Модель обучающей информационной системы подготовки кадров для преподавания в учреждениях среднего профессионального образования
Аннотация
Одной из задач современной системы среднего профессионального образования является подготовка квалифицированных специалистов, соответствующая современному уровню развития техники, готовых к непрерывному образованию и самообразованию. Высокий уровень востребованности специалистов среднего звена у работодателей обусловливает потребность в педагогических кадрах, реализующих программы среднего профессионального образования. Профессионально-педагогическое образование, задачей которого является подготовка таких специалистов, не в полной мере решает эту проблему. Дефицит преподавателей среднего специального образования можно восполнить в рамках организации программ дополнительного образования для бакалавров соответствующего профиля. Будущих педагогов необходимо познакомить с теоретическими и практическими особенностями работы в сфере среднего профессионального образования, сущностью проекта «Профессионалитет» и стандартами WorldSkills. Одной из наиболее удобных форм организации такой работы является создание обучающей системы, использующей технологии искусственного интеллекта.
Целью работы являлось проектирование системы обучения и контроля, направленной на подготовку студентов к преподаванию в системе среднего профессионального образования. Для достижения цели были поставлены следующие задачи: создание формальной модели обучающей системы; выбор средств для реализации и оптимизации полученной модели.
При разработке системы подготовки студентов бакалавриата к преподаванию в учреждениях среднего профессионального образования использовалась модель готовности к преподаванию, состоящая из следующих компонентов: мотивационно-ориентационный, оценочно-рефлексивный; операционно-действенный.
Каждый из компонентов представлен в нескольких разделах обучающей системы. Мотивационно-ориентационный компонент представлен в материалах курса, отражающих сведения о современной системе среднего профессионального образования, стандартах WorldSkills, демонстрационных экзаменах по стандартам WorldSkills, федеральном проекте «Профессионалитет», о концепции Всероссийского чемпионатного движения по профессиональному мастерству. Оценочно-рефлексивный реализован в тестовой части курса, направленной диагностику и самодиагностику профессиональных качеств студентов. Обучающая часть курса реализует операционально-действенный компонент, знакомящий студентов с особенностями педагогической работы в системе среднего профессионального образования.
Литература
2. Huang C., et al. A feature weighted support vector machine and artificial neural network algorithm for academic course performance prediction.Neural Computing and Applications. 2023;35:11517-11529. https://doi.org/10.1007/s00521-021-05962-3
3. Han Q. Using neural network for the evaluation of physical education teaching in colleges and universities. Soft Comput. 2022;26:10699-10705. https://doi.org/10.1007/s00500-022-06848-9
4. Buddhtha S., Natasha C., Irwansyah E., et al. Building an Artificial Neural Network with Backpropagation Algorithm to Determine Teacher Engagement Based on the Indonesian Teacher Engagement Index and Presenting the Data in a Web-Based GIS. Int J Comput Intell Syst. 2019;12:1575-1584. https://doi.org/10.2991/ijcis.d.191101.003
5. Karacı A., Arıcı, N. Determining students’ level of page viewing in intelligent tutorial systems with artificial neural network. Neural Comput & Applic. 2014;24:675-684. https://doi.org/10.1007/s00521-012-1284-8
6. Bouzayenne A., Harizi R. Developing an Artificial Neural Network-based model for predicting EFL achievement level. Multimed Tools Appl. 2024;84:28061-28084. https://doi.org/10.1007/s11042-024-20295-8
7. Shamir G., Levin I. Neural Network Construction Practices in Elementary School. Künstl Intell. 2021;35:181-189. https://doi.org/10.1007/s13218-021-00729-3
8. Dutt S., Ahuja N.J., Kumar M. An intelligent tutoring system architecture based on fuzzy neural network (FNN) for special education of learning disabled learners. Educ Inf Technol. 2022;27:2613-2633. https://doi.org/10.1007/s10639-021-10713-x
9. Aydoğdu, Ş. Predicting student final performance using artificial neural networks in online learning environments. Educ Inf Technol. 2020;25:1913-1927. https://doi.org/10.1007/s10639-019-10053-x
10. Ma L. Realization of artificial intelligence interactive system for advertising education in the era of 5G integrated media. Wireless Netw. 2021. https://doi.org/10.1007/s11276-021-02700-4
