Development of the vocational training system based on the products of the digital economy

Введение

Система образования играет значимую роль в экономическом развитии государства и достижении технологического лидерства. Поэтому задача развития системы образования на основе цифровых решений и продуктов представляется весьма актуальной актуальной.

Внедрение продуктов цифровой промышленной революции в различных сферах деятельности зависит от ряда факторов, в числе которых ожидаемый экономический эффект и политика государства [8–13]. Скорость проникновения цифровых решений в технологические процессы традиционно выше в негосударственном секторе экономике, чем в государственном секторе. Это обусловлено более высокой ориентацией собственников бизнеса на формирование дополнительных конкурентных преимуществ, что позволяют обеспечить цифровые технологии.

Система образования как элемент экономики общественного сектора, хотя и не является лидером по скорости и объему внедрения цифровых технологий, имеет высокую дифференциацию таких показателей [14–22]. Лидерами в этой области являются, как правило, негосударственные образовательные организации, а также университеты, реализующие массовые образовательные программы, в том числе для зарубежных студентов. Цифровые продукты и решения, апробированные лидерами и доказавшие свою эффективность, постепенно смещаются в область государственных и муниципальных образовательных организаций.

Разработка широкого спектра инновационных технологий, позволяющих предугадать дальнейшие перспективы развития системы высшего образования и существенно повысить его эффективность, является одной из важнейших составляющих методологии социального программирования и форсайт-технологий [1 – 7].

Вопросам внедрения продуктов цифровой экономики в сферу образования посвящены работы: Ахаяна А. А. [27], Блинова В. И. [28], Вербицкой Н. О. [29], Дадалко В. А. [30], Зайцевой И. А. [31], Казаковой Е. И. [32], Литвак Н. В. [33], Можаевой Г. В. [34], Мурашевой К. [35], Носковой Т. Н. [36].

Несмотря на очевидные преимущества новых технологий, далеко не все доступные цифровые решения эффективно внедряются в образовательных организациях. Основными сдерживающими факторами являются: высокая инертность мышления команд управления образовательными организациями, низкая информированность работников из числа профессорско-преподавательского состава и педагогических работников, а также невысокие количественные и качественные показатели цифрового оснащения самих образовательных организаций.

Цель исследования – разработка технологии эффективного преодоления «инертности» системы высшего профессионального образования в процессе внедрения цифровых решений.

Для достижения поставленной цели были проанализированы возможности использования сквозных цифровых технологий в области профессионального образования и проведена оценка потенциала повышения качества образования на основе современных и перспективных цифровых решений.

Авторы предлагают использовать инновационную технологию на основе методологии комплементарной трансформации вуза [7]. Данная технология предполагает взаимосвязное управление социальными системами разной природы, направленное на достижение поставленной цели, т. е. представляет собой и социальное программирование в сфере высшего образования, и проектирование высшего образования будущего (форсайт-технологию). Сквозные цифровые технологии являются дальнейшим технологическим развитием методологии и технологии комплементарной трансформации.

Методы исследования

Настоящее исследование является частью комплексного научного исследования, посвященного совершенствованию системы отраслевого транспортного образования, проводимого на базе Самарского государственного университета путей сообщения. Методологической основой исследования являются: классическая экономическая теория, включающая теорию экономического роста и развития секторальной экономики на основе воспроизводства знаний и рынка труда; институциональная, эволюционная теории, основные направления ресурсной концепции. В исследовании использовались результаты научных исследований отечественных ученых, а также анализ экспертных мнений в области проблем, рассматриваемых в отношении совершенствования и развития системы отраслевого профессионального образования. В ходе решения поставленных задач в исследовании были использованы общенаучные методы – аналитический и сравнительно-аналитический; частно научные – методы системного анализа, метод экспертных оценок.

1 Сквозные цифровые технологии в образовании

Первыми цифровыми технологиями, внедренными в систему образования стали технологические решения, позволяющие обеспечить дистанционное обучение. В России их применение возникло на рубеже XX – XXI веков на базе негосударственных учебных заведений [23]. Основным фактором развития этого направления стал экономический – технология позволяла сократить издержки без существенного снижения качества обучения. Позднее технология показала свою эффективность в пенитенциарной системе как инструмент воспитания и социализации [24, 25]. Однако настоящим испытанием для технологий удаленного обучения стал период вынужденных ограничений 2020 – 2021 гг. Сегодня такие технологии стали неотъемлемой частью системы профессионального образования, применяясь вместе с контактным обучением.

