Телефон: 8-800-350-22-65
WhatsApp: 8-800-350-22-65
Telegram: sibac
Прием заявок круглосуточно
График работы офиса: с 9.00 до 18.00 Нск (5.00 - 14.00 Мск)

Статья опубликована в рамках: LV Международной научно-практической конференции «Инновации в науке» (Россия, г. Новосибирск, 30 марта 2016 г.)

Наука: Педагогика

Скачать книгу(-и): Сборник статей конференции часть 1, Сборник статей конференции часть 2

Библиографическое описание:
Евстегнеева В.А., Смольянинова О.Л., Логвинов С.И. СИСТЕМНЫЙ И ПРОЦЕССНЫЙ ПОДХОД ПРИ ОБЕСПЕЧЕНИИ КАЧЕСТВА ОБРАЗОВАТЕЛЬНЫХ ПРОЦЕССОВ В МЕДИЦИНСКИХ ВУЗАХ // Инновации в науке: сб. ст. по матер. LV междунар. науч.-практ. конф. № 3(52). Часть II. – Новосибирск: СибАК, 2016. – С. 7-16.
Проголосовать за статью
Дипломы участников
У данной статьи нет
дипломов

СИСТЕМНЫЙ И ПРОЦЕССНЫЙ ПОДХОД ПРИ ОБЕСПЕЧЕНИИ КАЧЕСТВА ОБРАЗОВАТЕЛЬНЫХ ПРОЦЕССОВ В МЕДИЦИНСКИХ ВУЗАХ

Евстегнеева Валентина Александровна

д-р техн. наук, проф. кафедры экономики и управления Тульского государственного педагогического университета им. Л.НТолстого,

РФ, гТула

Смольянинова Ольга Леонидовна

д-р техн. наук, проф. кафедры экономики и управления Тульского государственного педагогического университета им. Л.НТолстого,

РФ, гТула

Логвинов Сергей Иванович

д-р техн. наук, проф. кафедры экономики и управления Тульского государственного педагогического университета им. Л.НТолстого,

РФ, гТула

SYSTEM AND PROCESS APPROACH TO QUALITY ASSURANCE OF THE EDUCATIONAL PROCESS IN MEDICAL SCHOOLS

Valentina Evstegneeva

assistant, department of hygiene and preventive disciplines of Medical Institute Tula State University,

Russia, Tula

Olga Smolyaninova

candidate of Biology, docent, department of hygiene and preventive disciplines of Medical Institute Tula State University,

Russia, Tula

Sergey Logvinov

doctor of Technical Sciencesprofessor, department of Economics and Management Tula state pedagogical University. L.NTolstoy,

Russia, Tula

 

АННОТАЦИЯ

В статье рассматривается возможность повышения качества образовательных процессов в медицинском вузе посредством использования системного и процессного подходов при реализации учебного процесса, прогноза успешности обучения по отдельным дисциплинам или группам дисциплин на различных временных этапах с учетом групп факторов, определяющих различия обучаемых и условия, в которых происходит обучение. Рассмотрены методические особенности применения информационных технологий при разработке математических моделей успеваемости студентов.

ABSTRACT

The article discusses the possibility of improving the quality of educational processes in medical school through the use of system and process approach to implementation of the educational process, forecast training on specific subjects or groups of subjects at different stages with regard to groups of factors determining differences of learners and the conditions in which the training takes place. Methodical peculiarities of application of information technologies in the development of mathematical models of learning abilities of the students are presented.

 

Ключевые слова: системный подход, процессный подход, менеджмент качества образования, математическое моделирование, кластерный анализ, дискриминантный анализ, искусственные нейронные сети.

Keywords: system approach, process approach, quality management of education, mathematical modeling, cluster analysis, discriminant analysis, artificial neural network.

 

Введение. Повышенное требование к общему уровню образования, а особенно к медицинскому, связано с необходимостью реализации программы обеспечения населения качественными медицинскими услугами. В связи с этим в качестве эффективного инструмента для достижения заданного уровня подготовки выпускников медицинских вузов реализуется система менеджмента качества образовательных процессов. Особенный интерес представляют такие принципы менеджмента качества, как системный и процессный подходы при анализе образовательных процессов [8, с. 186]. Системный подход при оценке обучения, реализуемый в подобных исследованиях, позволяет определить, что в качестве подсистем целесообразно оценивать учебную среду или комплекс дисциплин, необходимых для их освоения, индивидуальные особенности студента и социально-экономические условия, в которых происходит обучение [7, с. 120]. Ясно, что взаимодействие этих элементов системы и будет определять ту динамическую систему индивидуальных свойств чело­века, которая обусловливает продуктивность учебной деятельности, ско­рость и качество овладения социальным опытом или его обучение. Динамика изменения успеваемости в течение всего срока обучения носит индивидуальный характер, но зависит также и от уровня организации учебного процесса, логичности построения учебного плана, реализации междисциплинарных связей по семестрам обучения, дисциплинами специализации, федеральной компоненты и т. д.

