытой, сетевой модели обучения ускоряет накопление знаний и улучшает бизнес-процессы, в том числе, партнерские, инновационные. Растет интеллектуальный и профессиональный капитал, снижаются транзакционные затраты (например, связанные с поиском потребителей консультационных услуг) и растет трафик вузовских ресурсов.

Какие показатели наиболее эффективны от внедрения компетентностного подхода, ориентированного на бизнес, ИТ. Можно указать следующие, основные:

  • доход от образовательных услуг, ориентированных на бизнес- и ИТ-структуры;
  • доход от научно-практических разработок, услуг, ориентированных на бизнес- и ИТ-структуры;
  • оптимизация управления, персонала, эффективность тайм-менеджмента;
  • интенсивность использования и обновления ИКТ;
  • эффективность интегрированной инфосреды;
  • эффективность партнерских программ;
  • доля в сегменте образовательного рынка;
  • клиентская база;
  • репутационный (имиджевый) потенциал;
  • эффективность обратной связи;
  • окупаемость затрат (на развитие ИКТ, образовательных сред);
  • оборачиваемость услуг, активов;
  • структурированность, качественность учебного материала;
  • актуализация «старых» знаний новыми ИКТ-структурами, их связность (нового и старого знания), эффективность перевода обучаемого на следующий продуктивный уровень;
  • интеллектуальность поддержки принятия решений и другие.

Не все они измеряемы количественно, некоторые – качественного или смешанного характера [Бабин Е.Н., 2012, С.9]. Поэтому внедрение ключевых показателей эффективности (KPI), системы показателей (BSC) – актуальная проблема образовательной структуры. В частности, BSC использует оценки экономического эффекта, а также оценки организационного, социального характера: финансы, потребители, процессы, эволюционный потенциал. Эти оценки – экспертного и статистического характера (корреляционный, факторный анализ, шкалирование, выделение главных компонент и др.).

Затраты на ИТ также оцениваются, хотя они «размыты по бухучету». Эффективность этих вложений еще сложнее оценить, но их можно дифференцировать: эффект внедрения ИТ в образовательный процесс, эффект внедрения ИТ в научно-исследовательскую деятельность, эффект внедрения ИТ в менеджмент.

При применении экспертных оценок риска вложений в ИТ следует оценить ожидаемый экономический эффект. Далее оценивается интегральный сетевой эффект и чистый дисконтированный доход.

Оценочная шкала позволяет описать воздействие любого учитываемого фактора амплитудой – мерой уровня обученности и важностью – мерой значимости. Можно отделить фактические оценки (амплитуды) от субъективных (важности), сделать оценки относительно независимыми (от экспертов). Поэтому можно разработать экспертную систему оценки среды обучения, обойтись без сложного мониторинга обучения, например, с помощью ситуационного моделирования по определённым сценариям развития процесса.

В частности, если известны оптимистическая а, пессимистическая b и наиболее вероятная оценка с, то согласно теории вероятностей (по центральной предельной теореме, нормальный закон распределения оценок независим от исходного распределения экспертных оценок), и можно среднюю ожидаемую оценку найти по формуле , а среднеквадратичное отклонение – по формуле: .

Сами значения a, b, c находятся экспертным оцениванием (методы комиссии, суда, «мозговой атаки», Дельфи).

Для качества прогноза оцениваем согласованность экспертных оценок, с помощью ранговой корреляции, конкордации. Коэффициент ранговой корреляции оценивает, какой альтернативе отдали предпочтение, а коэффициент конкордации – согласованность экспертов. При количестве оцениваемых альтернатив равном n, экспертной группе из m человек, коэффициент конкордации находится по формулам:

Screenshot_3

Если W=1 – мнения экспертов совпадают (экспертная группа согласованная), если W=0 – мнения не согласованы полностью. В остальных случаях: 0<W<1. Например, W>0.75 будет достаточной величиной для доверия мнению всей экспертной группы.

Можно оценить эффективность траектории обучения с номером s и принятием решения r:

Screenshot_4

Адаптивность, технологичность и самоорганизация образовательной среды

Эффективно иметь широкий набор унифицируемых и интегрируемых в образовательные технологии функциональных процедур (трассировки, фильтрации, управления, анализа и др.) и возможность их автоматизированного выбора. Необходима масштабируемость по количеству обучаемых, сложности обучения, профилируемость и т.д. Профиль – совокупность выбранных спецификаций (стандартов), позволяющих учесть и элементы, и их связи, и взаимодействие, и интерфейс. Необходима алгоритмическая настройка администрирования (подсказки, электронные журнал, зачетная книжка, «обучающая голова», контентное наполнение).