Вторым направлением развития сквозных цифровых технологий в образовании стали технологии виртуальной, а позднее дополненной реальности. Основным фактором их развития в период 2010 – 2020 гг. в системе профессионального образования стали технически и технологически сложные отрасли (здравоохранение, транспорт, промышленность). В отличии от системы школьного образования и воспитания именно в системе профессионального образования (среднее профессиональное образование, высшее образование, дополнительное профессиональное образование) технологии показали свою эффективность, став надежным инструментом формирования профессиональных навыков с использование технически сложных систем.

Ниже представлены результаты проведенного анализа возможностей применения всего спектра цифровых решений: большие данные, нейротехнологии и искусственный интеллект, системы распределенного реестра, новые производственные технологии, промышленный интернет, компоненты робототехники и сенсорика, технологии виртуальной и дополненной реальностей.

На рис. 1 – 2 показаны возможности применения сквозных цифровых технологий в основных процессах университета. Результаты анализа представлены в виде матриц, где на пересечении процесса, требующего ресурсы, и цифровой технологии показан возможный эффект, который может обеспечить внедрение указанной технологии. Возможные эффекты: Q (quality) – повышение качества реализации процесса, R (resources) – экономия ресурсов, сокращение издержек на реализацию процесса, N (new) – новые продукты и решения, S (social) – социальный эффект.

Результаты анализа (рис. 1 – 2) показывают огромный потенциал искусственного интеллекта и технологии больших данных для внедрения в большинстве из используемых основных процессов университета.

Рис. 1 – Применение сквозных цифровых технологий

в основных процессах университета

Составлено авторами

Анализ рис. 1 показывает возможности применения сквозных цифровых технологий в основных процессах университета, объединённых в трех группах: приём, реализация образовательных программ и обеспечивающие процессы. Анализ рис. 2 концентрирует возможности применения цифровых решений на процессе реализации образовательных программ, дифференцируя его на подпроцессы.

Рис. 2. Применение сквозных цифровых технологий

в процессе реализации образовательных программ

Составлено авторами

2. Предиктивная аналитика в системе профессионального образования

Значительные возможности повышения качества реализации образовательных программ и сокращения издержек, таит применение нейротехнологий и искусственного интеллекта. Под нейротехнологиями понимается проектирование искусственных нейронных сетей и их обучение. Нейронные сети и алгоритмы на основе искусственного интеллекта позволяют осуществить прогнозирование процесса и классификацию данных. Указанные инструменты позволяют построить систему предиктивной (предсказательной) аналитики в части реализации образовательных программ. Цель предиктивной аналитики – предсказать риски снижения качества процесса для их купирования в последующем. Подобно тому, как некачественное изготовление детали автомобиля может повлечь возникновение аварийной ситуации в будущем, предиктивная аналитика позволяет заранее предсказать проблемы в освоении профессиональных компетенций и исключить риск подготовки специалиста низкого качества.

В качестве входных данных для предиктивной аналитики могут быть использованы цифровые следы – массивы данных, задействованных в электронной информационной образовательной среде образовательной организации. Такие данные включают как индивидуальные цифровые следы обучающихся, так и цифровые следы участников образовательного процесса. Помимо традиционных цифровых следов, таких как результаты успеваемости, могут быть использованы: время ответа и его динамика в процессе обучения, количество и объем транзакций (отправка сообщения, и/или документов) между участниками образовательного процесса. В качестве примера на рис. 3 представлен биплот – диаграмма рассеяния, показывающая анализ соответствия обучающихся по итогам семестра.

Рис. 3 – Биплот обучающихся по итогам семестра

(наложенная диаграмма рассеяния, показывающая загрузки и оценки компонентов одновременно, сингулярные значения и их квадраты, собственные значения, представляют масштаб, также называемый инерцией данных) Составлено авторами

Рис. 3 показывает распределение обучающихся на три группы: 1 – наибольшая группа слева от начала координат двумерной плоскости, 2 – группа среднего размера в правой нижней части координатной сетки и 3 – малая группа в правой верхней части плоскости. Дальнейшее обучение показало наличие проблем при освоении образовательных программ у третьей группы обучающихся.