Таким образом, если системный подход требует учета всех факторов, определяющих эффективность обучения в вузе, то процессный – учета последовательности и взаимовлияния результатов успеваемости во времени по различным дисциплинам, логики формирования компетенций специалиста [6, с. 162].

Для реализации этих принципов необходимо определение всей совокупности групп факторов, влияющих на качество образования. К таким группам можно отнести:

  1. особенности преподаваемых дисциплин (сложность, объем дисциплин с точки зрения информационной составляющей, требования логических связей различных дисциплин при формировании заданных государственным образовательным стандартом компетенций, материально-методическое обеспечение и т. п.);
  2. различия студентов по начальному уровню знаний, сформированных на предыдущих этапах обучения, их индивидуальные психофизиологические характеристики (волевые, аттенционные, имажинитивные, мыслительные, мнемические, индивидуально-типологические, в отдельных случаях и сенсорные, перцептивные, психомоторные свойства), возраст, пол;
  3. социально-экономические условия, в которых проходит обучение (материальное положение, место проживания, необходимость подработки во внеучебное время и т. п.).

Материалы и методы исследования. В качестве экспериментального материала для оценки качества академической успеваемости были использованы итоговые оценки по изучению фундаментальных дисциплин: анатомия, биология, биохимия, гистология, лабораторная диагностика, латинский язык, изучение которых проходило на 1-ом и 2-ом курсах обучения. Подготовка осуществлялась по специальности «Лечебное дело». Для изучения процесса формирования знаний по изучаемым дисциплинам применен кластерный анализ. Задачей исследования является поиск связей между сложностью освоения студентами дисциплин, психофизиологическими особенностями студентов и социально-экономическими условиями их обучения.

Результаты и их обсуждение. Необходимый и достаточный набор факторов, формирующих успешность функционирования системы «Обучаемый – учебные дисциплины», определялся вектором анализа при оценке отдельных этапов формирования специалиста, например по годам обучения, по формируемым компетенциям, общему уровню подготовки за весь период обучения. Для решения такой задачи необходимо иметь модель оценки успеваемости студентов по избранной дисциплине для прогноза результатов их обучения. Сложность получения таких моделей связана с большим количеством факторов, определяющих результативность обучения. Системный подход к анализу успеваемости позволил выявить ряд ее характеристик. Если за показатель эффективности системы принимать академическую успеваемость по всем дисциплинам рассматриваемого блока, то влияние на ее изменение определяется особенностями обучаемого, социально-экономическими параметрами среды обучения. К факторам, влияющим на успешность обучения, можно отнести психологические: память, сила воли, самооценка, креативность, разные виды мышления, речь и социально-экономические: уровень материального положения, необходимость использования свободного времени для дополнительного заработка, место проживания (общежитие, проживание с родителями, съемная квартира). Количество оцениваемых переменных, характеризующих систему, составляет 12 факторов [1, с. 81]. Особенностями такого подхода к анализу системы является необходимость использования как количественных, так и качественных характеристик элементов данной системы.

Результаты тестирования студентов 2 курса, группы 930135 медицинского института показали, что амплитуда колебаний количества баллов по дисциплинам составила: по анатомии от 44 до 78, биологии от 41 до 88, биохимии от 46 до 85, гистологии от 40 до 67, лабораторной диагностике от 45 до 88, латинскому языку от 41 до 87 [3, с. 74].

Кластерный анализ [2, с. 10] позволил определить, что данные дисциплины по уровню сложности усвоения можно разделить на 3 кластера. Для оценки значений центроидов применен метод кластеризации – (Clustering Method) Ward's и дистанционные метрики – (Distance Metric) Euclidean на основе пакета Статграфикс 5.1 (“Statgraphics Plus for Windows”).

Процент вошедших студентов в 1 группу составил 29,17 %, во вторую – 29,17 %, в третью – 41,67 %. Значения центроидов представлены по дисциплинам в таблице 1.