Только такая система эволюционирует, нацелена на достижение высоких результатов, имеет минимальные риски психологического, правового плана (неполный объективный контроль, случайные ошибки компьютерной актуализации и др.).

Адаптивное обучение регулирует сложность предъявляемых учебных заданий в зависимости от успешности на предыдущем уровне сложности с учетом способности обучающегося распознавать учебную ситуацию.

Адаптивный механизм включается обычно в одном из режимов:

  • всем выдается задание средней трудности, затем, в зависимости от его решения, обучаемый переводится «вниз» или «вверх» («пирамидальный» метод);
  • стартовое задание – в зависимости от желаемого уровня («мягкий» метод);
  • стартовое задание – нижнего уровня («жесткий» метод).

Основные принципы, которые нельзя нарушать при использовании ИТ в образовательной системе: гуманистичность; приоритет педагогической целесообразности, гипотезы и модели; релевантность контента (ФГОС, программам); безопасность и конфиденциальность; гибкость (переносимость); массовость; рациональность (приемлемая стоимость реализации); многокритериальность; неантагонистичность (дружественность традиционным методикам); различные типы поддержки (HTML-код, CGI-скрипты, Java-машина, GUI и др.).

Адаптивный механизм генерации – наиболее перспективен, поэтому важна его интеллектуализация. Заметим, адаптивным является и принятие решения, и процесс обучения, и технология обучения. Такой механизм основан на знаниях (класса Knowleadge Based System), а реализация дает интеллектуальную обучающую систему (класса Intelligent Tutoring Systems), учитывающую учебное поведение обучающегося, минимизируя риски «конфликта» необходимых знаний и текущих его знаний.

Интеллектуальность может поддерживаться использованием:

  • нечеткости (множеств, логики, процедур);
  • экспертных, эвристических процедур;
  • многокритериальности (выбора уровней) и параметризации;
  • ситуационного моделирования различных сценариев обучения;
  • роста адекватности гипотезами и моделям обучаемого, процесса и обучающего.

Отметим, наибольший эффект от адаптивного обучения получают обучающиеся с мотивацией, ориентированные на компетентности и конечные результаты, будущую специальность.

«Агенты обучения» интегрируются в образовательную систему и позволяют строить распределенные и мультиагентные Р2Р-модели. Повышается активность информационного ресурса, качество решений, взаимодействий (уже на уровне спецификаций), ликвидируются промежуточные звенья – посредники информационных услуг. Главное – формируется рынок образовательных ИТ и продуктов частного потребления (домашнего обучения, самообразования), бизнес-потребления (консалтинг, тренинг, переквалификация), профессионального назначения (профессиональных знаний, дистанционного обучения).

Обучающая система самоорганизуется за счет внутренних резервов, обеспечивая устойчивость образовательной траектории при отклонениях. Адаптивные обучающие системы – инновационные решения на основе технологий искусственного интеллекта, способные к самоорганизации, эволюции от процесса обучения к процессу научения, самообучения. Например, в компьютерных науках студенты добиваются часто больших успехов за короткий период времени за счет целеполагания, организованности.

Идеальная обучающая система – саморазвивающаяся, сложная. Как определить меру ее сложности? – Здесь применимы различные способы. Например, если система – иерархическая, ее сложность можно определить как количество уровней. Увеличение сложности потребует при этом больших ресурсов (для данной цели). Можно воспользоваться понятием асимптотическая устойчивость системы, ее способностью стремиться (возвращаться) к равновесию из неравновесного состояния.

Если, например, в системе контроля знаний сложность системы – сложность принятия рациональных решений обучаемым (обучающим), то можно за меру сложности взять функцию предпочтения стратегии обучения, ее привлекательности. При обучении строится профиль обученности с параметрами успешности освоения учебных модулей: 0 – если модуль не пройден, 1 – если модель пройден успешно.

