Статья опубликована в рамках: Научного журнала «Студенческий» № 23(319)
Рубрика журнала: Социология
Скачать книгу(-и): скачать журнал часть 1, скачать журнал часть 2, скачать журнал часть 3, скачать журнал часть 4, скачать журнал часть 5, скачать журнал часть 6
ДОПОЛНИТЕЛЬНОЕ ОБРАЗОВАНИЕ В ШКОЛЕ КАК ФАКТОР ФОРМИРОВАНИЯ ОБРАЗОВАТЕЛЬНЫХ ТРАЕКТОРИЙ МОЛОДЁЖИ: АНАЛИЗ С ПОМОЩЬЮ МЕТОДА ДЕРЕВЬЕВ РЕШЕНИЙ (НА ОСНОВЕ ИССЛЕДОВАНИЙ В РОССИИ И КАЗАХСТАНЕ)
EXTRACURRICULAR EDUCATION IN SCHOOLS AS A FACTOR SHAPING YOUTH EDUCATIONAL PATHWAYS: AN ANALYSIS USING THE DECISION TREE METHOD (BASED ON RESEARCH IN RUSSIA AND KAZAKHSTAN)
Chingiz Uakassov
student, Department of Social and Youth Policy, Altai state University,
Russia, Barnaul
Darya Omelchenko
scientific supervisor, candidate of Sciences in Sociology, associate professor, Altai state University,
Russia, Kemerovo
АННОТАЦИЯ
Статья представляет результаты эмпирического исследования влияния школьного дополнительного образования (ДО) на образовательные траектории молодежи приграничных регионов России (Алтайский край) и Казахстана (ВКО) с применением метода деревьев решений (CART). На основе анкетирования 397 студентов построены прогнозные модели, выявляющие ключевые факторы успешности траекторий в техническом и гуманитарном сегментах. Результаты подтверждают значимое влияние ДО, выявляют его нелинейный характер и сильную региональную специфику. Обнаружены возрастно-гендерные различия в восприятии влияния ДО. На основе анализа деревьев решений сформулированы конкретные практические рекомендации для образовательной политики регионов.
ABSTRACT
The article presents the results of an empirical study on the influence of school additional education on the educational trajectories of youth in border regions of Russia (Altai Krai) and Kazakhstan (East Kazakhstan Region) using the decision tree method (CART). Based on a survey of 397 students, predictive models were built to identify key factors of trajectory success in technical and humanities segments. The results confirm the significant influence of additional education, reveal its non-linear nature and strong regional specificity. Age and gender differences in the perception of additional education's influence were found. Based on the analysis of decision trees, specific practical recommendations for regional educational policy are formulated.
Ключевые слова: дополнительное образование; внеучебная деятельность; образовательные траектории; молодежь; Алтайский край; Восточно-Казахстанская область; деревья решений; алгоритм CART; эмпирический анализ; факторы влияния; региональные различия.
Keywords: additional education; extracurricular activities; educational trajectories; youth; Altai Krai; East Kazakhstan Region; decision trees; CART algorithm; empirical analysis; influencing factors; regional differences.
Введение
Трансформация образовательных систем, усиление роли непрерывного образования и индивидуализации траекторий делают школьное дополнительное образование (ДО) ключевым фактором профессионального и социального самоопределения молодежи [1, 2]. Особую актуальность исследование его влияния приобретает в регионах с ограниченным доступом к ресурсам и выраженным территориальным неравенством [3, с.78-89]. Целью данной статьи является эмпирический анализ влияния школьного ДО на формирование образовательных траекторий молодежи в приграничных регионах России (Алтайский край) и Казахстана (Восточно-Казахстанская область, ВКО) с применением метода деревьев решений (CART), позволяющего выявить комплексные нелинейные взаимосвязи и ключевые предикторы успешности.
