Candidate of Pedagogical Sciences, Associate Professor, Head of the Department of Computer Science and Crosscutting Technologies
кандидат педагогических наук, доцент, заведующая кафедрой информатики и сквозных технологий
Problem statement. Currently, in the education systems of the BRICS countries, much attention is paid not only to the use of off-the-shelf digital educational resources by teachers, but also to the use of digital technologies, among which artificial intelligence and data analysis are the most popular. The problem is how to adjust the content of teacher training in order to maintain the quality of education in the context of digital transformation and the transition to a data-driven economy. This study aims to evaluate practical assignments designed to develop data analysis competency of master’s students in education. Methodology. The experimental work was carried out at Perm State Humanitarian Pedagogical University (Russian Federation). An integrative approach was used to design the educational process. The pilot testing of the practical assignments involved 43 master’s students in the pedagogical program. Statistical analysis of the experimental results was conducted using Fisher’s j-test. Results. The paper designed as part of the research, dedicated to cluster and semantic data analysis in the Orange program, consists of two parts and includes tasks at the instrumental and competence levels. The use of assignments in classes with students of pedagogical magistracy “STEAM Education” contributes to the formation of students’ digital competence in the field of data analysis (φemp = 3.019 > φcrit), which indicates the appropriateness of using two-level practical assignments in the process of professional training of a future teacher. Conclusion. The purposeful organization and integrative approach to teaching artificial intelligence and data analysis technologies contributes to the formation of future teachers’ readiness for professional practice in the context of digital transformation and leads to the improvement of teacher education quality.
Постановка проблемы. В настоящее время в системах образования стран БРИКС большое внимание уделяется не только использованию педагогами готовых цифровых образовательных ресурсов, но и применению цифровых технологий, среди которых наиболее популярны искусственный интеллект (ИИ) и анализ данных. Проблема состоит в том, как скорректировать содержание профессиональной подготовки учителя для сохранения качества образования в условиях цифровой трансформации и перехода к экономике данных. Цель - апробировать практические задания по формированию компетенции анализа данных у магистрантов педагогического образования. Методология. Опытно-экспериментальная работа проводилась на базе Пермского государственного гуманитарно-педагогического университета (Российская Федерация). В основе педагогического проектирования учебного процесса лежал интегративный подход. В апробации заданий принимали участие 43 студента второго курса магистратуры направления подготовки 44.04.01 «Педагогическое образование». Статистическая обработка результатов эксперимента осуществлялась с помощью φ-критерия Фишера. Результаты. Спроектированная в рамках исследования лабораторная работа, посвященная кластерному и семантическому анализу данных в программе Orange, состоит из двух частей и включает задания инструментального и компетентностного уровней. Использование заданий на занятиях с магистрами, обучающимися по профилю «STEAM-образование», способствует формированию цифровой компетенции в области анализа данных (φэмп. = 3,019 > φкрит.), что свидетельствует о целесообразности использования двухуровневых практических заданий в процессе профессиональной подготовки будущих учителей. Заключение. Целенаправленная организация и интегративный подход к обучению технологиям ИИ и анализа данных способствуют формированию готовности будущих педагогов к профессиональной деятельности в условиях цифровой трансформации и повышению качества педагогического образования.