Цель исследования. Исследование направлено на разработку и обоснование четырехуровневой модели классификации цифровых компетенций работников сферы образования для педагогического дизайна онлайн-курсов на основе смарт-подхода, обеспечивающего гибкость, адаптивность, вариативность и технологичность профессиональной подготовки в условиях реализации государственной политики цифрового суверенитета и технологической независимости Российской Федерации. Актуальность исследования определяется необходимостью формирования у педагогических кадров компетенций работы с отечественными цифровыми платформами и программными решениями в контексте стратегии импортозамещения образовательных технологий.
Материалы и методы. Методологической основой исследования выступает интеграция таксономического, компетентностного и контекстного подходов с принципами смарт-образования. Исследование базируется на анализе требований профессиональных стандартов и квалификационных характеристик педагогических работников в области информационно-коммуникационных технологий. Теоретический анализ включал изучение современных подходов к классификации цифровых компетенций с учетом специфики российской образовательной системы и принципов технологической вертикали образовательных процессов. Систематизация предметно-деятельностных областей цифровых компетенций осуществлена на основе принципов иерархичности, контекстуальности, операциональности, проактивности и спиральности. Методы исследования включали структурно-функциональный анализ компетенций, типологизацию по характеру распределения между уровнями, операционализацию через конкретные измеримые действия. Разработка классификации проводилась с применением системного подхода к проектированию образовательных технологий и учетом требований государственной политики цифрового суверенитета в сфере образования.
Результаты. К теоретическим результатам относятся: разработка иерархической классификации цифровых компетенций, включающей общепользовательский, общепрофессиональный, предметно-профессиональный и надпрофессиональный уровни; введение оригинальной типологии компетенций по характеру их распределения между уровнями на сквозные, полусквозные и комплиментарные; определение принципов построения классификации, обеспечивающих системную интеграцию различных уровней профессиональной подготовки. К практическим результатам относятся: структурирование предметно-деятельностных областей для каждого уровня с детализацией конкретных профессиональных действий; систематизация общепользовательского уровня в семи областях от файловых операций до информационной безопасности; определение содержания общепрофессионального уровня в шести областях от педагогического проектирования до образовательной аналитики; структурирование предметно-профессионального уровня по девяти дисциплинарным областям; разработка содержания надпрофессионального уровня в трех областях стратегического планирования, исследовательской деятельности и технологического предпринимательства с указанием ключевых компетенций для каждой области.
Заключение. Созданная модель обеспечивает научно-методологическую базу для проектирования персонализированных образовательных траекторий в системе непрерывного профессионального развития педагогических кадров. Типологизация компетенций по принципу межуровневого распределения создает условия для гибкого формирования индивидуальных программ освоения цифровых технологий с учетом профессиональных потребностей и начального уровня подготовки. Операционализация компетенций через измеримые действия позволяет осуществлять объективную диагностику профессиональных дефицитов и планировать целенаправленную коррекционную работу в условиях использования отечественного программного обеспечения и цифровых платформ.
Цель исследования. Настоящее исследование направлено на выявление новых подходов к формированию цифровых компетенций выпускников вузов в цифровую эпоху. Актуальность настоящего исследования базируется на требованиях современного рынка труда в квалифицированных специалистах, владеющих навыками работы в цифровой среде, в условиях многозадачности, способными постоянно повышать свой уровень квалификации и цифровой грамотности, что в свою очередь служит залогом развития и конкурентоспособности социально – экономического комплекса всех регионов страны. Данное исследование свидетельствует о том, что в современный период, образовательный процесс в высших учебных заведениях (вузах) должен базироваться на постоянном взаимодействии выпускающих кафедр с представителями практической сферы, учете всех инновационных разработок социально – экономического комплекса отдельных регионов и страны в целом. Кроме того, настоящее исследование подтверждает актуальность того, что в современный период цифровые компетенции, прививаемые выпускникам вузов, способствуют выполнению современных задач обеспечения технологического лидерства страны.
Материалы и методы. В ходе проведения исследования и представления его результатов в виде настоящей статьи был использован целый комплекс методов таких, как изучение и анализ научных источников, сравнение, обобщение, классификация. Также применялись специальные методы работы с электронными библиотеками и платформами, веб-сервисами и интернет источниками.
