Дьяченко Михаил Сергеевич - инженер отдела проблем информационной безопасности, Федеральный научный центр НИИСИ РАН, НИЦ «Курчатовский институт»; преподаватель магистерской программы «Цифровые технологии в государственном и корпоративном управлении», кафедра математических методов в экономике и управлении, Институт информационных систем, ГУУ.
Москва
Mikhail S. Diachenko - Engineer at the Information Security Department, Scientific Research Institute for System Analysis of the Russian Academy of Sciences, NRC “Kurchatov Institute”, Moscow, Russia; Master’s Program Instructor of the “Digital Technologies in Public and Corporate Governance”, The Department of Mathematical Methods in Economics and Management, Institute of Information Systems, SUM.
Moscow
Леонов Александр Георгиевич - канд. физ.-мат. наук, доцент, зав. кафедрой дополнительного профессионального образования, Федеральный научный центр НИИСИ РАН, НИЦ «Курчатовский институт»; руководитель магистерской программы «Цифровые технологии в государственном и корпоративном управлении», доцент кафедры математических методов в экономике и управлении, Институт информационных систем, ГУУ; ведущий научный сотрудник лаборатории вычислительных методов, кафедра теоретической информатики, механико-математический факультет, МГУ имени М.В. Ломоносова; профессор кафедры математики и информатики в начальной школе, факультет начального образования, Институт детства, МПГУ.
Москва
Alexander G. Leonov - Candidate of Sciences (Physics and Mathematics), Docent, Head of the Department of Continuing Professional Education, Scientific Research Institute for System Analysis of the RAS, NRC “Kurchatov Institute”; Master’s Program Supervisor of the “Digital Technologies in Public and Corporate Governance”, Associate Professor at the Department of Mathematical Methods in Economics and Management, Institute of Information Systems, SUM; Leading Researcher at the Laboratory of Computational Methods, The Department of Theoretical Informatics, Faculty of Mechanics and Mathematics, Lomonosov MSU; Professor at the Department of Mathematics and Informatics in Elementary School, Faculty of Elementary Education, Institute of Childhood, MPSU.
Moscow
Автоматизация образовательного процесса и внедрение адаптивного обучения становятся наиболее эффективными способами решения проблемы дефицита высококвалифицированных кадров в условиях цифровизации образования.
В статье предложен подход к формированию индивидуальных образовательных траекторий как композиции педагогических экспериментов, отличающийся хорошей интерпретируемостью в сравнении с методами, основанными на машинном обучении. Этот подход, в отличие от большинства современных параметрических решений, предполагает экспериментальный поиск индивидуальной образовательной траектории для каждого студента группы, а не только части студентов той группы, в которой применение конкретного параметрического решения дает результат. Предлагается автоматизировать процедуру отбора образовательных технологий аналогично тому, как это делают преподаватели в небольших группах, например, применяя автоматизированный метод проб и ошибок и его оптимизированные версии. Рассмотрена возможность переноса образовательных технологий на другие курсы, являющаяся условием повторного использования и масштабирования этих технологий. Описана новая функция учебной системы — формирование индивидуальной образовательной траектории, которая используется на протяжении всего обучения в вузе.
Полученные результаты могут быть использованы при построении современных систем индивидуализации обучения и проведении распределенных педагогических экспериментов, что, в свою очередь, снижает порог входа преподавателей в исследование новых технологий обучения и ускоряет широкое распространение перспективных образовательных технологий.
The automation of the educational process and the introduction of adaptive learning are becoming the most effective ways to solve the problem of the shortage of highly qualified personnel under digitalization of education.
The article proposes an approach to the formation of individual educational trajectories as a composition of pedagogical experiments, which is characterized by good interpretability in comparison with methods based on machine learning. This approach, unlike most modern parametric solutions, involves an experimental search for an individual educational trajectory for each student of the group, and not just a part of the students of the group in which the application of a specific parametric solution is effective. It is proposed that the procedure of selecting educational technologies be automated similarly to how it is done by teachers in small groups, for example, by applying the automated trial and error method and its optimized versions. The possibility of transferring educational technologies to other courses is considered, without which technology reuse and scaling are impossible. A new function of the learning system is described, i. e. the formation of an individual educational trajectory, which is used throughout the study in higher education.
The obtained results can be used in the construction of modern systems of individualization of learning and conducting distributed pedagogical experiments, which, in turn, reduces the threshold of teachers’ entry into the study of new learning technologies and accelerates the widespread dissemination of promising educational technologies.
The authors declare that there are no conflicts of interest present.