К вопросу построения таксономии задач при обучении анализу данных
- DOI
- 10.5922/vestnikpsy-2025-1-11
- Страницы / Pages
- 123—134
Аннотация
Широкое применение технологий искусственного интеллекта, анализ данных, ставка на них как на основу развития экономики будущего существенно увеличивают спрос на данных специалистов. В связи с этим необходимо обратить внимание на методику преподавания анализа данных в университетах. Цель статьи — разработать основы таксономии для подготовки практических заданий по анализу данных и апробировать ее. Автором рассмотрены основные таксономии учебных задач, обоснована их слабая применимость к области анализа данных из-за ее мультидисциплинарности и многоаспектности. Предложена авторская горизонтально-вертикальная таксономия учебных задач на основе трех основных процессов — мышление, коммуникация, деятельность; при этом сложность задач предлагается взять в качестве ключевого показателя, на котором основана вертикальная часть таксономии. На примере темы «линейная регрессия» представлены типовые задачи, характерные для соответствующих первичных и вторичных процессов, а также их смешения. Разработаны и показаны конкретные задания для студентов уровня магистратуры направления подготовки «Бизнес-информатика» в рамках дисциплины «Компьютерный анализ данных» с использованием языка R. Обоснована необходимость дальнейших исследований в данном направлении, поставлен ряд вопросов для продолжения работы.
Список литературы
1. Дорожная карта развития «сквозной» цифровой технологии «Нейротехнологии и искусственный интеллект» / Министерство цифрового развития, связи и массовых коммуникаций Российской Федерации. URL: https://digital.gov.ru/ru/documents/6658/ (дата обращения: 15.06.2024).
2. Тербушева Е. А. Методика обучения студентов с профильной вузовской подготовкой в области математики интеллектуальному анализу данных : дис. … канд. пед. наук. СПб., 2022.
3. Салахова А. А. Методика обучения основам искусственного интеллекта и анализа данных в курсе информатики на уровне среднего общего образования : дис. … канд. пед. наук. М., 2022.
4. Меренкова П. А. Вариативное обучение системам искусственного интеллекта в рамках учебного предмета «Информатика» основной школы : дис. … канд. пед. наук. М., 2023.
5. Demchenko Y., Belloum A. S. Z., Los W., Wiktorski T. et al. EDISON Data Science Framework: A Foundation for Building Data Science Profession For Research and Industry // 2016 IEEE international conference on cloud computing technology and science (CloudCom). Luxembourg, 2016. Р. 620—626.
6. Asamoah D. A., Doran D., Schiller S. Interdisciplinarity in data science pedagogy: a foundational design // Journal of Computer Information Systems. 2020. Vol. 60, № 4. P. 370—377.
7. Ding Y., Park H., Lai Sh. et al. Cross courses pedagogy development in data analytics // Proceedings of the 2021 ACM Southeast Conference. N. Y., 2021. P. 240—242.
8. Aikat J., Carsey Th.M., Fecho K. et al. Scientific training in the era of big data: a new pedagogy for graduate education // Big data. 2017. Vol. 5, № 1. P. 12—18.
9. Об утверждении профессионального стандарта «Специалист по большим данным» : приказ Минтруда России от 06.07.2020 г. № 405н (зарегистрирован в Минюсте России 05.08.2020 г. № 59174). Доступ из справ.-правовой системы «КонсультантПлюс».
10. Бортник Л. И., Кайгородов Е. В., Раенко Е. А. О некоторых проблемах преподавания математики в высшей школе // Вестник Томского государственного педагогического университета. 2013. № 4 (132). С. 19—24.
11. Пирогов В. Ю. Обучение программированию в высшей школе — проблемы и решения // Мир науки. Педагогика и психология. 2022. Т. 10, № 6. С. 33.
12. Тестовое задание // github.com. URL: https://github.com/slgero/testovoe/blob/master/Revo:Mokka/data/revo_ds_test_task.csv (дата обращения: 23.06.2024).
13. Тестовое задание // github.com. URL: https://github.com/kolya95/AccentureDSTestCase/blob/1c02aaf377d3c6ea73b4d5c8a2af97db11d20e9e/task2.txt (дата обращения: 23.06.2024).
14. Бабикова Н. Н. Проектирование результатов обучения с использованием модифицированной таксономии Блума // Психология и педагогика: методика и проблемы практического применения. 2015. № 46. С. 77—84.
15. Клушина Е. А. Активизация познавательной деятельности магистрантов в контексте таксономии Б. Блума // Вестник Северо-Кавказского федерального университета. 2016. № 3. С. 156—160.
16. Бактыбаев Ж. Ш. Использование технологии таксономии Блума в учебном процессе вуза // Ярославский педагогический вестник. 2017. № 1. С. 150—153.
17. Мусаева Н. Н., Авлиякулов Н. Х. Таксономия учебных целей для современного учебного процесса системы среднего специального и высшего профессионального образования // Проблемы современного образования. 2017. № 3. С. 76—81.
18. Blyth W. A. L., Bloom B. S., Krathwohl D. R. Taxonomy of educational objectives. Handbook 1: Cognitive domaintaxonomy of educational objectives. Handbook 2: Affective domain. Rev. by W. A. L. Blyth // British Journal of Educational Studies. 1966. Vol. 14, № 3. P. 119.
19. Masapanta-Carrión S., Velázquez-Iturbide J. Á. A systematic review of the use of bloom’s taxonomy in computer science education // Proceedings of the 49th ACM technical symposium on Computer Science Education. N. Y., 2018. P. 441—446.
20. Whalley J., Lister R., Thompson E. et al. An Australasian study of reading and comprehension skills in novice programmers, using the Bloom and SOLO taxonomies // Proceedings of the 8th Australasian Conference on Computing Education. 2006. Vol. 52. P. 243—252.
21. Gluga R., Kay J., Lister R. et al. Over-confidence and confusion in using bloom for programming fundamentals assessment // Proceedings of the 43rd ACM technical symposium on Computer Science Education. N. Y., 2012. P. 147—152.
22. Anderson L. W., Krathwohl D. R. A taxonomy for learning, teaching, and assessing: A revision of Bloom’s taxonomy of educational objectives: complete edition. Addison Wesley Longman, Inc., 2001.
23. Thompson E., Luxton-Reilly A., Whalley J. L. et al. Bloom’s taxonomy for CS assessment // Proceedings of the 10th conference on Australasian Computing Education. 2008. Vol. 78. Р. 155—161.
24. Meerbaum-Salant O., Armoni M., Ben-Ari M. Learning computer science concepts with scratch // Proceedings of the Sixth international workshop on Computing education research. 2010. Р. 69—76.
25. Marzano R. J., Kendall J. S. (eds.). The new taxonomy of educational objectives. Corwin Press, 2006.
26. Фалина И. Н., Луговской К. И. Построение системы учебных задач с использованием таксономии Толлингеровой // Вестник Московского университета. Сер. 20: Педагогическое образование. 2015. № 3. С. 97—107.
27. Clarkson P., Bishop A., Seah W. T. Mathematics education and student values: The cultivation of mathematical wellbeing // International research handbook on values education and student wellbeing. 2010. Р. 111—135.
28. Irvine J. Taxonomies in education: Overview, comparison, and future directions // Journal of Education and Development. 2021. Vol. 5, № 2. P. 1—26.
29. Переслегин С., Переслегина Е., Желтов А., Луковникова Н. Сумма стратегии. М., 2021.