В век информационных технологий качество и темпы развития производства зависят в том числе от качества профессиональной подготовки ИТ-специалистов, которые призваны решать проблемы развития ИТ-инфраструктуры на основе разработки и внедрения инноваций.
Вместе с этим наукоемкость отрасли, современная сложность информационных процессов, многообразие и частая смена ведущих парадигм развития информационных технологий создают сложность для формирования системы требований к результатам обучения ИТ-специалистов. Проблема управления качеством результатов обучения ИТ-специалистов сможет быть рассмотрена с позиций разных дисциплин, научных направлений и соответствующих им аспектов.
– управленческий аспект – изучение рассматриваемого объекта исследования с позиций теории адаптивного управления;
– профессионально-средовый аспект – разработка оптимальных методов и средств управления человеческим капиталом в соответствии с современными требованиями и спецификой отраслевого рынка труда;
– профессионально-педагогический аспект – разработка педагогических моделей и методик управления качеством результатов обучения с опережающим учетом появления перспективных требований к ним, связанных с развитием науки и техники;
– личностно-акмеологический аспект – изучение и учет мотивационно-ценностной направленности личности, а также разработка способов развития ее потенциальных конкурентных преимуществ в профессиональной среде;
– нормативно-методический аспект – согласование решений по реализации адаптивного управления качеством результатов обучения с учетом требований образовательных стандартов, рамок квалификаций и компетенций разных уровней, а также профессиональных стандартов.
– аспект качества – гарантирование качества результатов обучения на основе предложенных решений.
– инновационно-технологический аспект – технологическая поддержка разработки остальных аспектов за счет внедрения методов и средств интеллектуальной поддержки принятия решений и инженерии знаний.
Среди перечисленных аспектов последний является наименее проработанным, при этом в современных условиях и объемах накопленного знания по проблеме исследования он является необходимым для проведения как теоретических научных изысканий, так и разработки прикладных научно обоснованных решений по управлению качеством результатов формального и неформального образования в области подготовки ИТ-специалистов.
Определенная в качестве ведущей компетентностная парадигма в системах формального и неформального образования призвана установить требования к уровню и содержанию результатов обучения ИТ-специалиста. Однако система образования и рынок труда реализуют компетентносный подход некогерентно [1]. Этим обуславливается большое количество нормативно-рекомендательных документов, устанавливающих требования к результатам обучения и уровню квалификации ИТ-специалистов: на государственном уровне – это федеральные государственные стандарты (ФГОС3+) и профессиональные стандарты (АПКИТ); на международном уровне – международные образовательные стандарты, рамки компетенций и квалификаций [7].
Поиск путей интеграции данных требований является насущной проблемой для систем формального и неформального образования [2–6, 9–11].
Одним из вариантов решения данной проблемы является разработка интеллектуальной системы поддержки принятия решений, одним из компонентов которой является онтологическая база знаний [8].
В идеале база знаний должна интегрировать все названные документы. В рамках настоящей статьи рассмотрим разработку фрагмента такой онтологической модели на примере профессионального стандарта «Системный аналитик».
На основе анализа содержания данного документа была разработана концепция отражения профессионального стандарта в виде фреймовой модели (рис. 1).
Так как рассматриваемая предметная область сложна, сама база не ограничится описанием только одного профессионального стандарта и процесс разработки базы знаний носит итерационный характер, предполагается, что предложенное модельное представление может быть доработано или изменено.
Рассмотрим построение онтологической модели базы знаний в Protege.
Рис. 1. «Первичное» представление о модели профессионального стандарта
Перечень слотов
|
Название подкласса |
Название слота |
Тип |
|
Трудовые_функции |
Наименование_и_код |
String (Domain: Трудовые_функции ) |
|
Классификационные_уровни |
Должность |
String (Domain: Классификационные_уровни) |
|
Классификационные_уровни |
Номер_уровня |
String (Domain: Классификационные_уровни) |
|
Классификационные_уровни |
Соответствуют_трудовые_функции |
Instanse of Трудовые_функции (Domain: Классификационные_уровни) |
|
Классификационные_уровни |
Требование_к_образованию |
String (Domain: Классификационные_уровни) |
|
Классификационные_уровни |
Требование_к_опыту |
String (Domain: Классификационные_уровни) |
|
Трудовые_действия |
Наименование_ТД |
String (Domain: Трудовые_действия) |
|
Трудовые_действия |
Соответствуют_должности |
Instanse of Классификационные_уровни (Domain: Трудовые_действия) |
|
Необходимые_умения |
Наименование_НУ |
String (Domain: Необходимые_умения) |
|
Необходимые_знания |
Наименование_НЗ |
String (Domain: Необходимые_знания) |
Рис. 2. Слоты класса Классификационные_уровни
Рис. 3. Экземпляры класса Трудовые функции
Создадим класс, который бы описывал профессиональный стандарт для системного аналитика, и назовем его ПС_Системный_аналитик.
В соответствии с рис. 1 подклассами класса ПС_СА будут являться:
- Классификационные_уровни;
- Трудовые_функции;
– Трудовые_действия;
– Необходимые_умения;
– Необходимые_знания.
Атрибуты и отношения класса в фреймовом представлении описываются конструкцией под названием слот.
В соответствии со стандартом были выделены следующие слоты (таблица).
Рис. 4. Экземпляры класса Классификационные уровни
Рис. 5. Визуализация компетентностно-онтологической модели (фрагмент)
Созданные слоты отображаются в окне редакторов классов (рис. 2).
Далее переходим к созданию экземпляров классов. Начнем заполнение экземпляров класса с трудовых функций в соответствии с содержанием выбранного профессионального стандарта (рис. 3).
При заполнении Классификационных уровней выберем Должность в разделе INSTANCE BROWSER. По должностям все поля будут заполнены (рис. 4).
Чтобы проверить правильность связи трудовых и классификационных уровней, можем воспользоваться вкладкой Queries (запросы). Данная вкладка может использоваться на этапе тестирования базы знаний. Убедившись, что запросы выдают корректные результаты, можно сказать, что онтология составлена верно.
Описанная модель является фрагментом более обширной онтологической модели (рис. 5), интегрирующей требования ФГОС ВО и других стандартов. В дальнейшем, она может быть экспортирована в XML или иной формат и стать базой знаний интеллектуальной системы поддержки принятия решений в системе формального и неформального ИТ-образования.
Такая система станет серьёзной интеллектуально-технологической поддержкой для специалистов, занимающихся проблемой подготовки конкурентоспособных кадров для ИТ-отрасли в системе формального и неформального образования и может быть использована как на уровне получения новых научных результатов (в ходе разработки новых методов и моделей управления знаниями, общей и частных педагогических концепций адаптивного управления качеством результатов обучения; разработки и развития новых методологических подходов; разработки нормативных моделей реализации концепций), так и на уровне практического применения научных результатов (в ходе разработки образовательных и профессиональных стандартов, рамок компетенций и квалификаций, образовательных программ формального и неформального образования, построения систем аттестации и сертификации, индивидуальных образовательных и карьерных траекторий; разработки интеллектуальных информационных систем поддержки принятия решений в ИТ-образовании). Методические рекомендации по применению разработок в условиях формального и неформального ИТ-образования станут важной методологической поддержкой, обеспечивающей распространение и активное использование разработок.