Какие основные технологии, модели ИКТ-взаимодействий актуальны на текущем уровне адаптивного обучения? Можно отметить неполный список:

  • облачные технологии (вычисления) [Сейдаметова З.С., Сейтвелиева С.Н., 2011, С. 110], например, в «облака» перейдет по прогнозам (Gartner) к 2017 г. примерно 40 % ИТ-приложений (в стоимостном выражении примерно 200 млрд. долл.; в РФ – 113 млн. долл.) и образуется мощный пул виртуальных ресурсов (оборудование, платформы, сервисы) реконфигурируемых динамически, позволяющих оптимально и легко использовать ресурсы по принципам «плати лишь за то, что используешь», «используй только то, что сейчас нужно», «максимально эффективно и оперативно, в реальном режиме, использовать данные для увеличения целевой аудитории»;
  • Big Data, повышающие объем и разнообразие обрабатываемых данных и представляющие набор инструментов, методов для обработки объемных (структурированных или неструктурированных) данных по принципу, например, «3V» Big Data – Volume, объём (физический) данных, Velocity, скорость прироста, актуализации данных, Variety, многообразие обрабатываемых разнотипных данных;
  • Data Mining, поиска скрытых в данных, не «поверхностных» связей, закономерностей, их категоризация, шкалирование, ранжирование;
  • аутсорсинг, аутстаффинг;
  • краудсорсинг, обработка данных с привлечением широкого круга добровольцев (без трудового договора, на основе оферты);
  • ситуационное (имитационное) моделирование;
  • использование нейросетевого анализа и генетических алгоритмов;
  • распознавание образов;
  • 3D-анализ, визуализация, виртуализация;
  • когнитивный анализ (когнитивные сети);
  • анализ временных и марковских рядов, A/B-тестирование и др.

Например, облачный сервис VCL класса IaaS (Инфраструктура как Сервис, Infrastructure as a Service) предоставляет вычислительные возможности по сети (серверы, хранилища, маршрутизаторы – все, что необходимо для проектирования, реализации и эксплуатации прикладной среды по требованию). Преимущества для вузов: быстрота предоставления, масштабируемость, «конкретная» оплата, без внутренней физической инфраструктуры (виртуальные машины, ОС, системы хранения данных). Студенты могут выбирать, использовать на компьютере из «облака» сервисы, решения (например, .NET), хранить данные (хранилище файлов), вести коллективную работу с помощью Web-браузера. Сами облака могут быть общедоступные (открыты по подписке пользователя), частные (для вуза, партнера, например, «за брандмауэром» университета) или гибридные (динамически изменяющие состояние).

Например, VCL может предоставить сервис и инфраструктуру для студентов и преподавателей университета (как облако частное), распространить сервис для филиалов университета (как облако общедоступное).

Облачные решения часто необходимы в исследовательских лабораториях вузов. Облачные системы вычислительной среды вуза должны предоставлять (минимальные) возможности:

  • сервис-поддержку всех пользователей;
  • учебно-исследовательские материалы вуза;
  • системы интерактивной поддержки;
  • адаптивный механизм мониторинга и обучения (наполнение частного облака студента учебными материалами, сервисом, приложениями для обучения в удобном и комфортном режиме).

Внедрение облачных сервисов в образовательный процесс позволит обойтись без множества компьютерных классов, их поддержки, адаптировать (тиражировать) образовательные сервисы по ходу обучения, осуществляя эффективную обратную связь, осуществляя кластеризацию вычислительных систем. Поэтому такая технология является актуальной для адаптивного компетентностного обучения.

Облачные вычисления практически соединяют виртуализацию, автоматизацию, адаптацию и стандартизацию. Стандартизация также должна участвовать в создании шаблонов, запрашиваемых клиентом через «облака» ресурсов. Например, через портал дистанционного обучения университета и с помощью стандартов ITSM, ISO 20000.

Заключение

Качество образования необходимо рассматривать не только с точки соответствия ФГОС, требованиям образовательных структур, но и с точки зрения потребительского рынка, меры удовлетворенности потребителей, стоимостных характеристик.

Конкретные результаты, образовательные цели необходимо рассматривать с точки зрения компетентностей, ключевых способностей – коммуникативных, технологических, креативности, предпринимательских и др.

Необходимо создавать адаптивное обеспечение на основе компетентностного подхода, параметров обучения, динамического контроля этапов обучения. Необходима качественная аналитика, необходим прогноз качества обучения, мониторинг процесса обучения.