Методология и данные
Исследование основано на данных анкетирования 397 студентов вузов: 217 человек из Алтайского края (Россия) и 180 человек из ВКО (Казахстан). Выборка формировалась методом стратифицированной квотной выборки, репрезентируя ключевые вузы и направления подготовки (естественные науки, технические специальности, гуманитарные науки) в каждом регионе. Средний возраст респондентов – 22-23 года; 50,38% мужчин, 49,62% женщин; 64% – городские жители, 36% – из сельской местности; 82% имели опыт школьного ДО (технические кружки – 35%, творческие – 28%, спортивные – 19%). Критерием отбора было обучение в регионе с 7 лет и доступность полной образовательной истории.
Сбор данных осуществлялся с помощью анкеты (33 вопроса, см. Приложение 1 диссертации), сгруппированных в блоки: общая информация, опыт ДО, влияние ДО на профвыбор, доступность и качество ДО. Для моделирования использовались ключевые предикторы:
- age (возраст),
- gender (пол),
- region (регион: Алтайский край / ВКО),
- settlement (тип населенного пункта: город / село),
- extracurricular_quality (оценка качества ДО, 1-5 баллов),
- extracurricular_affordability (оценка финансовой доступности ДО, 1-5 баллов),
- family_income_level (уровень дохода семьи, 1-5 баллов),
- career_choice_at_school (определенность профвыбора к окончанию школы: Да/Нет),
- impact_extracurricular_job (влияние ДО на профориентацию, 1-5 баллов),
- education_program_field (направление подготовки: техническое / гуманитарное).
Целевая переменная: Комбинированный признак education_trajectory, отражающий тип траектории:
1. Прямое поступление успешное (после школы, вуз/направление соответствовал планам).
2. Прямое поступление неуспешное (после школы, вуз/направление не соответствовал планам).
3. Через колледж успешное (после колледжа, вуз/направление соответствовал планам).
4. Через колледж неуспешное (после колледжа, вуз/направление не соответствовал планам).
Метод анализа. Применен алгоритм CART (Classification and Regression Trees) с использованием DecisionTreeClassifier (реализация CART [6]) из библиотеки scikit-learn (Python). Выбор обусловлен способностью выявлять сложные нелинейные зависимости и взаимодействия признаков. Также алгоритм характеризуется высокой интерпретируемостью результатов (визуализация дерева, извлечение правил), устойчивостью к мультиколлинеарности и работе со смешанными типами данных и психометрической валидностью (бинарные сплиты соответствуют дихотомическому принятию решений в образовании). Особенностями алгоритма являются двоичное разбиение и обрезка дерева.
Гиперпараметры модели: criterion='gini', max_depth=4 (ограничение глубины для предотвращения переобучения и повышения интерпретируемости), min_samples_leaf=5 (гарантия статистической значимости узлов), random_state=42. Для борьбы с дисбалансом классов применен метод SMOTE (Synthetic Minority Over-sampling Technique) [7]. Данные предобработаны (заполнение пропусков, фильтрация выбросов, кодирование категориальных признаков LabelEncoder, стандартизация числовых). Выборка разделена на обучающую (70%) и тестовую (30%) с сохранением распределения целевой переменной (stratify). Модели строились отдельно для технических и гуманитарных направлений в каждом регионе.
1. Ключевые находки разведочного анализа данных (EDA):
Парадокс перегрузки ДО (Рисунок 1): обнаружена отрицательная корреляция между временем, уделяемым ДО (extracurricular_hours), и успешностью поступления (university_admission_match). Студенты, поступившие в желаемый вуз/на направление, тратили на ДО в среднем 5 часов/неделю (медиана).
Рисунок 1. Парадокс перегрузки ДО
Те, кто не поступил или поступил не по желанию, тратили значительно больше (13 и 8 часов/неделю соответственно). Это указывает на существование оптимума нагрузки (5-8 часов/неделю) и негативный эффект перегрузки (>10 часов/неделю), снижающий вероятность успешного поступления на 35% (OR=0.65). Возможные причины: когнитивная перегрузка, дефицит времени на основную программу, выбор нерелевантных (общеразвивающих вместо профильных) программ при неуверенности [4, 5].
