Математическая модель формирования базовой статистической выборки для оценки уровня освоения цифровых компетенций преподавателей


https://doi.org/10.21686/2500-3925-2018-6-26-35

Полный текст:


Аннотация

Цель исследования. Исследование влияния системы профессионального образования на параметры развития цифровой экономики в регионах РФ могут осуществляться в различных направлениях: выявление состояния системы профессионального образования как института, обеспечивающего человеческими ресурсами цифровую экономику региона; выявление потребностей отдельных отраслей экономики в специалистах, обладающих соответствующими компетенциями для работы в цифровой экономике. Целью данного исследования является обоснование математической модели, позволяющей доказательно сформировать базовую статистическую выборку для оценки уровней освоения цифровых компетенций преподавателями образовательных учреждений профессионального образования.

Материалы и методы. В данной работе предлагается методика оценивания, основанная на мягких вычислениях. Данный подход позволяет соотнести качественный показатель освоения цифровых компетенций и количественную категорию, сформировать базовую статистическую выборку для анализа кадрового потенциала в сфере профессионального образования и оценки развития цифровых компетенций по исследуемой области. Для оценки готовности преподавателей системы профессионального образования осуществлять профессиональную деятельность, направленную на обеспечение развития цифровой экономики региона, использован компетентностный подход. Полученные значения уровней освоения различных цифровых компетенций агрегируются по каждому показателю лингвистической переменной в сводные значения, которые могут быть использованы в качестве базовой статистической выборки.

Результаты. На основе данной модели может быть проведен статистический анализ данных об уровне человеческих ресурсов региона в аспекте сформированности знаний и умений в сфере информационно-компьютерных технологий. Данная модель может быть использования для обработки информации о тестировании разных групп: педагогических работников, государственных и муниципальных служащих. Результаты позволят диагностировать исходное состояние уровней освоения цифровых компетенций работников отрасли региона или исследуемой организации и осуществлять мониторинг развития человеческих ресурсов региона в рамках проекта «Цифровая экономика». Статистически данные, полученные на основе предложенной модели, хорошо интерпретируются с использованием стандартных графических средств (например, графиков и гистограмм).

Заключение. Разработанная математическая модель апробирована на основе реальных данных и принята в качестве базовой для оценки уровня освоения цифровых компетенций преподавателей министерством образования и молодежной политики Рязанской области. Предложенная модель обладает свойством универсальности и может быть применена для получения базовых статистических выборок уровня освоения цифровых компетенций в областях реального сектора экономики. Дальнейшие исследования планируется проводить в сфере автоматизации процесса статистического анализа данных по цифровизации населения региона, прежде всего в сфере профессионального образования. На основе разработанной математической модели разрабатывается алгоритм аналитической обработки статистических данных по мониторингу цифровых компетенций.


Об авторах

С. В. Авилкина
Рязанский государственный радиотехнический университет (РГРТУ)
Россия

Светлана Викторовна Авилкина - к.п.н., доцент, доцент кафедры ГМКУ

Тел.: +7(905)187-03-30

Рязань



М. А. Бакулева
Рязанский государственный радиотехнический университет (РГРТУ)
Россия

Марина Алексеевна Бакулева - к.т.н., доцент, доцент кафедры САПР ВС
 
Тел.: +7(920)960-98-47

Рязань



Н. П. Клейносова
Рязанский государственный радиотехнический университет (РГРТУ)
Россия

Надежда Павловна Клейносова - к.пед.н., доцент кафедры ЭВМ
 
Тел.: +7(920)955-99-17

Рязань



Список литературы

1. Бакулев А.В., Бакулева М.А. Построение ассоциативных правил на основе дифференцирования графовой модели анализируемой выборки // Вестник Рязанского государственного радиотехнического университета. 2013. № 46-2. С. 86–88.

2. Бакулев А.В., Бакулева М.А., Авилкина С.В. Новые информационные технологии в формировании единого информационного пространства при изучении теории графов // Экономика, статистика и информатика. Вестник УМО. 2013. №4. С. 3–6.

3. Вайндорф-Сысоева М. Е. Методическая грамотность преподавателя вуза в онлайн-обучении как профессиональная компетенция // eLearning Stakeholders and Researchers Summit 2017. 2017. С. 137–141.

4. Всероссийское исследование «Индекс цифровой грамотности граждан РФ» — проект Региональной общественной организации «Центр Интернет-технологий» (РОЦИТ) [Электрон. ресурс]. Режим доступа: цифроваяграмотность.рф

5. Готова ли Россия к цифровой экономике? // Аналитический центр при Правительстве РФ, 2017. [Электрон. ресурс]. Режим доступа: http://ac.gov.ru/events/013465.