Результаты. В данной статье доказано, что цифровые компетенции в современный период являются одним из главных компонентов при подготовке высококвалифицированных специалистов. Цифровые компетенции позволяют выпускникам различных направлений образования реализовать индивидуальные траектории развития и сразу же после окончания вуза занять высокооплачиваемые должности на конкурентоспособных предприятиях в различных регионах страны. В данной работе выявлен целый ряд факторов, которые обуславливают необходимость интенсивного обучения цифровым компетенциям. К их числу относятся высокие скорости передачи информации, необходимость проводить аналитику данных с помощью статистического, математического и системного анализа, многозадачность и умение работать с современными программными продуктами и цифровыми устройствами. Кроме того, цифровые компетенции выпускников вузов в цифровую эру учитывают весь спектр запросов работодателей, что в свою очередь способствует повышению уровня конкурентоспособности отраслей и сфер экономики и успешной реализации стратегий социально-экономического развития страны.
Заключение. В настоящей работе проведен анализ научных подходов к исследованию цифровых компетенций, рассмотрены современные модели и фреймворки цифровых компетенций (digital skills), проведена их классификация. Кроме того, выявлены экономические, социальные, административные, технологические т образовательные эффекты повышения уровня развития регионов на основе развития цифровых компетенций выпускников вузов. Автором доказано, что цифровые компетенции способствуют выполнению стратегических задач по подготовке высококвалифицированных кадров и обеспечению технологической независимости и технологического лидерства Российской Федерации.
Цель исследования: разработать и проверить подход к обучению составителей цифрового контента в части создания альтернативного текста, точно описывающего оригинальное изображение, с использованием нейронной сети для генерирования контрольных изображений, реконструируемых по тексту. Отсутствие в веб-ресурсе текстовых описаний к визуальному контенту ограничивает цифровую доступность, особенно для пользователей с нарушением зрения. Для обеспечения доступности каждое информативное изображение должно сопровождаться альтернативным текстом. Известно, что текстовые альтернативы, сгенерированные с помощью автоматических инструментов, уступают по качеству описаниям, выполненным человеком. Следовательно, составитель цифрового контента должен уметь разрабатывать альтернативный текст к изображениям. Выдвинуто предположение, что нейронная сеть, способная генерировать изображения по текстовым описаниям, может выступать в роли инструмента, служащего для проверки релевантности составляемых текстовых альтернатив. Материалы и методы. Исследование выполнялось в апреле-мае 2023 года. 17 обучающихся бакалавриата изучили требования к разработке текстовых альтернатив, выполнили первичные текстовые описания к трем предложенным фотографиям, а затем откорректировали текст с использованием нейронной сети Kandinsky 2.1 согласно алгоритму: генерирование изображения по описанию; визуальное сравнение полученного изображения с оригиналом; возвращение к редактированию описания или завершение процесса. По первичным и итоговым описаниям исследователи воссоздали изображения с использованием той же нейронной сети. Дальнейшая работа заключалась в оценке качества всех текстовых описаний и сходства всех сгенерированных изображений с оригинальными. Результаты исследования (текстовые описания; оценки, выставленные экспертами; ссылки на сгенерированные изображения) опубликованы в виде набора данных в репозитории Mendeley Data. Для анализа данных использовали t-тест, корреляцию Пирсона и многомерную регрессию (при заданном уровне значимости p = 0,05). Результаты. Установлено, что средние оценки качества первичных и итоговых текстовых описаний значимо не отличались (p > 0,05), также не было выявлено значимых отличий для длины текста (p > 0,05). При этом существенно (p < 0,05) возрастало сходство сгенерированных изображений с оригинальными фотографиями после использования обучающимися нейронной сети. Следовательно, тренировка в нейронной сети способствовала повышению качества (сходства с оригиналом) изображений, сгенерированных по измененным текстовым описаниям, без потери качества описаний. Обнаружено также, что качество итоговых текстовых альтернатив тем выше, чем больше их размер в пределах отведенного лимита, чем лучше и короче первичные описания (p < 0,05). Таким образом, лаконичные и точные альтернативные описания к изображениям после тренировки обучающихся в нейронной сети могут быть преобразованы в не менее качественные текстовые альтернативы, релевантность которых повышается за счет добавления в описание деталей сюжета. Заключение. Нейронные сети для генерирования изображений могут быть применимы в качестве программного инструмента, стимулирующего потенциальных авторов контента к созданию более точного и полного альтернативного текста при сохранении его лаконичности. Представляется важным продолжить исследования, распространив их на изображения других типов, с использованием различных нейронный сетей.