Школьно-вузовский кластер дисциплин как средство развития расчетно-алгоритмического компонента вычислительного мышления
https://doi.org/10.32517/0234-0453-2021-36-3-42-49
Аннотация
Актуальность проблемы. В силу разноведомственных концепций и разного содержания образовательных программ школы и вуза возникает серьезная проблема преемственности и непрерывности системы образования «по вертикали» в целом и предметного обучения в частности. Другая дидактическая проблема — необходимость обеспечения междисциплинарных связей базовых курсов в традиционной дисциплинарной модели учебного процесса для более эффективного и целесообразного формирования у студентов определенных групп компетенций. В этой связи представляет интерес создание новых организационно-содержательных подходов к подготовке специалистов без существенной перестройки традиционного учебного процесса.
Цель работы — обоснование коллаборационной модели предметной подготовки обучающихся в условиях школьно-вузовского кластера дисциплин, обеспечивающей непрерывность и преемственность обучения в школе и вузе.
Методологическая основа. На примере трех дисциплин: «Программирование», «Численные методы», «Информационные технологии в образовании» спроектирована и реализована кластерная модель обучения школьников и студентов по направлению подготовки «Математика и компьютерные науки». Примечательной особенностью рассматриваемого школьно-вузовского кластера дисциплин является единая методическая база целевых, содержательных и дидактических элементов, формирующих и развивающих расчетно-алгоритмический компонент вычислительного мышления обучающихся. Основу средств и методов обучения в кластере составляют когнитивные техники и платформа вычислительных и алгоритмических примитивов, обеспечивающих формирование практических заданий разных уровней, соответствующих школьным и вузовским предметным дисциплинам. В методиках кластерного предметного обучения школьников и студентов применяется рекурсивный подход.
Результаты и выводы. Модель созданного кластера дисциплин «Программирование — Численные методы — ИКТ в образовании» способствует формированию и развитию расчетно-алгоритмического компонента вычислительного мышления школьников и студентов, а также формирует у них заданные группы компетенций. Школьно-вузовский кластер дисциплин обеспечивает реальную преемственность и непрерывность школьного и вузовского образования, без излишних, порой искусственных, трудозатратных дополнительных организационных и методических средств и приемов. Рассматриваемый подход может быть использован для создания кластеров дисциплин по различным образовательным направлениям, допускающих их содержательную коллаборацию и формирующих у школьников и студентов заданные общие группы компетенций и когнитивные способности.
Об авторах
И. В. БаженоваРоссия
Баженова Ирина Васильевна, канд. пед. наук, доцент базовой кафедры вычислительных и информационных технологий
660041, Россия, г. Красноярск, Свободный пр-т, д. 79
М. М. Клунникова
Россия
Клунникова Маргарита Михайловна, канд. пед. наук, старший преподаватель базовой кафедры вычислительных и информационных технологий
660041, Россия, г. Красноярск, Свободный пр-т, д. 79
Н. И. Пак
Россия
Пак Николай Инсебович, доктор пед. наук, профессор, зав. кафедрой информатики и информационных технологий в образовании
660049, Россия, г. Красноярск, ул. Ады Лебедевой, д. 89
Список литературы
1. Хеннер Е. К. Вычислительное мышление // Образование и наука. 2016. № 2. С. 18–33. DOI: 10.17853/19945639-2016-2-18-33
2. Engelhardt K., Punie Y., Chioccariello A., Ferrari A., Dettori G., Kampylis P., Bocconi S. Developing computational thinking in compulsory education. Implications for policy and practice. 2016. DOI: 10.2791/715431
3. Wing J. M. Computational thinking // Communications of the ACM. 2006. Vol. 49. No. 3. P. 33–35. DOI: 10.1145/1118178.1118215