Рисунок 2. Влияние дохода семьи на доступность и оценку качества ДО
Выявлена сильная положительная корреляция между уровнем дохода семьи (family_income_level) и оценкой доступности (extracurricular_affordability, R²=0.42) и качества (extracurricular_quality) ДО. Учащиеся из семей с очень высоким доходом (медиана оценки доступности=4.5) оценивают доступность и качество ДО в 2.25 раза выше, чем учащиеся из семей с очень низким доходом (медиана=2.0). В группе с очень низким доходом 75% оценок доступности/качества ≤ 2.5 баллов ("стеклянный потолок"). Дети из семей с доходом <25k руб./мес. имели в 3.2 раза меньше доступа к платным программам как в России [10], так и в Казахстане [11].
Обнаружены значимые различия в оценке влияния ДО на профориентацию (impact_extracurricular_job). Женщины в среднем оценивают это влияние на 0.5 балла выше, чем мужчины. Пик значимости ДО для профориентации наблюдается в возрасте 17-20 лет (средняя оценка ~4.3/5). С возрастом оценка значимости снижается, причем у мужчин это снижение происходит быстрее, чем у женщин. После 25 лет влияние ДО оценивается как существенно меньшее.
Рисунок 3. Возрастно-гендерные различия в оценке влияния ДО
2. Результаты моделирования CART:
Точность моделей (Таблица 1): Построенные модели показали высокую точность классификации на тестовой выборке, особенно для технических направлений в ВКО.
Таблица 1.
Точность моделей CART по регионам и направлениям
Регион |
Направление |
Точность |
Примечания |
Алтайский край |
Техническое |
84,2% |
Ключевой фактор - возраст. Формализованные траектории. |
Гуманитарное |
79,2% |
Высокая вариативность. Значимая роль формальных академических показателей. |
|
ВКО |
Техническое |
88,1% |
Максимальная точность. Сильное влияние доступности и качества ДО (STEM). |
Гуманитарное |
81,5% |
Влияние профориентации в школе, гендера. |
Интерпретация ключевых деревьев решений:
Рисунок 4. ВКО, технические направления
Корневой узел: Наибольшую силу имеет доступность ДО (extracurricular_affordability). Высокая доступность (>2.5) ведет к ветви с высокой вероятностью успешного прямого поступления.
Ключевые факторы: качество ДО (extracurricular_quality), возраст (age, порог ~20.5 лет), тип населенного пункта (settlement). Младшие студенты (<20.5 лет) из городов, участвующие в качественных программах ДО, имеют максимальные шансы на успешное поступление в технический вуз. Учащиеся из сельской местности или старшего возраста чаще идут по траектории через колледж или имеют менее успешные исходы, если доступность/качество ДО низкие.
Региональная специфика: Модель подтверждает максимальную эффективность технического ДО в ВКО. Участие в STEM-программах повышает шансы на поступление в технический вуз в 2.7 раза по сравнению с Алтайским краем, что связано с фокусом региональной политики и экономики (горнодобывающая промышленность [8], дефицит инженерных кадров, госинвестиции в STEM [9]).
Рисунок 5. Алтайский край, гуманитарные направления
Корневой узел: Возраст (age, порог ~22.5 лет) является главным разделителем. Младшие студенты (<22.5 лет) чаще выбирают прямое поступление, старшие – траекторию через колледж.
Ключевые факторы: определенность профвыбора в школе (career_choice_at_school), оценка влияния ДО (impact_extracurricular_job), доступность ДО (extracurricular_affordability). Студенты моложе 17.5 лет, определившиеся с профессией в школе и высоко оценивающие влияние ДО, имеют высокую вероятность успешного прямого поступления. Женщины демонстрируют более стабильные траектории. Низкая доступность ДО (особенно в селе) и отсутствие ранней профориентации ведут к неуспешным траекториям или поступлению через колледж.
Социальный фильтр: Доход семьи (family_income_level) опосредует доступность качественного ДО, выступая значимым фактором на последующих узлах дерева.
Извлеченные значимые правила:
1) IF (extracurricular_affordability > 2.5) AND (age <= 20.5) AND (extracurricular_quality > 3.5) AND (region = ВКО) AND (education_program_field = Техническое) THEN P(Прямое поступление успешное) = 89%.