11. Chassignol M., Khoroshavin A., Klimova A., Bilyatdinova A. Artificial intelligence trends in education: A narrative overview.Procedia Computer Science. 2018;136:16-24.https://doi.org/10.1016/J.PROCS.2018.08.233
12. Chatterjee S., Bhattacharjee K.K. Adoption of artificial intelligence in higher education: A quantitative analysis using structural equation modelling.Education and Information Technologies. 2020;25:3443-3463. https://doi.org/10.1007/s10639-020-10159-7
13. Chen R., Wang T., Kim S. Optimizing teaching management in college physical education: a fuzzy neural network approach. Soft Comput. 2023;27:19299-19315. https://doi.org/10.1007/s00500-023-09318-y
14. Al-Zahrani A.M., Alasmari T.M. Exploring the impact of artificial intelligence on higher education: The dynamics of ethical, social, and educational implications. Humanit Soc Sci Commun. 2024;11:912. https://doi.org/10.1057/s41599-024-03432-4
15. Huang S.-P. Effects of Using Artificial Intelligence Teaching System for Environmental Education on Environmental Knowledge and Attitude. Eurasia Journal of Mathematics, Science and Technology Education. 2018;14(7):3277-3284. https://doi.org/10.29333/ejmste/91248
16. Wang C., Cai J., Gao C.,et al.History, Status, and Development of AI-Based Learning Science.SN COMPUT. SCI.2023;4:316. https://doi.org/10.1007/s42979-023-01778-1
17. Hooda M., Rana C., Dahiya O., Rizwan A., Hossain M.S. Artificial Intelligence for Assessment and Feedback to Enhance Student Success in Higher Education. Mathematical Problems in Engineering. 2022:5215722. https://doi.org/10.1155/2022/5215722
18. Taherdoost H. Deep Learning and Neural Networks: Decision-Making Implications. Symmetry. 2023;15(9):1723. https://doi.org/10.3390/sym15091723
19. Mienye I.D., Swart T.G. A Comprehensive Review of Deep Learning: Architectures, Recent Advances, and Applications. Information. 2024;15(12):755. https://doi.org/10.3390/info15120755
20. Sarker I.H. Deep Learning: A Comprehensive Overview on Techniques, Taxonomy, Applications and Research Directions. SN COMPUT. SCI. 2021;2:420. https://doi.org/10.1007/s42979-021-00815-1
21. Montesinos López O.A., Montesinos López A., Crossa J. Fundamentals of Artificial Neural Networks and Deep Learning. In: Multivariate Statistical Machine Learning Methods for Genomic Prediction. Cham: Springer; 2022. p. 379-425. https://doi.org/10.1007/978-3-030-89010-0_10
22. Dai C.-P., Ke F. Educational applications of artificial intelligence in simulation-based learning: A systematic mapping review. Computers and Education: Artificial Intelligence. 2022;3:100087. https://doi.org/10.1016/j.caeai.2022.100087
23. Crompton H., Burke D. Artificial intelligence in higher education: the state of the field.Int J Educ Technol High Educ. 2023;20:22. https://doi.org/10.1186/s41239-023-00392-8
24. de Carvalho S.D., de Melo F.R., Flôres E.L.et al.Intelligent tutoring system using expert knowledge and Kohonen maps with automated training.Neural Comput & Applic. 2020;32:13577-13589. https://doi.org/10.1007/s00521-020-04767-0
25. Fialko A.I. Modeling of professional training of students – future teachers of technical disciplines taking into account WorldSkills standards. Modern High Technologies. 2022;(7):188-192. (In Russ., abstract in Eng.) https://doi.org/10.17513/snt.39257
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
Редакционная политика журнала основывается на традиционных этических принципах российской научной периодики и строится с учетом этических норм работы редакторов и издателей, закрепленных в Кодексе поведения и руководящих принципах наилучшей практики для редактора журнала (Code of Conduct and Best Practice Guidelines for Journal Editors) и Кодексе поведения для издателя журнала (Code of Conduct for Journal Publishers), разработанных Комитетом по публикационной этике - Committee on Publication Ethics (COPE). В процессе издательской деятельности редколлегия журнала руководствуется международными правилами охраны авторского права, нормами действующего законодательства РФ, международными издательскими стандартами и обязательной ссылке на первоисточник.
Журнал позволяет авторам сохранять авторское право без ограничений. Журнал позволяет авторам сохранить права на публикацию без ограничений.
Издательская политика в области авторского права и архивирования определяются «зеленым цветом» в базе данных SHERPA/RoMEO.
Все статьи распространяются на условиях лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная, которая позволяет другим использовать, распространять, дополнять эту работу с обязательной ссылкой на оригинальную работу и публикацию в этом журналe.