Стандартизация процесса обучения необходима для распределения ответственности «в облаках» и автоматизированного самообслуживания, в перспективе – самообучения. Это высшая цель адаптивного обучения.

Необходимо развивать адаптивный механизм, способствующий саморазвитию не только обучаемых, но и обучающих. Следует анализировать рентабельность использования внутрисистемных ресурсов образовательной системы, уровень ожиданий от обучения, вести ситуационное моделирование по различным моделям обучения и оценки его качества. Необходимы релевантные оценки внешней и внутренней среды (макроокружения, возможностей вуза, потребителей).

Литература

  1. Арутюнян А.Э. СИСТЕМНО-ИНФОРМАЦИОННЫЙ АНАЛИЗ ЭВОЛЮЦИОННОГО ПОТЕНЦИАЛА КОМПАНИИ. // Электронный мультидисциплинарный научный журнал с порталом международных научно-практических конференций «Интернетнаука». 2016;(5):36-44. DOI:10.19075/2414-0031-2016-5-36-44
  2. Бабин Е.Н. ОТКРЫТАЯ МОДЕЛЬ АКАДЕМИЧЕСКИХ ЗНАНИЙ КАК ИНСТРУМЕНТ ИННОВАЦИОННОГО РАЗВИТИЯ ВУЗА // Качество. Инновации. Образование, 2012, №4, с.7-13.
  3. Башмаков А.И. РОЛЬ МОДЕЛЕЙ КОМПЕТЕНЦИИ В ИНФОРМАЦИОННО-ОБРАЗОВАТЕЛЬНЫХ СРЕДАХ И ПРИНЦИПЫ МОДЕЛИРОВАНИЯ КОМПЕТЕНЦИИ. // Электронный журнал (Вычислительные сети. Теория и практика / NETWORK-JOURNAL. Theory and practice) BC/NW 2008, №2 (13).
  4. Богомолова Е.В. КОМПЕТЕНТНОСТНЫЙ ПОДХОД В ОБЕСПЕЧЕНИИ КАЧЕСТВА ПОДГОТОВКИ ВЫПУСКНИКОВ ВУЗА В ОБЛАСТИ ИНФОРМАТИКИ. // Человеческий капитал. 2016. № 3 (87). С. 84-86.
  5. Дзегеленок И.И. ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ В УПРАВЛЕНИИ КАЧЕСТВОМ ОБРАЗОВАНИЯ: УЧЕБНОЕ ПОСОБИЕ / под общ. ред. Н. А. Селезневой. – М.: ИЦПКПС, 2004. – 68 с.
  6. Дорошенко Ю.И. КОНТРОЛЬ КАЧЕСТВА ОБРАЗОВАНИЯ В ВУЗЕ: СИСТЕМНОСТЬ И ПРОТИВОРЕЧИЯ // Университетское управление: практика и анализ, №1, 2008, с.38-41.
  7. Звонников В. И., Челышкова М. Б. КОНТРОЛЬ КАЧЕСТВА ОБУЧЕНИЯ ПРИ АТТЕСТАЦИИ: КОМПЕТЕНТНОСТНЫЙ ПОДХОД. – М., 2009. – 272 с.
  8. Зимняя И.А. КЛЮЧЕВЫЕ КОМПЕТЕНЦИИ — НОВАЯ ПАРАДИГМА РЕЗУЛЬТАТА ОБРАЗОВАНия // Высшее образование сегодня, 2003, № 5, с. 34–42.
  9. Зубрицкая О.М. ОЦЕНКА КАЧЕСТВА ВЫСШИХ ОБРАЗОВАТЕЛЬНЫХ УРОВНЕЙ И ПОЛЕЗНОСТЬ ТОЧНЫХ КОЛИЧЕСТВЕННЫХ ДАННЫХ // Alma Mater, №8, 2014, с. 17-23.