Анализ соответствия – это многомерный статистический метод многофакторного анализа, предложенный Германом Отто Хартли (Хиршфельдом) и позже разработанный Жан-Полем Бензекри. Он концептуально похож на анализ главных компонент, но применяется к категориальным, а не к непрерывным данным. Аналогично анализу основных компонентов, он предоставляет средства отображения или обобщения набора данных в двумерной графической форме. Его цель – отобразить в двухплоскостном виде любую структуру, скрытую в многомерной настройке таблицы данных. Как таковой, это метод из области многомерного упорядочения.

3 Направления развития системы профессионального образования на основе цифровых решений (повышение качества образования)

Развитие современной системы профессионального образования напрямую зависит от трендов развития сквозных цифровых технологий в этой области. Искусственный интеллект (ИИ) – это одна из самых быстрорастущих сквозных цифровых технологий в образовании. Базовые методы ИИ постоянно развиваются. С каждым днем они позволяют решать все более сложные проблемы и уникальные проблемы. Фантасты прошлого предсказывали, что физический труд полностью заменят роботы, люди же будут заниматься творчеством. Современные нейронные сети позволяющие генерировать изображения, стихи, научные статьи подсказывают нам, что возможно и из творческих профессий рано или поздно человек будет вытеснен. Но, нейросеть AlphaCode шагнула дальше. Она попала в 54 % лучших участников конкурса Codeforces. Отметим, что на этой платформе в конкурсах принимают участие программисты со всего мира. Для решения задач тут необходимы навыки критического мышления, логики, алгоритмизации и кодирования. Будущее наступило уже «вчера». Мы еще не до конца осознаем, что используем технологии ИИ каждый день, когда пользуемся электронными переводчиками, получаем индивидуальные рекомендации по выбору товаров в интернет-магазинах, слушаем музыку в сервисах Яндекса.

Несомненно, игнорировать возможности ИИ в современном образовательном учреждении, сегодня, равносильно преступлению. В Самарском государственном университете путей сообщения во все образовательные программы был интегрирован новый модуль «Системы искусственного интеллекта», направленный на формирование навыков решения задач с использованием технологий ИИ и методов машинного обучения, а также формирование навыков анализа результатов обработки данных, с использованием технологий ИИ. При разработке данного модуля мы основывались на разработанной универсальной компетентностной модели, составленной, в том числе, на основе анализа требований работодателей. Данный модуль, на наш взгляд, может быть интегрирован в другие образовательные программы, в первую очередь – по транспортным специальностям.

Еще одна многообещающая сквозная технология – виртуальная реальность (VR). Первые прототипы систем виртуальной реальности начали появляться более полувека назад. Сегодня технология виртуальной реальности позволяет создавать реалистичные виртуальные миры. На сегодняшний день существует несколько видов виртуальной реальности, классическая (VR – Virtual Reality), дополненная (AR – Altered Reality) и смешанная (MR – Mixed Reality). Отметим, что РЖД активно сотрудничает с крупнейшими производственными центрами и университетами страны в области создания программного обеспечения VR/AR. Исследования по использованию VR-технологий в железнодорожной отрасли ведутся в Самарском государственном университете путей сообщения (СамГУПС), г. Санкт-Петербургский государственный университет путей сообщения (ПГУПС), Дальневосточный государственный университет путей сообщения (ДГУПС). Симуляторы с использованием технологии VR/AR разрабатываются для железнодорожной отрасли России более десяти лет. Научно-производственный центр «НовАТранс» добился значительных успехов в этой области.

В MR виртуальный мир связан с реальным миром и содержит виртуальные миры. Главное отличие MR от VR – непрерывное сканирование окружающего мира. MR может «смешивать» виртуальный и реальный миры, делая статические объекты в физической реальности интерактивными (рис. 1). В AR компьютерная информация накладывается на изображения реального мира. Часть лабораторий нашего университета уже сейчас содержат специальные метки, которые при считывании их телефоном позволяют дополнять информацию на стенде расширенными версиями статей или аудио – видео контентом. Отдельно отметим, что технологии VR позволяют учащимся развивать навыки, которые иначе были бы опасны для менее опытных специалистов, а также дают возможность использовать очень дорогое оборудование с ограниченным доступом в условиях приближенных к реальным.