Таблица 1.

Значения центроидов дисциплин по сложности освоения в баллах

кластер

анатомия

биология

биохимия

гистология

лабораторная

диагностика

1

67,0

57,1429

57,7143

41,0

67,1429

2

70,7143

72,8571

78,2857

58,0

79,2857

3

46,1

54,5

61,7

40,7

61,0

 

 

Как видно из таблицы 1, наиболее высокая успеваемость характерна для дисциплин 2 кластера, трудности в усвоении дисциплин испытывают в основном студенты 3 кластера, 1 кластер показывает средние результаты, хотя в целом выявляется общий более низкий уровень знаний всех кластеров по дисциплине «Гистология». Дендрограмма распределения студентов по кластерам показана на рисунке 1.

 

Рисунок 1. Дендрограмма распределения студентов по уровню сложности усвоения дисциплин

 

Полученные результаты кластерного анализа позволяют прогнозировать уровень успеваемости по дисциплинам, принимать решения по управлению учебным процессом, совершенствованию методики преподавания конкретных дисциплин. Однако в связи с тем, что результаты академической успеваемости по каждой дисциплине значительно разнятся, необходимо оценить и влияние индивидуальных особенностей обучаемых.

Оценка индивидуальных характеристик студентов проводилась с помощью тестирования по показателям: память, сила воли, самооценка, креативность, разные виды мышления, речь. В качестве социально-экономической характеристики условий обучения оценивались различные варианты проживания: дома с родителями, в съемной квартире, общежитии, иногороднее жилье. Как показал кластерный анализ (Clustering Method: Ward's, Distance Metric: Squared Euclidean), распределение студентов по их индивидуальным различиям можно представить в виде таблицы 2.

Таблица 2.

Значения центроидов групп индивидуальных различий студентов

кластер

социально-психологические факторы:

сила

воли

предметное

мышление

символическое

мышление

знаковое

мышление

образное

мышление

1

19,4545

4,36364

1,72727

5,36364

6,45455

2

21,3846

6,53846

4,0

4,30769

5,84615

 

 

Продолжение

Таблица 2.

Значения центроидов групп индивидуальных различий студентов

кластер

социально-психологические факторы:

креатив-

ность

память

речь

самооце-нка

вообра-

жение

жилищные

условия

1

5,27273

11,6364

23,1818

23,7273

12,4545

2,90909

2

5,38462

12,6923

28,9231

24,0769

11,3846

2,38462

 

 

Дендрограмма распределения студентов представлена на рисунке 2.

 

Рисунок 2. Распределение индивидуальных особенностей группы обучаемых по кластерам

 

Вместе с тем интерес представляет изучение тех индивидуальных характеристик группы обучаемых, которые позволяют оценить наиболее высокую успеваемость по всем дисциплинам. Для этого оценим кластеры по общему суммарному баллу для указанных выше дисциплин. Группы хорошо разделяются на кластеры (1 – 25,00 %, 2 – 37,50 %, 3 – 37,50 %), характеристики центроидов которых представлены в таблице 3.

Таблица 3.

Значения центроидов по результативности обучения и соответствующим индивидуальным особенностям

кластер

успевае

мость (баллы)

социально-психологические факторы:

самооце-нка

память

речь

сила

воли

вообра-

жение

1

303,5

32,333

10,167

31,5

 18,67

13,333

2

328,56

26,111

13,222

35,667

22,78

11,111

3

267,33

16,111

12,556

13,444

19,44

11,667

 

 

Продолжение

Таблица 3.

Значения центроидов по результативности обучения и соответствующим индивидуальным особенностям

Клас

тер

успе-

вае-

мость (баллы)

социально – психологические факторы:

предме-тное

мышле-

ние

символи-

ческое

мышле-

ние

знаковое

мышле-

ние

образное мышле-

ние

креати-вность

жили-щные

условия

1

303,5

5,0

1,5

6,3333

6,6667

5,3333

2,6667

2

328,56

6,2222

3,1111

3,7778

6,2222

4,7778

2,3333

3

267,33

5,2222

3,7778

4,7778

5,6667

5,8889

2,8889

 

 

Дендрограмма результатов кластеризации распределения студентов по общей успеваемости представлена на рисунке 3.

