Метод персонификации образовательных траекторий на основе иерархической модели компетенций

Разрыв между тем, чему учат в вузе, и тем, что ждет от выпускника работодатель, с переходом образования в цифровую среду становится все заметнее. По оценкам World Economic Forum, к 2030 году обновится около 39 % ключевых навыков, поэтому задача своевременного выявления у студентов пробелов в компетенциях приобретает особое значение. Имеющиеся решения в области индивидуализации образовательных маршрутов, как правило, работают на уровне отдельных дисциплин и не позволяют системно сопоставить то, что студентом уже освоено, с тем, что требуется для конкретной профессии, особенно с учетом иерархии связей между навыками. Настоящее исследование посвящено разработке метода, который объединяет разнородные сведения из цифрового профиля обучающегося и формирует рекомендации, ориентированные на выбранную профессиональную роль. В рамках работы предложено: строить компетентностную модель в виде иерархии с тремя уровнями освоения (базовый, средний, продвинутый); собирать оценки по компетенциям из нескольких источников, ослабляя влияние устаревших данных по экспоненциальному закону; проводить многоуровневый gap-анализ, позволяющий количественно оценить дефицит относительно требований роли; применять гибридный алгоритм рекомендаций, в котором контентная и коллаборативная фильтрация дополняются функцией совместимости уровней. Проверка метода выполнена на модельной выборке – 100 профилей студентов, 25 компетенций, 60 учебных активностей и 5 профессиональных ролей IT-отрасли. Полученные показатели подтверждают работоспособность подхода: покрытие дефицитных компетенций (Coverage@5) достигает 0,81, расчетное сокращение суммарного дефицита составляет 46 %, а средний индекс готовности поднимается с 51 % до 76 %. По сравнению с базовыми стратегиями метод демонстрирует статистически значимое преимущество (p < 0,001). Переход от бинарной к трехуровневой шкале освоения дает прирост Coverage на 12 процентных пунктов.

1. Архипова З.В., Сорокин А.В. Анализ подходов к созданию рекомендательных систем в сфере предоставления образовательных услуг. System analysis & Mathematical modeling. 2024;6(2):133–145. https://doi.org/10.17150/2713-1734.2024.6(2).133-145

2. Качурин Н.С. Концепция метода персонификации траектории профессионального развития обучающихся в образовательной среде вуза. Волгоградский государственный технический университет. 2024;136–137.

3. Частикова В.А., Псеуш А.Г. Применение алгоритмов роевого интеллекта в процессе построения индивидуальных образовательных траекторий. Вестник АГУ. 2022;2(301). https://doi.org/10.53598/2410-3225-2022-2-301-84-90

4. Логинова Е.Г., Денисов Н.Л. Использование алгоритмов Process Mining для выявления паттернов поведения студентов. Вестник Астраханского государственного технического университета. Серия: Управление, вычислительная техника и информатика. 2024;(3):75–84. https://doi.org/10.24143/2072-9502-2024-3-75-84

5. Пустовалова Н.В. Онтологическая модель процесса взаимодействия образовательного контента и обучаемого в архитектуре интеллектуальных обучающих систем. Вестник Астраханского государственного технического университета. Серия: Управление, вычислительная техника и информатика. 2021;(4):113–125. https://doi.org/10.24143/2072-9502-2021-4-113-125

6. Подколзин М.М. Интеллектуальная система адаптивного обучения на основе нейронных сетей для персонализации образовательных траекторий студентов российских вузов. Информатика и образование. 2024;39(6):65–81. https://doi.org/10.32517/0234-0453-2024-39-6-65-81

7. Клишин А.П., Власов Д.В., Лысков А.А. Поддержка принятия решений в учебном процессе вуза на основе когнитивной модели обучения с использованием нейронной сети. Вестник НГУ. Серия: Информационные технологии. 2024;22(4):33–48. https://doi.org/10.25205/1818-7900-2024-22-4-33-48

8. Закиева Р.Р. Модель управления качеством образования, основанная на непрерывной объективной оценке профессионального развития студента технического университета. Современные наукоемкие технологии. 2023;(2):144–148.

9. Худжина М.В., Каракозов С.Д. Дидактическая модель обеспечения конкурентоспособности выпускника вуза на региональном рынке труда (на примере подготовки выпускников IT-направлений). Преподаватель XXI век. 2023;(3):20–33. https://doi.org/10.31862/2073-9613-2023-3-20-33

10. Качурин Н.С. Исследование и анализ проблем в области учета научных и учебных достижений студентов. В сборнике: Волжский – территория развития: Материалы XXIX Межвузовской научно-практической конференции студентов и молодых ученых, посвященной 70-летию города Волжского, 13–23 мая 2024 года, Волжский, Россия. Волгоград: Волгоградский государственный технический университет; 2024. С. 36.