  10. Иродов М.И., Кабанова Л.В. ИНФОРМАТИЗАЦИЯ ОБРАЗОВАНИЯ И РОСТ ПРОИЗВОДИТЕЛЬНОСТИ ТРУДА. // Ученые записки ИСГЗ. 2016. № 1 (14). С. 287-291.
  11. Казиев В.М. ВВЕДЕНИЕ В АНАЛИЗ, СИНТЕЗ И МОДЕЛИРОВАНИЕ СИСТЕМ. – М.: Бином. Лаборатория знаний. Интуит.ру., 2007, – 288 с.
  12. Кайгородцев А.А., Канапинов С.А., Кайгородцева Т.Ф. КОНЦЕПТУАЛЬНЫЙ ПОДХОД К ОЦЕНКЕ РЕЗУЛЬТАТИВНОСТИ ИННОВАЦИОННОЙ СТРАТЕГИИ ВУЗА В УСЛОВИЯХ СТРАТЕГИЧЕСКОГО ПАРТНЕРСТВА. // Экономика. Бизнес. Информатика. 2016;(2):139-153. DOI:10.19075/2500-2074-2016-2-139-153
  13. Калимуллин А.М., Габдулхаков В.Ф. УНИВЕРСИТЕТСКИЙ ЦЕНТР ПРЕВОСХОДСТВА. // Образование и саморазвитие. 2016. № 1 (47). С. 3-12.
  14. Кинчарова А.В. МЕТОДОЛОГИЯ МИРОВЫХ РЕЙТИНГОВ УНИВЕРСИТЕТОВ: АНАЛИЗ И КРИТИКА // Университетское управление: практика и анализ, №2(90), 2014, с.70-80.
  15. Козунова С.С., Бабенко А.А. МОДЕЛЬ ПОСТРОЕНИЯ ЗАЩИЩЕННОЙ ИНФОРМАЦИОННОЙ СИСТЕМЫ КОРПОРАТИВНОГО ТИПА. // Информационные системы и технологии. 2016. № 3 (95). С. 112-120.
  16. КОМПЕТЕНТНОСТНЫЙ ПОДХОД В ПЕДАГОГИЧЕСКОМ ОБРАЗОВАНИИ: КОЛЛЕКТИВНАЯ МОНОГРАФИЯ / Под ред. проф. В.А.Козырева и проф. Н.Ф.Радионовой. СПб.: Изд-во РГПУ им. А.И.Герцена, 2004.- 392 с.
  17. Кузнецова О.В., Меркулова Н.И. ИНФОРМАЦИОННО-КОММУНИКАЦИОННЫЕ ТЕХНОЛОГИИ КАК СРЕДСТВО САМООБРАЗОВАНИЯ И САМОРАЗВИТИЯ ПРЕПОДАВАТЕЛЕЙ // Стандарты и мониторинг в образовании, №3, 2014, с.17-27.
  18. Лаптев В.В., Лаптев П.В. ПРОБЛЕМЫ ОЦЕНИВАНИЯ РЕЗУЛЬТАТОВ ОБУЧЕНИЯ ИТ-СПЕЦИАЛИСТОВ. // Вестник Астраханского государственного технического университета. Серия: Управление, вычислительная техника и информатика. 2016. № 2. С. 100-112.
  19. Лызь А.Е. О СПЕЦИФИКЕ РАЗВИТИЯ СУБЪЕКТА ПРОФЕССИОНАЛЬНОЙ ДЕЯТЕЛЬНОСТИ В СФЕРЕ ИНФОРМАЦИОННОЙ БЕЗОПАСНОСТИ. // НаукаПарк. 2016. № 2 (43). С. 74-76.
  20. Милославский В.Г., Алиева Н.Х., Соловьев С.М., Компилецкая О.Д., Казиев Т.Р. ТЕОРИЯ И ПРАКТИКА ПРОФОРИЕНТАЦИИ В РОССИИ: ПРОБЛЕМЫ И ПЕРСПЕКТИВЫ. // Молодой ученый. 2016. № 7 (111). С. 905-911.