 

Рисунок 3. Кластеры студентов по успеваемости и индивидуальным различиям

 

Результаты анализа общего балла центроидов каждого кластера таблицы 3 показывают, что к наиболее успешной группе студентов относится 2 кластер с наиболее высокими показателями памяти, речи, силы воли, предметного мышления. Вместе с тем остальные параметры находятся в средних диапазонах.

При сравнении всех результатов по кластерам таблиц 1–3 становится ясно, что распределение студентов по кластерам при различных векторах анализа не совпадает. Один и тот же студент может иметь высокие результаты по отдельным дисциплинам, а по другим – низкие. Это требует дальнейшего анализа процесса усвоения дисциплин с учетом комплексного характера индивидуальных особенностей студентов.

Выводы: В целом, как показал эксперимент, такой подход позволяет успешно решить задачу классификации студентов по успешности овладения программой, что важно в условиях реализации системы менеджмента качества в вузе. При этом принятие решений о воздействии на систему, например, посредством изменения социально-экономических условий и индивидуальных характеристик студентов, позволит улучшить качество обучения студентов. Применение данного подхода к анализу системы возможно для улучшения результатов по усвоению студентами некоторых дисциплин, определяющих дальнейшую клиническую специализацию обучаемого, степень овладения практическими навыками и т. п.

Для оценки количественного влияния индивидуальных особенностей студентов на успешность их обучения по терапии, хирургии, педиатрии и другим клиническим дисциплинам с целью правильного выбора специальности в дальнейшем, нужно определить зависимость комплексного влияния факторов на результат усвоения дисциплин с помощью регрессионного анализа [5, с. 8].

Причем особенностью такого анализа является необходимость учета факторов, характеризующих различия студентов, выраженных как в количественной, так и качественной шкале. Для этого возможно применить искусственные нейронные сети [4, с. 9].

Таким образом, системный и процессный подход необходим при обеспечении качества образовательного процесса в медицинском вузе, так как сможет помочь студентам сделать правильный выбор клинической специальности. В связи с особой социальной значимостью медицинских профессий и учитывая кадровые проблемы в здравоохранении Тульского региона, необходимо целенаправленно управлять этим процессом, внедрив в практику медицинского образования на всех его стадиях методики профессионального отбора, учитывающие влияние социальных, психологических факторов на качество образовательного процесса.

 

Список литературы:

  1. Евстегнеева В.А. Влияние психолого-социальных факторов на качество обучения студентов медицинского института // Молодые ученые в решении актуальных проблем педагогики высшей школы: тезисы докл. Междунар. конф. – Тула, 2015. – С. 80–83.
  2. Евстегнеева В.А. К вопросу о математических методах прогнозирования заболеваемости природно-очаговыми инфекциями // Вестник новых медицинских технологий. – 2014. – № 1. – С. 10–12.
  3. Евстегнеева В.А., Петровичев В.М., Смольянинова О.Л. Влияние психолого-социальных факторов на качество обучения студентов медицинского института: уч.-мет. пособие для вузов. – Тула: изд-во ТулГУ, 2015. – 100 с.
  4. Евстегнеева В.А., Честнова Т.В., Смольянинова О.Л. О нейросетевом моделировании и прогнозировании эпизоотий туляремии на территории Тульской области // Вестник новых медицинских технологий. – 2014. – № 1. – С. 8–9.
  5. Евстегнеева В.А., Честнова Т.В., Смольянинова О.Л. Регрессионный анализ в прогнозировании природно-очаговых инфекций // Вестник новых медицинских технологий. – 2015. – Т. 9, № 4. – С. 8–10.
  6. Логвинов С.И., Ермоленко П.С., Кулеш И.В. Исследование влияния индивидуальных особенностей обучаемых на результативность освоения дисциплины // Инновации, технологии, наука: тезисы докл. Междунар. конф. – Уфа, 2016. – С. 162–164.
  7. Логвинов С.И., Романов В.А. Применение информационно-аналитических систем в образовательном процессе вуза: звено «факультет – кафедра» // Педагогические науки. – 2015. – № 2. – С. 120–124.
  8. Логвинов С.И., Романов В.А. Управление образовательным процессом вуза на базе информационных технологий: модельный подход // Педагогические науки. – 2014. – № 1. – С. 186–189.
Проголосовать за статью
Дипломы участников
У данной статьи нет
дипломов

Оставить комментарий

Форма обратной связи о взаимодействии с сайтом
CAPTCHA
Этот вопрос задается для того, чтобы выяснить, являетесь ли Вы человеком или представляете из себя автоматическую спам-рассылку.