6. Днепровская Н.В. Оценка готовности российского высшего образования к цифровой экономике. Статистика и Экономика. 2018. №15 (4). С. 16–28. DOI: https://doi.org/10.21686/2500-3925-2018-4-16-28

7. Индикаторы цифровой экономики: 2017: статистический сборник / Г.И. Абдрахманова, Л.М. Гохберг, М.А. Кевеш и др.; Нац. исслед. ун-т «Высшая школа экономики». М.: НИУ ВШЭ, 2017. 320 с.

8. Индекс «Цифровая Россия» [Электрон. ресурс]. Режим доступа: https://finance.skolkovo.ru/downloads/documents/FinChair/Research_Reports/SKOLKOVO_Digital_Russia_Resume_2018-10_ru.pdf

9. Киянова Л.Д., Литвиненко И.Л. Роль системы высшего профессионального образования в формировании национальной инновационной системы // Статистика и Экономика. 2013. № 5. С. 51–55. DOI: https://doi.org/10.21686/2500-3925-2013-5-51-55

10. Клочкова Е.Н. Статистический подход к исследованию развития информационного общества в контексте мировых тенденций // Статистика и Экономика. 2016. № 5. С. 23–28. DOI: https://doi.org/10.21686/2500-3925-2016-5-23-28.

11. Луценко Н.О. Механизмы государственной политики в области образования // Государственное управление. Электронный вестник. 2017. № 65. С. 210–220. [Электрон. ресурс]. Режим доступа: http://e-joumal.spa.msu.ru/vestmk/item/65_2017lutsenko.html

12. Минашкин В.Г., Прохоров П.Э. Статистический анализ использования цифровых технологий в организациях: региональный аспект // Статистика и Экономика. 2018. №15(5). С. 51– 62. DOI: https://doi.org/10.21686/2500-3925-2018-5-51-62

13. Морева Е.Л. Проблемы перехода к цифровой экономике: зарубежные рецепты и российские альтернативы // Государственное управление. Электронный вестник. 2018. № 70. Октябрь. С. 344–359

14. Программа «Цифровая экономика Российской Федерации». Утверждена Распоряжением Правительства Российской Федерации № 1632-р от 28 июля 2017 г. [Электрон. ресурс]. Режим доступа: http://static.government.ru/media/files/9gFM4FHj4PsB79I5v7yLVuPgu4bvR7M0.pdf

15. Прокофьева Е.Н., Левина Е.Ю., Загребина Е.И. Диагностика формирования компетенций студентов в вузе // Фундаментальные исследования. 2015. № 2–4. С. 797–801 [Электрон. ресурс]. Режим доступа: http://fundamentalresearch.ru/ru/article/view?id=36936

16. Смелов П.А., Егорова Е.А., Прохоров П.Э. Современные ИКТ в статистике в эпоху цифровой экономики // Материалы Международной научно-практической конференции «Статистика в цифровой экономике: обучение и использование» (Санкт-Петербург, 1–2 февраля 2018 г.). СПб: Санкт-Петербургский государственный экономический университет, 2018. С. 140–141.

17. Стратегия развития информационного общества в Российской Федерации на 2017— 2030 годы. Утверждена Указом Президента Российской Федерации № 203 от 9.05.2017 г. [Электрон. ресурс]. Режим доступа: http://kremlin.ru/acts/bank/41919

18. Хьюзлид М.А., Беккер Б.Е., Битти Р.У. Оценка персонала: как управлять человеческим капиталом, чтобы реализовать стратегию. Пер. с англ. М.: ООО "ИД "Вильямс", 2007. 432 с.

19. Чинаева Т.И. Основные тенденции развития международного рынка образовательных услуг // Статистика и Экономика. 2017. № 1. С. 60–68. DOI: https://doi.org/10.21686/2500-3925-2017-1-60-68

20. Шапошникова Т. Л., Подольская О.Н., Пастухова И.П. Современные модели и методы диагностики конкурентоспособности выпускника вуза // Научные труды Кубанского государственного технологического университета. 2016. № 8. С. 385–398.

21. Mariscal D.C., Deldago F.J.H. Main Motivations of Students of Childhood Education and Primary Education to Become Teachers // Mediterranean Journal of Social Sciences. 2016. № 6 (7). Р. 153-158.


Дополнительные файлы

Для цитирования: Авилкина С.В., Бакулева М.А., Клейносова Н.П. Математическая модель формирования базовой статистической выборки для оценки уровня освоения цифровых компетенций преподавателей. Статистика и Экономика. 2018;15(6):26-35. https://doi.org/10.21686/2500-3925-2018-6-26-35

For citation: Avilkina S.V., Bakuleva M.A., Kleynosova N.P. Mathematical model of the formation of the basic statistical sample for evaluating the level of the digital competence of lecturers. Statistics and Economics. 2018;15(6):26-35. (In Russ.) https://doi.org/10.21686/2500-3925-2018-6-26-35

Просмотров: 83

Обратные ссылки

  • Обратные ссылки не определены.


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 2500-3925 (Print)