  21. Науразова Э.А., Шамилев С.Р. ВАЖНОСТЬ ЭФФЕКТИВНЫХ ИНВЕСТИЦИЙ ДЛЯ РЕГИОНОВ РФ. РЕЙТИНГ РЕГИОНОВ, ИНФОРМАЦИЯ ДЛЯ БИЗНЕСА, ОТРАСЛЕВЫХ МИНИСТЕРСТВ, КРУПНЫХ КАМПАНИЙ. // История. Экономика. Геополитика. 2016;(1):32-46. URL: http://www.internetnauka.net/jour/article/view/1 (дата обращения: 28.05.2016).
  22. Науразова Э.А., Шамилев С.Р. ПРОГНОЗИРОВАНИЕ РЕГИОНАЛЬНОЙ БЕЗРАБОТИЦЫ. // Электронный мультидисциплинарный научный журнал «Интернетнаука». 2016;(5):64-74. DOI:10.19075/2414-0031-2016-5-64-74
  23. Неизвестный С.И. О ПРИМЕНЕНИИ ТАКСОНОМИИ В ОБЛАСТИ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ. // Транспортные системы и технологии. 2016. № 1 (3). С. 89-111.
  24. Новикова С.В., Зайдуллин С.С. РЕАЛИЗАЦИЯ ГИБКОЙ ОБРАЗОВАТЕЛЬНОЙ ТРАЕКТОРИИ IT-СПЕЦИАЛИСТОВ НА ОСНОВЕ БЛОЧНОГО E-LEARNING-ПОДХОДА. // Ученые записки ИСГЗ. 2016. № 1 (14). С. 423-427.
  25. Пашинцева Н.И., Зиновьева И.В. ОБ ИНФОРМАЦИОННО-МЕТОДОЛОГИЧЕСКОМ ОБЕСПЕЧЕНИИ АНАЛИЗА ИНТЕЛЛЕКТУАЛЬНЫХ АКТИВОВ И ИСПОЛЬЗОВАНИЯ НАУЧНОГО ПОТЕНЦИАЛА РОССИИ. // Вопросы статистики. 2016. № 3. С. 43-54.
  26. Сахаева С.И. ЭЛЕКТРОННЫЕ ОБРАЗОВАТЕЛЬНЫЕ РЕСУРСЫ КАК ИНСТРУМЕНТ ФОРМИРОВАНИЯ ИТ-КОМПЕТЕНЦИЙ СПЕЦИАЛИСТОВ ГУМАНИТАРНОЙ СФЕРЫ. // Ученые записки ИСГЗ. 2016. № 1 (14). С. 510-515.
  27. Сейдаметова З.С., Сейтвелиева С.Н. ОБЛАЧНЫЕ СЕРВИСЫ В ОБРАЗОВАНИИ //Информационные технологии в образовании. – 2011. – № 9. – С. 105-111.
  28. Сейтвелиева С.Н. ГОТОВНОСТЬ БУДУЩИХ ИНЖЕНЕРОВ-ПРОГРАММИСТОВ К ИСПОЛЬЗОВАНИЮ ОБЛАЧНЫХ ТЕХНОЛОГИЙ В ПРОФЕССИОНАЛЬНОЙ ДЕЯТЕЛЬНОСТИ. // Бюллетень науки и практики. 2016. № 4 (5). С. 494-499.
  29. Соколова Т.Б. СИСТЕМНЫЙ АНАЛИЗ ЭКОЛОГО-ЭКОНОМИЧЕСКИХ И ИНФОРМАЦИОННЫХ ИЕРАРХИЧЕСКИХ СТРУКТУР. // Электронный мультидисциплинарный научный журнал «Интернетнаука». 2016;(5):75-84. DOI:10.19075/2414-0031-2016-5-75-84
  30. Умаров Р.Ш. ОТДЕЛЬНЫЕ ХАРАКТЕРИСТИКИ УСЛУГ СВЯЗИ В СУБЪЕКТАХ РОССИИ, КАК ВАЖНЕЙШЕГО ПОКАЗАТЕЛЯ РАЗВИТИЯ ИНФРАСТРУКТУРЫ. // Электронный мультидисциплинарный научный журнал «Интернетнаука». 2016;(4):100-118. DOI:10.19075/2414-0031-2016-4-100-119
  31. Palkin V.A. ABOUT PROSPECTS OF DEVELOPMENT OF SCHOOL IN THE CONDITIONS OF INFORMATIVE SOCIETY. // The Unity of Science: International Scientific Periodical Journal. 2016. Т. 1. № 1-1. С. 129-133.

