Статья: ЦИКЛ PDCA И БАЛЛЬНО-РЕЙТИНГОВАЯ СИСТЕМА ОЦЕНКИ ЗНАНИЙ ОБУЧАЮЩИХСЯ: ПУТИ СОВЕРШЕНСТВОВАНИЯ КАЧЕСТВА ОБРАЗОВАНИЯ (НА МАТЕРИАЛАХ ДИСЦИПЛИНЫ УПРАВЛЕНИЕ БИЗНЕС-ПРОЦЕССАМИ) (2024)

Цель работы является адаптация метода антипаттернов для повышения эффективности обучения студентов направлений «Прикладная информатика», «Информационные системы и технологии», «Программная инженерия» принципам и техникам проектирования реляционных баз данных в рамках соответствующих дисциплин и практик. Обучение проектированию баз данных является важной составляющей формирования специалиста-разработчика программного обеспечения. Совокупность принимаемых при проектировании решений должна опираться на общепринятые правила, принципы и рекомендации, а также на имеющийся опыт создания и эксплуатации информационных систем, трудновоспроизводимый в условия аудитории вуза. Материалы и методы. Повысить эффективность обучения студентов проектированию баз данных позволит подход, ориентированный на концепцию антипаттернов - неудачных распространенных проектных решений. Понятие антипаттерна получило широкое распространение вслед за широким использованием понятия паттерна, то есть распространенного типового решения, вписанного в контекст решаемой проблемы. Как понятие паттерна, так и понятие антипаттерна первоначально были ориентированы на объектно-ориентированное программное обеспечение, но в дальнейшем получили признание во всех областях информационных технологий. В работе предложена схема описания антипаттерна, включающая название, краткую характеристику, возможные причины появления, список недостатков применения при построении реляционных баз данных, концептуальная модель в виде ER-диаграммы (диаграмма сущность-связь), пример соответствующей структуры базы данных, способы ухода от антипаттерна, а также возможные исключения, когда применение именно такого проектного решения при создании базы данных может быть оправдано. Результаты исследования. На основании учебной, научной и технической литературы и периодики, а также на основе анализа имеющейся практики проектирования информационных систем составлен и описан каталог распространенных антипаттернов проектирования реляционных баз данных. Примеры антипаттернов: «Винегрет имен», «Таблицы-дубли», «Ложная абстракция», «Неатомарные реквизиты», «Столбцы-дубли», «Изменение данных в рабочем порядке (временные поля)», «Параллельные связи», «Божественная таблица», «Спекулятивное изменение метаданных» и др. При этом часть паттернов позволила проиллюстрировать общие принципы проектирования реляционных баз данных, например, такой как «Никакое изощренное программирование не способно исправить фатальные недостатки архитектуры». Показано, что имеющиеся неудачные решения зачастую обусловлены определенными предпосылками, например, необходимостью выполнить hot-fix, то есть «временное» решение, или преждевременной попыткой повысить производительность системы, либо желанием получить некоторый отчет одним запросом, избежав лишних соединений и т. д. Помимо технических аспектов показана актуальность корректной и единообразной системы наименований, отсутствие которой затрудняет сопровождение и развитие системы и ведет к лишним затратам. Предложенный подход был апробирован при обучении студентов дисциплинам «Базы данных», «Проектирование баз данных», «Архитектура информационных систем». Прошедшие обучение студенты улучшили понимание принципов и практик проектирования структуры баз данных. Заключение. Применение предложенного каталога антпаттернов в учебном процессе вуза позволяет ускорить обучение молодых специалистов приемам проектирования структуры реляционных баз данных, избежать распространенных ошибок при создании информационных систем, а также повысить общую культуру проектирования.

Цель. Целью данной статьи является разработка методов и алгоритмов микросервисной реализации для информационного обеспечения многоагентных систем, реализующих функции цифровых двойников предприятия. Особое внимание уделяется реализации функций сбора данных, мониторинга, диагностики и принятия решений, обеспечивающих эффективное взаимодействие между агентами продуктов и агентами ресурсов на основе соглашений об уровне сервиса (SLA). Методы исследования. Исследование использует методы построения микросервисной архитектуру для разделения и автономного выполнения функций, таких как сбор данных, мониторинг и диагностика, с целью оптимизации SLA и повышения надежности системы. Для повышения устойчивости системы к угрозам безопасности в алгоритмы добавлены этапы контроля доступа, шифрования данных и анализа аномалий. Методология включает адаптивное управление параметрами SLA, использование распределенной обработки данных и применение аналитических алгоритмов для принятия решений, а также механизмы для выявления потенциальных угроз и несанкционированного доступа. Результаты. Предложенные методы и алгоритмы позволяют создавать гибкую и масштабируемую многоагентную систему, способную адаптироваться к изменяющимся условиям и обеспечивать устойчивую и безопасную работу цифровых двойников. Использование SLA для регулирования взаимодействия агентов улучшает согласованность их действий, повышает точность мониторинга и защищает данные, поддерживая высокую надежность и безопасность системы. Заключение. Результаты показывают, что микросервисный подход, использование SLA и интеграция мер безопасности значительно повышают эффективность и надежность многоагентных систем, позволяя агентам адаптироваться к изменениям, оперативно реагировать на отклонения и предотвращать возможные угрозы. Применение данных методов может существенно улучшить управление активами в сетевых предприятиях, поддерживая их конкурентоспособность, устойчивость и безопасность в условиях цифровой трансформации.

