The Study of the Educational Program Competence Model Based on the Intellectual Analysis of the Labor Market Professional Requirements
DOI:
https://doi.org/10.22394/1726-1139-2022-10-65-83Keywords:
competence model, competence-based approach, digital educational engineering, machine learning, intelligent analysis, digitalization, federal state educational standards, KNIME analytical platform, natural language text processingAbstract
The educational standards of higher education - FGOS3++ require designing educational programs (EP) based on professional competencies in demand in the labor market. It is rec ommended to use professional standards. This way has certain disadvantages. For example, professional standards describe labor functions, but in the EP competencies are required. The use of professional standards in the development of the EP obviously determines a certain lag in the reaction in the labor market changes. An alternative to such EP design is a direct analysis of market requirements. Intelligent Analysis (IA) tools: data mining and machine learning can facilitate such analysis. An overview of developments in this direction is given. The results of the application of IA based on the KNIME analytical platform for determining the competence model of the EP in the feld of project management are presented. Automation a ected:the collection of requirements for more than 6000 vacancies of employers of the Head Hunter online resource; the analysis of texts presented in natural language (descriptions of EP of di erent universities, professional standards and guidance materials of professional associations - SOVNET-Agile, IPMA OCB&ICB). Based on these data sets was carried out: tokenization, collocation of terms and topics, clustering of topics, the cross-classifcation of professional standards and guidance materials based on a pre-trained competence model of the EP. The results confrmed the efciency of the used technique. Such analytics allows us to dynamically systematize descriptions of professional activities and formulate considerations about the elements, structure, and mutual correspondence of the EP competence models and the competencies natural models on the labor market. In combination with the traditional expert assessment, it can contribute to the formation of a more complete isomorphism between the qualifcations of EP and professional activity.Downloads
References
Белов С. Д., Зрелова Д. П., Зрелов П. В., Кореньков В. В. Обзор методов автоматической обработки текстов на естественном языке // Системный анализ в науке и образовании. 2020. № 3. С. 8-22.
Бородай А. Д. Профессиональные стандарты как фактор модернизации образовательных программ в рамках ФГОС 3++ // Сб. научн. трудов по материалам МНПК 2016-2020 гг. "Образование 4.0: конкуренция, компетенции, коммуникации и креатив". М.: Российский государственный гуманитарный университет, 2020. С. 32-40.
Гаврилина Е. A., Захаров М. А. Количественная оценка метакомпетенций учащихся на основе методов машинного обучения // Наука и Образование. Электроный журнал. 2015. № 04. С. 228-253. DOI: 10.7463/0415.0764221.
Грушевский С. П., Добровольская Н. Ю. Кольцов Ю. В. Организация учебного процесса на основе нейросетевой компьютерной обучающей системы // Вестник Адыгейского государственного университета. Сер. 3: Педагогика и психология. 2008. № 7. С. 142-148.
Захарова И. Г. Методы машинного обучения для информационного обеспечения управления профессиональным развитием студентов // Образование и наука. 2018. Т. 20, № 9. С. 91-114. DOI: 10.17853/1994-5639-2018-9-91-114.
Минаев Д. В. Теоретические аспекты анализа образовательного товара и рынка профессионального образования. СПб.: СПбГИЭУ, 2003.
Пилипенко С. А., Жидков А. А., Караваева Е. В., Серова А. В. Сопряжение ФГОС и профессиональных стандартов: выявленные проблемы, возможные подходы, рекомендации по актуализации // Высшее образование в России. 2016. № 6 (202). С. 5-15
Проектирование основных образовательных программ, реализующих федеральные государственные образовательные стандарты высшего профессионального образования: Методические рекомендации для руководителей и актива учебно-методических объединений вузов. Первая ред. М.: Исследовательский центр проблем качества подготовки специалистов, Координационный совет учебно-методических объединений и научнометодических советов высшей школы, 2009. 80 с.
Ржеуцкая С. Ю., Харина М В. Способ автоматического подбора учебно-тренировочных заданий в информационной среде обучения студентов ИТ-направлений // Открытое образование. 2020. Т. 24. № 2. С. 17-28. DOI: 10.21686/1818-4243-2020-2-17-28.
Сазонов Б. А. Классификация профессиональных образовательных программ в Российской Федерации: проблемы и возможные решения // Высшее образование в России. 2017. № 11 (217). С. 20-30.
СОВНЕТ-Agile: руководство по компетентности профессионалов в управлении проектами классическими и гибкими методами в российских условиях. М.: Ассоциация COBHET; Новые печатные технологии, 2020. 144 с.
Субетто А. И. Онтология и эпистемология компетентностного подхода, классификация и квалиметрия компетенций. СПб.; Кострома: Костромской государственный университет им. Н. А. Некрасова, 2006. 70 с.
Чучулина Е. В., Базеян А. А. Разработка модели формирования человеческого капитала в условиях интеграции высшего образования России на мировой рынок образовательных услуг: монография. Пермь: Пермский государственный национальный исследовательский университет, 2020. 100 с. URL: http://www.psu.ru/fles/docs/science/books/mono/chuchulina_bazeyan_razrabotka_modeli_chelov_kapitala.pdf (дата обращения: 20.03.2021).
Шехонин А. А., Тарлыков В. А., Вознесенская А. О., Бахолдин А. В. Гармонизация квалификаций в системе высшего образования и в сфере труда // Высшее образование в России. 2017. № 11 (217). С. 5-11.
Pouliakas K. Artifcial intelligence and job automation: an EU analysis using online job vacancy data. Luxembourg: Publications Ofce of the European Union // Cedefop working paper. № 6. 2021. URL: http://data.europa.eu/doi/10.2801/305373 (дата обращения: 20.03.2021).