References

  1. A.A. Arutyunyan. SYSTEM-INFORMATIONAL ANALYSIS OF THE EVOLUTION POTENTIAL OF THE COMPANY. // Electronic multidisciplinary scientific journal with the portal of international scientific and practical conferences “Internet Science”. 2016; (5): 36-44. DOI: 10.19075 / 2414-0031-2016-5-36-44
  2. Babin E.N. OPEN MODEL OF ACADEMIC KNOWLEDGE AS A TOOL OF INNOVATIVE DEVELOPMENT OF HIGHER EDUCATION // Quality. Innovation. Education, 2012, №4, p.7-13.
  3. Bashmakov AI THE ROLE OF MODELS OF COMPETENCE IN INFORMATION AND EDUCATIONAL MEDIA AND PRINCIPLES OF MODELING COMPETENCE. / / Electronic Journal (Computing Networks, Theory and Practice / NETWORK-JOURNAL. Theory and practice) BC / NW 2008,? 2 (13).
  4. Bogomolova EV COMPETENCE APPROACH IN PROVIDING QUALITY OF TRAINING OF GRADUATES OF HIGHER EDUCATION IN THE FIELD OF INFORMATICS. // Human capital. 2016. No. 3 (87). Pp. 84-86.
  5. Dzegelenok I.I. INFORMATION TECHNOLOGIES IN THE MANAGEMENT OF QUALITY OF EDUCATION: EDUCATIONAL HANDBOOK / under total. Ed. N. A. Selezneva. – М .: ИЦПКПС, 2004. – 68 with.
  6. Doroshenko Yu.I. QUALITY CONTROL OF EDUCATION IN THE HIGHER EDUCATION: SYSTEMNESS AND CONTRADICTION // University management: practice and analysis, №1, 2008, p.38-41.
  7. Zvonnikov VI, Chelyshkova MB QUALITY CONTROL OF TRAINING AT CERTIFICATION: COMPETENT APPROACH. – M., 2009. – 272 p.
  8. Winter I.A. KEY COMPETENCIES – A NEW PARADIGM OF EDUCATION RESULTS // Higher education today, 2003, No. 5, p. 34-42.
  9. Zubritskaya OM. EVALUATION OF THE QUALITY OF HIGHER EDUCATIONAL LEVELS AND THE USEFULNESS OF EXACT QUANTITATIVE DATA // Alma Mater, No. 8, 2014, p. 17-23.
  10. Irodov M.I., Kabanova L.V. INFORMATIZATION OF EDUCATION AND GROWTH OF PRODUCTIVITY OF LABOR. / / Scientific notes ISGZ. 2016. No. 1 (14). Pp. 287-291.
  11. Kaziev V.M. INTRODUCTION TO ANALYSIS, SYNTHESIS AND MODELING OF SYSTEMS. – Moscow: Binom. Laboratory of knowledge. Intuit.ru., 2007, – 288 p.
  12. Kaygorodtsev AA, Kanapinov SA, Kaygorodtseva TF CONCEPTUAL APPROACH TO EVALUATING THE PERFORMANCE OF THE INNOVATIVE STRATEGY OF THE HIGHER EDUCATION IN THE CONDITIONS OF STRATEGIC PARTNERSHIP. // The Economy. Business. Computer science. 2016; (2): 139-153. DOI: 10.19075 / 2500-2074-2016-2-139-153
  13. Kalimullin AM, Gabdulkhakov V.F. UNIVERSITY CENTER OF EXCELLENCE. // Education and self-development. 2016. No. 1 (47). Pp. 3-12.
  14. Kincarova A.V. METHODOLOGY OF WORLD RATINGS OF UNIVERSITIES: ANALYSIS AND CRITICISM // University management: practice and analysis, №2 (90), 2014, p.70-80.
  15. Kozunova SS, Babenko AA MODEL OF CONSTRUCTION OF PROTECTED INFORMATION SYSTEM OF CORPORATE TYPE. // Information systems and technologies. 2016. No. 3 (95). Pp. 112-120.
  16. COMPETENCY APPROACH IN PEDAGOGICAL EDUCATION: COLLECTIVE MONOGRAPH / Ed. Prof. VA Kozyreva and prof. NF Radionova. SPb .: Publishing House of the Russian State Pedagogical University. AI Herzen, 2004.- 392 p.
  17. O.V. Kuznetsova, N.I. Merkulova. INFORMATION-COMMUNICATION TECHNOLOGIES AS A MEANS OF SELF-EDUCATION AND SELF-DEVELOPMENT OF TEACHERS // Standards and monitoring in education, №3, 2014, p.17-27.