Блокчейн является относительно новой сквозной технологией, хоть ее успехи в финансовой сфере и сделали ее очень медийной и популярной. Блокчейн – это своего рода децентрализованная цифровая книга, основанная на синхронизированной записи цифровых транзакций на отдельных вычислительных узлах, разбросанных по всему миру. Информацию, хранящуюся в блокчейн, почти невозможно подделать или украсть. Основные преимущества блокчейн заключаются в повышении доверия между пользователями и независимости пользователя (не требуется единого центра управления). Отметим, что технологии блокчейн можно положительно применять в сфере образования. Так, в Самарском государственном университете путей сообщения успешно функционирует специализированный интернет-портал (https://evote.samgups.ru), который используя данную технологии позволяет осуществлять анонимные голосования любого уровня сложности. Избирателям не нужно входить в систему, чтобы проголосовать. Им нужно только нажать на ссылку в уведомлении по электронной почте, заполнить веб-форму и отправить ее. Каждый избиратель может проголосовать только один раз в одном голосовании. Результаты подсчитываются автоматически при закрытии голосования и публикуются на сайте системы. Голосование полностью анонимно. Даже «хакер» с полным дампом базы данных системы не сможет связать избирателей с бюллетенями. Каждый избиратель может в любое время проверить, что его голос был правильно записан и не изменен. Каждый избиратель может самостоятельно и в любое время провести пересчет голосов.

Большие данные – это постоянно растущий набор информации в одном контексте, но в разных форматах и способах представления и инструментах для эффективной и быстрой обработки. Эта технология сейчас активно используется в сфере профессионального образования. ОАО «РЖД» одной из первых в России начали процесс цифровой трансформации, одним из элементов которой является процесс накопления и обработки больших данных, причем как горячих (попадающих в обработку мгновенно), так и сырых (плохо структурированных, требующих дополнительных затрат при обработке). Конечно, первая область применения очевидна. Регулярный сбор данных с транспортных средств и объектов инфраструктуры Интернета вещей позволяют генерировать значительные объемы «полезной» информации, которая в дальнейшем используется для реализации предиктивного технического обслуживания и прогнозирования отказов критически важных узлов подвижного состава. Благодаря ОАО «РЖД» студенты транспортных университетов могут использовать «чистые» наборы данных для выполнения практических работ по дисциплине «Практикум по машинному обучению» из модуля «Системы искусственного интеллекта».

Еще одной сквозной технологией является робототехника. Она, в настоящее время, является самостоятельной областью образовательного процесса и дополнительным инструментом в обучении [26]. Сегодня образовательные наборы по робототехнике получили широкое признание. В рамках образовательной программы «Мехатроника и робототехника» в нашем университете мы сосредоточили внимание обучающихся на таких элементах, как детали мехатронных модулей, роботов и их конструирование, надежность мехатронных и робототехнических систем и моделирование мехатронных систем. Обособленно тут можно отметить большой пласт знаний в области 3D-печати. Конструирование роботов для 3D-печати – это важный и перспективный пласт в сфере образования. Например, пятиосевые 3D-принтеры или 5D-принтеры являются следующей генерацией обычных 3D-принтеров. Такие принтеры позволяют не только экономить полимеры при печати, но и существенно повышают их качество за счет за счет перекрестных слоев.

Заключение

Основным результатом представленного исследования является анализ возможностей использования сквозных цифровых технологий в системе профессионального образования. Перспективы использования цифровых технологий показаны через призму возможных эффектов, включающих: экономию ресурсов на реализацию образовательных программ, повышение качества образовательных программ, возникновения новых продуктов и решений, а также социальный эффект.

В рамках проведенного исследования впервые изучены и систематизированы возможности применения всего спектра цифровых технологий в системе профессионального образования, что позволило получить матрицы применения сквозных цифровых технологий в основных процессах университета, а также в процессе реализации образовательных программ; предложена научная гипотеза о возможности построения комплексной системы предиктивного анализа и выявления рисков снижения качества реализации образовательных программ на основе методов многофакторного анализа цифровых следов обучающихся; изложены основные направления развития системы профессионального образования на основе цифровых решений с целью повышения качества образования.

Практическая значимость исследования заключается в значительном расширении функционала цифровых платформ, используемых для реализации профессиональных образовательных программ. Получение такого эффекта достигается за счет внедрения описанных цифровых технологий на основе представленных в работе матриц (рис. 1, 2).

Результаты исследования могут представлять интерес: для команд управления образовательных организаций, осуществляющих массовую подготовку обучающихся, в части развития цифровых платформ; для инженерно-технических работников и организаций, осуществляющих разработку цифровых решений в сфере образования, в части разработки новых продуктов и совершенствования существующих.