Individual educational trajectory in modern Ukrainian higher education as a tool for adaptability to its environment
Notice bibliographique
Résumé
Cite in Vancouver style: [Shevchenko A, Zhoga R. Individual educational trajectory in modern Ukrainian higher education as a tool for adaptability to its environment. Adaptive Management: Theory and Practice. Series Pedagogics. 2023;16(31):15p. https://doi.org/10.33296/2707-0255-16(31)-16 Archived: https://doi.org/10.5281/zenodo.8308092] Abstract. The adaptability of modern education depends on a number of technical and organizational factors, including the provision of the educational process with computer technology, the ability of all participants in the educational process to use cloud technologies, the readiness of the administration of higher education institutions (HEI) to create conditions for studying students according to individual educational trajectories. Adaptability allows HEI to compete on the market of educational services, to maintain the level of education in the unfavorable conditions of a prolonged pandemic and war, to change the content of disciplines in accordance with the rapid development of science and technology. Our research demonstrated the possibilities of predicting the success of individual educational trajectories using the trend method, which works on the basis of the widely used Microsoft Excel office program. The individual educational trajectories of students (separately from each other) studying music and forming valeological competence while studying the valeological discipline "Health Pedagogy" were analyzed. Trend forecasting, based on the use of qualitative indicators of competencies, showed fairly accurate results (with an error of approximately 10%), which allows us to recommend the forecasting method for use by higher education institutions, regardless of the student's study profile. We have also identified four conditions for ensuring the adaptability of higher education: a large number of optional disciplines, the possibility of changing the forms of education, the pace of learning (depending on the abilities and health of students), crediting the results of studies in similar disciplines in other institutions of higher education and in non-formal education. The method proposed by us for predicting the success of training according to an individual educational trajectory can be considered adaptive, because it allows evaluating the results of training in different specialties. Keywords: forecasting, trend method, cloud education technologies, personalized learning. Цитуйте українською у стилі Ванкувер: [Шевченко ОС, Жога РА. Індивідуальна освітня траєкторія в сучасній українській вищій освіті як інструмент адаптивності її середовища. Адаптивне управління: теорія і практика. Серія Педагогіка. 2023;16(31):15p. https://doi.org/10.33296/2707-0255-16(31)-16 Архівовано: https://doi.org/10.5281/zenodo.8308092 [англійською]]. Адаптивність сучасної освіти залежить від низки технічних та організаційних факторів, серед яких забезпеченість навчального процесу комп’ютерною технікою, вміння всіх учасників освітнього процесу користуватися хмарними технологіями, готовність адміністрації закладів вищої освіти (ЗВО) створювати умови для навчання студентів за індивідуальними освітніми траєкторіями. Адаптивність дозволяє ЗВО конкурувати на ринку освітніх послуг, підтримувати рівень навчання у несприятливих умовах тривалою пандемії та війни, змінювати зміст дисциплін відповідно швидкому розвитку науки та технологій. У нашому дослідженні продемонстровані можливості прогнозування успішності індивідуальних освітніх траєкторій за допомогою методу трендів, працюючому на базу широко вживаної офісної програми Microsoft Excel. Проаналізовані індивідуальні освітні траєкторії студентів (окремо одна від іншої), які навчаються за музичним фахом та формують валеологічну компетентність під час вивчення валеологічної дисципліни «Педагогіка здоров’я». Прогнозування методом трендів, що базується на використанні кваліметричних показників компетентностей, показало доволі точні результати (з похибкою приблизно 10 %), що дозволяє нам рекомендувати метод прогнозування для використання закладами вищої освіти незалежно від профілю навчання студентів. Також ми виділили чотири умови для забезпечення адаптивності вищої освіти: велика кількість дисциплін за вибором, можливість змінювати форми навчання, темп навчання (залежно від здібностей та здоров'я студентів) зараховування результатів навчання за аналогічними дисциплінами в інших закладах вищої освіти та при неформальній освіті. Запропонований нами метод прогнозування успішності навчання за індивідуальною освітньою траєкторією можна вважати адаптивним, тому що він дозволяє оцінювати результати навчання за різними спеціальностями. Ключові слова: прогнозування, метод трендів, хмарні технології освіти, персоналізоване навчання.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,000 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».