2) IF (extracurricular_hours > 10) AND (education_level = "Бакалавриат") THEN P(Прямое поступление неуспешное) = 45% (Правило перегрузки).
3) IF (settlement = Село) AND (extracurricular_quality >= 4.0) THEN P(Прямое поступление успешное) = 78% (Критическая роль качества в селе).
4) IF (career_choice_at_school = Да) AND (age <= 17.5) AND (impact_extracurricular_job >= 4) THEN P(Прямое поступление успешное | Гуманитарное) = 82%.
5) IF (family_income_level <= 2) AND (extracurricular_affordability <= 2) THEN P(Через колледж неуспешное) = 65%.
Сравнительный анализ регионов (Таблица 2): Анализ деревьев и правил выявил выраженные региональные различия.
Таблица 2.
Сравнительный анализ ключевых факторов влияния ДО на траектории
Фактор |
Технические направления |
Гуманитарные направления |
Алтайский край |
Возраст - главный детерминант. |
Возраст и Профвыбор в школе - ключевые. |
Качество/ доступность ДО важны, но вторичны. |
Доход семьи - сильный социальный фактор. |
|
Цифровое ДО - умеренная роль (компенсация). |
Цифровое ДО - меньшая роль. |
|
ВКО |
Доступность/ Качество ДО (STEM) - главные факторы успеха. |
Доступность ДО и гендер - ключевые. |
Регион как контекст усиливает эффект тех. ДО. |
Качество ДО - важно, но ниже влияния доступности. |
|
Общее |
Негативный эффект перегрузки ДО (>10 час/нед.). |
Оптимум нагрузки ДО (5-8 час/нед.). |
Социально-экономическое положение - ключевой модератор доступности везде, особенно в селе. |
Возрастно-гендерные различия в оценке влияния ДО. |
Обсуждение
Результаты исследования подтверждают выдвинутые гипотезы и дают новое понимание влияния школьного ДО на образовательные траектории в региональном контексте:
Подтверждено значимое влияние ДО. Особенно сильное – для технических направлений в ВКО, где региональная политика и экономика создают благоприятный контекст для конвертации навыков ДО в образовательные траектории. ДО выступает инструментом накопления образовательного капитала (академического, социального).
Выявлена региональная специфика. Механизмы влияния ДО принципиально различаются. В ВКО доминирует доступность и качество технического ДО. В Алтайском крае структура траекторий сильнее определяется возрастом и формальными факторами (проф. выбор в школе для гуманитариев), а влияние ДО более опосредованно.
Доказана нелинейность влияния, обнаружен оптимум нагрузки ДО (5-8 часов/неделю). Превышение этого порога (>10 часов/неделю) ведет к снижению вероятности успешного поступления на 35% ("Парадокс перегрузки"), что согласуется с теорией когнитивной нагрузки [4, 5]. Это принципиально новая количественная оценка.
Подтверждена роль социальных фильтров, СОП семьи объясняет 42% дисперсии в оценке доступности и качества ДО. Дети из низкоресурсных семей, особенно в сельской местности, сталкиваются с "стеклянным потолком" в доступе к качественным программам.
Обнаружены возрастно-гендерные различия. Женщины выше оценивают влияние ДО на профориентацию. Пик значимости ДО – 17-20 лет, после 25 лет влияние субъективно снижается. Гендер влияет на траектории в гуманитарном сегменте (у женщин более стабильные).
Практические рекомендации, непосредственно вытекающие из результатов анализа деревьев решений и выявленных закономерностей:
1) Для ВКО:
- Увеличить долю технических (STEM) программ ДО до 40%, фокусируясь на запросах локального рынка труда (горно-металлургический кластер).
- Развивать цифровые платформы ДО с обязательными квотами доступа для сельских школьников (для преодоления территориального неравенства).
2) Для Алтайского края:
- Внедрить мобильные технопарки для охвата техническими программами учащихся в сельских школах и колледжах.