4. Sykora C. Computational thinking for all. 2021. https://www.iste.org/explore/computational-thinkingall?articleid=152
5. Lyon J. A., Magana A. J. Computational thinking in higher education: A review of the literature // Computer Applications in Engineering Education. 2020. Vol. 28. Is. 5. P. 1174–1189. DOI: 10.1002/cae.22295
6. Лапчик М. П. Образование, грамотность, компетентность, культура: терминология эпохи информатизации // Информатизация образования и методика электронного обучения. Материалы II Международной научной конференции. Красноярск: СФУ, 2018. С. 38–43. https:// bik.sfu-kras.ru/sites/default/files/content/i-504583_ informatizaciya_.pdf
7. Босова Л. Л. Цифровые навыки современного школьника и возможности их формирования в школьном курсе информатики // Информатика в школе. 2020. № 7. С. 5–9. DOI: 10.32517/2221-1993-2020-19-7-5-9
8. Шамова Т. И. Кластерный подход к развитию образовательных систем // Народное образование. 2019. № 4. С. 101–104. http://narodnoe.org/journals/narodnoeobrazovanie/2019-4/klasterniiy-podhod-k-razvitiyuobrazovatelnih-sistem
9. Ефремова Н. Ф. Модульно-кластерная структура магистерской программы // Высшее образование сегодня. 2018. № 10. С. 12–17. https://elibrary.ru/item. asp?id=36388510
10. Русецкая М. Н., Бартош Д. К. Кластерный подход в организации образовательных процессов системы непрерывного профессионального образования // Педагогика и психология образования. 2019. № 2. С. 109–120. http:// pp-obr.ru/wp-content/uploads/2019/07/2019-2-109.pdf
11. Латыпова Е. В. Кластеры компетенций в системе инновационного развития: дис. ... канд. экон. наук. СанктПетербург, 2015. 177 с.
12. Суворова С. Л., Хильченко Т. В. Кластеры поликультурных компетенций в системе высшего образования: Создание ориентированного на результат профиля // Вестник ЮУрГУ. Серия «Образование. Педагогические науки». 2019. Т. 11. № 2. С. 47–54. (На англ.) DOI: 10.14529/ped190205
13. Кларин М. В., Осмоловская И. М. Перспективные направления дидактических исследований: постановка проблемы // Образование и наука. 2020. Т. 22. № 10. С. 61–89. DOI: 10.17853/1994-5639-2020-10-61-89
14. Пинская М. А., Михайлова А. М. Компетенции «4К»: формирование и оценка на уроке. М.: Корпорация «Российский учебник», 2019. 76 с. https://publications.hse. ru/mirror/pubs/share/direct/345295660.pdf
15. Barr V., Stephenson C. Bringing computational thinking to K-12: what is involved and what is the role of the computer science education community? // ACM Inroads. 2011. Vol. 2. No. 1. P. 48–54. DOI: 10.1145/1929887. 1929905
16. Grover S., Pea R. Computational thinking in K-12: A review of the state of the field // Educational Researcher. 2013. Vol. 42. Is. 1. P. 38–43. DOI: 10.3102/0013189X12463051
17. Асауленко Е. В. Формализация процесса формирования умения ученика решать вычислительные физические задачи на основе ментальных схем // Педагогическая информатика. 2017. № 2. С. 11–19.
18. Баженова И. В., Пак Н. И. Проективно-рекурсивная технология обучения в личностно-ориентированном образовании // Педагогическое образование в России. 2016. № 7. С. 7–13. http://journals.uspu.ru/attachments/ article/1265/1.pdf
19. Klunnikova M. M., Bazhenova I. V., Pak N. I., Kirgizova E. V. Developing students computational thinking with a recursive polydisciplinary approach // Journal of Physics: Conference Series. 2020. Vol. 1691. DOI: 10.1088/1742-6596/1691/1/01219
Рецензия
Для цитирования:
Баженова И.В., Клунникова М.М., Пак Н.И. Школьно-вузовский кластер дисциплин как средство развития расчетно-алгоритмического компонента вычислительного мышления. Информатика и образование. 2021;(3):42-49. https://doi.org/10.32517/0234-0453-2021-36-3-42-49
For citation:
Bazhenova I.V., Klunnikova М.М., Pak N.I. School-university cluster of disciplines developing the calculative-algorithmic component of computational thinking. Informatics and education. 2021;(3):42-49. (In Russ.) https://doi.org/10.32517/0234-0453-2021-36-3-42-49