  18. Laptev VV, Laptev P.V. PROBLEMS OF ESTIMATION OF THE RESULTS OF TRAINING OF IT PROFESSIONALS. // Bulletin of the Astrakhan State Technical University. Series: Management, Computer Science and Informatics. 2016. № 2. С. 100-112.
  19. Lyz A.E. ABOUT THE SPECIFICITY OF DEVELOPMENT OF THE SUBJECT OF PROFESSIONAL ACTIVITY IN THE FIELD OF INFORMATION SECURITY. // SciencePark. 2016. № 2 (43). Pp. 74-76.
  20. Miloslavsky VG, Alieva N.Kh., Soloviev SM, Kompiletskaya OD, Kaziev TR THEORY AND PRACTICE OF PROFORENTATION IN RUSSIA: PROBLEMS AND PROSPECTS. // Young Scientist. 2016. No. 7 (111). Pp. 905-911.
  21. Naurozova E.A., Shamilev S.R. IMPORTANCE OF EFFECTIVE INVESTMENTS FOR REGIONS OF THE RUSSIAN FEDERATION. RATING OF THE REGIONS, INFORMATION FOR BUSINESS, INDUSTRY MINISTRIES, LARGE CAMPAIGNS. // History. Economy. Geopolitics. 2016; (1): 32-46. URL: http://www.internetnauka.net/jour/article/view/1 (reference date: May 28, 2016).
  22. Nauryzova EA, Shamilev SR FORECASTING OF REGIONAL UNEMPLOYMENT. // Electronic multidisciplinary scientific journal “Internet Science”. 2016; (5): 64-74. DOI: 10.19075 / 2414-0031-2016-5-64-74
  23. Unknown S.I. ABOUT APPLICATION OF TAXONOMY IN THE FIELD OF INFORMATION TECHNOLOGIES. // Transport systems and technologies. 2016. No. 1 (3). Pp. 89-111.
  24. Novikova S.V., Zaydullin S.S. IMPLEMENTATION OF FLEXIBLE EDUCATIONAL TRAJECTORY OF IT-SPECIALISTS ON THE BASIS OF BLOCK E-LEARNING-APPROACH. / / Scientific notes ISGZ. 2016. No. 1 (14). Pp. 423-427.
  25. Pashintseva NI, Zinovieva I.V. ON INFORMATION AND METHODOLOGICAL PROVISION OF ANALYSIS OF INTELLECTUAL ASSETS AND USE OF SCIENTIFIC POTENTIAL OF RUSSIA. // Questions of statistics. 2016. № 3. P. 43-54.
  26. Sahayeva S.I. ELECTRONIC EDUCATIONAL RESOURCES AS A TOOL FOR FORMING THE IT COMPETENCIES OF THE SPECIALISTS OF THE HUMANITARIAN SPHERE. / / Scientific notes ISGZ. 2016. No. 1 (14). S. 510-515.
  27. Seydametova ZS, Seitvelieva SN CLOUD SERVICE IN EDUCATION // Information Technologies in Education. – 2011. – No. 9. – P. 105-111.
  28. Seitvelieva SN READINESS OF FUTURE ENGINEERS-PROGRAMMERS TO USE CLOUD TECHNOLOGIES IN PROFESSIONAL ACTIVITY. // Bulletin of Science and Practice. 2016. No. 4 (5). Pp. 494-499.
  29. Sokolova TB SYSTEM ANALYSIS OF ECOLOGICAL-ECONOMIC AND INFORMATION HIERARCHICAL STRUCTURES. // Electronic multidisciplinary scientific journal “Internet Science”. 2016; (5): 75-84. DOI: 10.19075 / 2414-0031-2016-5-75-84
  30. Umarov R.Sh. SEPARATE CHARACTERISTICS OF COMMUNICATION SERVICES IN SUBJECTS OF RUSSIA, AS THE MOST IMPORTANT INDICATOR OF INFRASTRUCTURE DEVELOPMENT. // Electronic multidisciplinary scientific journal “Internet Science”. 2016; (4): 100-118. DOI: 10.19075 / 2414-0031-2016-4-100-119
  31. Palkin V.A. ABOUT PROSPECTS OF DEVELOPMENT OF SCHOOL IN THE CONDITIONS OF INFORMATIVE SOCIETY. // The Unity of Science: International Scientific Periodical Journal. 2016. Vol. 1. No. 1-1. Pp. 129-133.