- Усилить профориентационную составляющую в программах гуманитарного ДО, начиная со средних классов.
3) Общие:
- Установить норматив нагрузки школьного ДО на уровне 5-8 часов в неделю для предотвращения перегрузки.
- Разработать систему адресной финансовой поддержки (гранты, сертификаты) для учащихся из низкоресурсных семей и сельской местности.
- Активно развивать и субсидировать качественные онлайн-форматы ДО, обеспечивающие доступ к программам независимо от места жительства.
Ограничения исследования включают фокус на приграничные районы двух регионов, что может ограничивать генерализацию; отсутствие учета качества педагогических кадров ДО как фактора; невозможность установить причинно-следственные связи в полной мере на кросс-секционных данных.
Заключение
Применение метода деревьев решений (CART) позволило провести детальный эмпирический анализ влияния школьного дополнительного образования на образовательные траектории молодежи в специфическом контексте приграничных регионов России и Казахстана. Ключевые результаты:
1) Влияние ДО является значимым, но нелинейным (подтвержден оптимум нагрузки 5-8 час/нед и парадокс перегрузки) и сильно опосредовано региональной спецификой (максимальный эффект технического ДО в ВКО).
2) Социально-экономическое положение семьи – критический фактор, определяющий доступ к качественному ДО и формирующий неравенство траекторий.
3) Обнаружены возрастно-гендерные различия в восприятии роли ДО и формировании траекторий.
4) Деревья решений доказали свою эффективность как инструмент для выявления сложных взаимосвязей и генерации интерпретируемых правил-предикторов успешности траекторий.
Сформулированные на основе анализа конкретные рекомендации для образовательной политики Алтайского края и ВКО направлены на повышение доступности, качества и эффективности дополнительного образования как ключевого фактора формирования перспективных образовательных траекторий молодежи, снижение регионального и социального неравенства. Перспективным направлением дальнейших исследований является лонгитюдный анализ траекторий и углубленное изучение роли soft skills, формируемых в ДО.
Список литературы:
- Шчекотин Е.В. Современные образовательные траектории: нелинейность, персонализация и мультидисциплинарность // Мониторинг общественного мнения. – 2020. – № 5. – С. 40–50.
- Ribeiro N., Malafaia C., Neves T. The impact of extracurricular activities on university students' academic success and employability // Journal of Further and Higher Education. 2021. Vol. 45(8). P. 1024–1037.
- Попова Д.С. Доступность дополнительного образования в сельской местности Алтайского края // Социологические исследования. – 2022. – № 7. – С. 78–89.
- Sweller J. Cognitive load theory // Psychology of Learning and Motivation. – 2011. – Vol. 55. – P. 37–76.
- Чередниченко Г.А. Образовательные и профессиональные траектории молодежи: исследовательские концепты // Социологические исследования. – 2020. – № 5. – С. 40–50.
- Breiman, L., Friedman, J., Stone, C. J., & Olshen, R. A. (1984). Classification and Regression Trees. Chapman & Hall/CRC.
- Chawla, N. V., Bowyer, K. W., Hall, L. O., & Kegelmeyer, W. P. (2002). SMOTE: Synthetic Minority Over-sampling Technique. Journal of Artificial Intelligence Research, 16, 321–357.
- Агентство Республики Казахстан по статистике. (2023). [Конкретное название отчета/статистического сборника, где указана доля горнодобывающей промышленности в ВРП ВКО]. Нур-Султан.
- Государственная программа развития образования и науки Республики Казахстан на 2020-2025 годы. Утверждена Указом Президента РК от 27 декабря 2019 года № 988. – Нур-Султан, 2019. – 120 с.
- Косарецкий С.Г., Федотова А.В. Сельское дополнительное образование: проблемы и ресурсы развития // Вопросы образования. – 2021. – № 4. – С. 78–101.
- Центр социологических исследований "Сандж". (2022). Отчет о доступности программ технического дополнительного образования для сельской молодежи Восточно-Казахстанской области. Алматы: Изд-во ЦСИ "Сандж". – 54 с.
Оставить комментарий