Целью исследования заключается описании разработки и апробации структурно-функциональной модели подготовки будущих педагогов к цифровизации образования дошкольников, ее теоретическом обосновании, а также в определении поддерживающих данную модель организационно-педагогических условий. Актуальность исследования на социально-педагогическом уровне связана с потребностью государства и общества в подготовке будущих педагогов к профессиональной деятельности в условиях цифровизации образования дошкольников. На научно-теоретическом уровне актуальность исследования обусловлена необходимостью анализа основных подходов в области подготовки будущих педагогов к цифровизации образования дошкольников и уточнении ключевых понятий: «цифровизация образования дошкольников» и «подготовка будущих педагогов к цифровизации образования дошкольников». На научно-методическом уровне актуальность исследования обусловлена необходимостью разработки структурно-функциональной модели подготовки будущих педагогов к цифровизации образования дошкольников. Материалы и методы. Для достижения поставленной цели были использованы следующие методологические подходы: профессионально-деятельностный подход к подготовке будущих педагогов, компетентностный подход в области проектирования результатов образования, личностный подход, теории, концепции и взгляды исследователей на проблему применения цифровых технологий в работе с детьми дошкольного возраста. Для решения поставленных задач был использован комплекс взаимодополняющих исследовательских методов: теоретические (анализ источников по теме исследования; конкретизация данных; обобщение психолого-педагогической литературы; сравнение данных по данной проблематике; дедукция; содержательная интерпретация и анализ результатов) и эмпирические (проведение констатирующего, формирующего и контрольного экспериментов; анкетирование; тестирование; анализ продуктов деятельности (выполнение практических заданий, ЭССЕ); качественный, количественный и статистические методы обработки полученных результатов на основе сравнительного анализа U-критерия Манна-Уитни, t-критерий Стьюдента). Результаты. В рамках проведенного исследования была разработана и теоретически обоснована структурно-функциональная модель подготовки будущих педагогов к цифровизации образования дошкольников. Определены структурные компоненты готовности будущих педагогов к цифровизации образования дошкольников: общепользовательский общепедагогический, предметно-педагогический, ценностно-мотивационный, разработаны критерии ее сформированности и показатели каждого критерия. Нами выделены организационно-педагогические условия, обеспечивающие поддержку в реализации структурно-функциональной модели подготовки будущих педагогов к цифровизации образования дошкольников. В рамках опытно-поисковой работы приняли участие 120 студентов, различных форм обучения: очной, заочной, обучающиеся по профилю «Дошкольное образование» на базах: ФГБОУ ВО «Шадринский государственный педагогический университет» г. Шадринск (60 человек) и Казахский национальный педагогический университет имени Абая, г. Алма-Ата. (60 человек). Результат опытно-поисковой работы показал значительное улучшение в подготовке будущих педагогов к цифровизации образования дошкольников, что свидетельствует об успешности предложенной структурно-функциональной модели. Большая часть студентов в экспериментальных группах показала положительную динамику: в ЭГ-1 прогрессивный уровень вырос с 20% (6 студ.) до 40% (12 студ.), в группе ЭГ-2 также прогрессивный уровень увеличился с 23% (7 студ.) до 40% (12 студ.). При этом наиболее значительные результаты по всем четырем компонентам готовности будущих педагогов к цифровизации образования дошкольников выявлены в группе ЭГ-3, где были реализованы два педагогических условия: начальный уровень снизился с 13% (4 студ.) до 0% (0 студ.), функциональный уровень уменьшился с 60% (18 студ.) до 47% (14 студ.) и прогрессивный уровень вырос с 27% (8 студ.) до 53% (16 студ.). Заключение. В заключении можно сделать вывод, что подготовка будущих педагогов к цифровизации образования дошкольников является актуальной задачей современного образования, решение которойзавязано на научном обосновании и выявлении комплекса необходимых компетенций, которыми должен обладать современныйспециалист. В процессе работы нами установлено, что подготовка будущих педагогов к цифровому образованию дошкольников будет эффективнее при разработке и апробации структурно-функциональной модели и поддерживающих ее организационно-педагогических условий. В рамках проведенного исследования была разработана и теоретически обоснована структурно-функциональная модель подготовки будущих педагогов к цифровизации образования дошкольников. Определены структурные компоненты готовности будущих педагогов к цифровизации образования дошкольников: общепользовательский общепедагогический, предметно-педагогический, ценностно-мотивационный, разработаны критерии ее сформированности и показатели каждого критерия.

В статье рассматривается процесс развития мышления инженера в ходе изучения инженерной графики в вузе.

Актуальность. Условия деятельности современного инженера требуют профессиональной подготовки. Одной из дисциплин подготовки инженеров является начертательная геометрия и инженерная графика (НГ и ИГ), которая развивает мышление инженера. Целью исследования является процесс развития мышления инженеры в ходе изучения начертательной геометрии и инженерной графики. В ходе исследования использовались теоретические методы анализа, синтез структуры модуля, синтеза и обобщений, контроль знаний, практические методы выполнения графических заданий, методы математической статистики оценки учебных достижений, анализ литературных источников и учебной литературы, эксперимент. Теоретическая значимость и новизна определяется положениями, достигнутыми входе исследования. Мышление имеет формы и виды мышления. Уровень мышления инженера базируется на знаниях, в сочетающий теоретического и практического опыта жизнедеятельности, который определяет его логику мышления. Основой развития мышления являются психические образования. В данном процессе, должно быть важным формирование знаний и качества знаний инженера в ходе подготовки. Качества знаний студента выявляются в результате усвоения и применения знаний человеком в различных видах деятельности. Инженерная графика развивает мышление по средствам формирования знания, навыки, умения (з. н. у.), как основа для умозаключений, соответствующих теоретическому уровню специальности подготовки студента. НГ и ИГ позволяет развивать психические процессы: восприятие, представление, воображение, память, речь и т. д.; качества знаний: полнота, глубина, оперативность, гибкость, осознанность; развивать мышление: подразумевает развитие качеств мышления, видов мышления, форм мышления, уровней мышления. Практическую значимость характеризуют выводы исследования. НГ и ИГ является важной дисциплиной в успешной подготовке будущего специалиста, так как при ее изучении у студентов появляются знания основ конструкторской документации, умения выполнять различные виды конструкторской деятельности и чтения чертежей, навыки оформления конструкторской документации при изучении других дисциплин направления подготовки, компетенции инженера способного читать и оформлять конструкторские документы для изделий производства. НГ и ИГ развивает мышление по средствам формирования з. н. у., как основы для умозаключений, соответствующих теоретическому уровню специальности подготовки студента. НГ и ИГ позволяет развивать психические процессы: восприятие (в процессе изучения теоретического материала и практического выполнения заданий по ИГ), представление (совокупность знаний о видах проецирования: центральное, ортогонально, аксонометрическое) исходя из вида, выполнить задание, воображение (для построения фигур или деталей на чертеже целесообразно вообразить и построить линии связи в целях правильного построения проекций), память (знание требований ЕСКД позволяет видеть изображенные виды конструкторской документации, чертежи деталей и т. д.), речь (характеризуется терминами характерными для той или иной специальности или дисциплины) и т. д.

Цель данного исследования - рассмотреть перспективы и проблемы применения больших данных в образовании. Материалы и методы. Методами исследования выступали анализ, систематизация и структурирование информации в области применения больших данных в образовании, а также моделирование и программная реализация тестовой модели обработки больших данных с использованием фреймворка Apache Spark. Результаты. В статье рассмотрены ключевые аспекты использования больших данных в образовании, в частности, их источники в виде цифрового следа обучения, методы анализа и направления применения больших данных. При этом были выделены следующие источники больших данных в образовании: электронная образовательная среда и электронная библиотека вуза; мобильные приложения для обучения; сайт вуза; социальные сети и форумы; данные обратной связи, обращений и опросов; персональные данные, включая психометрические характеристики обучающихся; данные научных smart лабораторий; данные видеонаблюдений и систем контроля управления доступом; данные о карьерном пути и успешности выпускников. Направления применения больших данных в образовании включают в себя следующие моменты: персонализация электронного обучения, выдача персонализированных рекомендаций; аналитика данных; оценка и обратная связь; прогнозирование успеха студентов; мониторинг качества образования; создание модели обучаемого; разработка учебных планов на основе запросов работодателей; разработка новых образовательных программ; появление новых моделей обучения; совершенствование процессов управления вузом; совершенствование работы приемной компании; модернизация программно-технических средств обучения; оптимизация педагогического состава. В качестве проблем применения больших данных в образовании рассматриваются проблемы защиты личных (персональных) данных, необходимость в новых методологиях и технологиях анализа больших данных, потребность в существенной модернизации имеющихся в системе образования технических средств, необходимость в квалифицированных кадрах. В статье также приведен тестовый пример анализа log-файла (журнала событий) электронного курса с помощью технологий обработки больших данных Spark SQL, показывающий потенциальную возможность и практическую применимость технологий обработки больших данных к задачам анализа цифрового следа обучения. Заключение. Большие данные в образовании способны предоставить уникальные возможности для анализа и оптимизации учебного процесса, помогая выявить тенденции, прогнозировать успехи студентов и адаптировать образовательные программы к индивидуальным потребностям учащихся. Но нельзя также забывать, что использование больших данных в сфере образования также несет с собой определенные риски и вызовы, связанные с этическими аспектами, защитой личных данных и необходимостью кадровой модернизации сложившейся системы образования. Для успешной интеграции аналитики данных в образовательную практику необходимо развивать не только технические ресурсы, но и уровень цифровой безопасности и этики в использовании персональных данных.