Методика оптимизации численности студентов профессиональных образовательных учреждений
Аннотация
Введение. В статье рассматривается проблема выполнения вузами заданий по подготовке специалистов. Ее актуальность определяется наличием тенденций снижения численности студентов по курсам обучения. Авторы анализируют результаты подготовки и выпуска специалистов и определяют цель и задачи исследования. Цель статьи – анализ выявления закономерности в подготовке специалистов и на ее основе разработка методики оптимизации численности студентов по курсам обучения относительно конечного результата.
Материалы и методы. Основным материалом послужили результаты подготовки и выпуска специалистов за период 2012–2017 гг. В статье использованы следующие общенаучные методы: обобщение, сравнительный анализ, синтез и нормативное прогнозирование. Апробирована методика оптимизации численности студентов по курсам обучения относительно установленного конечного результата.
Результаты исследования. Полученные данные показали, что достижение конечного результата прямо зависит от промежуточных результатов; управлять снижением численности студентов до оптимальных значений можно при обеспечении их прогнозирования относительно конечного результата выпуска специалистов. При этом прогнозирование оптимальных промежуточных результатов служит основным звеном для разработки методов управления выполнением вузами заданий по подготовке специалистов. В статье была разработана методика прогнозирования оптимальной численности студентов по курсам обучения относительно конечного результата.
Обсуждение и заключение. Данная проблематика может получить свое дальнейшее развитие в разработке методов управления образовательным процессом по конечному результату. Материалы статьи могут быть полезны постоянному составу учреждений профессионального образования по разработке мероприятий целенаправленного управления образовательным процессом.
Литература
Сурайкина Л. А. Конкурсное размещение регионального задания на подготовку специалистов с высшим образованием // Интеграция образования. 2003. № 3. С. 63–68. URL: http://edumag.mrsu.ru/content/pdf/03-3.pdf (дата обращения: 10.03.2018).
Резник Г. А., Курдова М. А. Функции российского университета в условиях формирования инновационно-ориентированной экономики // Интеграция образования. 2017. Т. 21, № 3. С. 441–458.
DOI: 10.15507/1991-9468.088.021.201703.441-458
Bonaldo L., Nobre Pereira L. Dropout: Demographic profile of Brazilian University Students // Procedia – Social and Behavioral Sciences. 2016. Vol. 228. Pр. 138–143. DOI: 10.1016/j.sbspro.2016.07.020
Survey dataset on the impact of stakeholder’s relationship on the academic performance of engineering students / O. Oyeyipo [et al.] // Data in Brief. 2018. Vol. 17. Pр. 1355–1360. DOI: 10.1016/j.dib.2018.02.059
Осипова Н. Г., Колодезная Г. В., Шевцов А. Н. О закономерностях и причинах отчислений в вузе и мотивации учебной деятельности студентов // Образование и наука. 2018. Т. 20, № 6. С. 158–182. DOI: 10.17853/1994-5639-2018-6-158-182
Yahia F. B., Essid H., Rebai S. Do dropout and environmental factors matter? A directional distance function assessment of tunisian education efficiency // International Journal of Educational Development. 2018. Vol. 60. Pр. 120–127. DOI: 10.1016/j.ijedudev.2017.11.004
Roso-Bas F., Pades Jiménez A., García-Buades E. Emotional variables, dropout and academic performance in Spanish nursing students // Nurse Education Today. 2016. Vol. 37. Pр. 53–58. DOI: 10.1016/j.nedt.2015.11.021
Paura L., Arhipova I. Cause analysis of students’ dropout rate in higher education study program // Procedia – Social and Behavioral Sciences. 2014. Vol. 109. Pp. 1282–1286. DOI: 10.1016/j.sbspro.2013.12.625
Попова Е. А., Шеина М. В. Учеба в сильной школе – гарантия высоких академических результатов в вузе? // Вопросы образования. 2017. № 1. С. 128–157. DOI: 10.17323/1814-9545-2017-1-128-157
Овчаров А. В., Лопаткин В. М. Проблема сохранности контингента студентов в условиях современной модели обучения // Вестник Новосибирского государственного педагогического университета. 2015. № 6. С. 58–67. DOI: 10.15293/2226-3365.1506.07
Lisievici P. The forgotten side of quality: Quality of education construct impact on quality assurance system // Procedia – Social and Behavioral Sciences. 2015. Vol. 180. Pр. 371–375. DOI: 10.1016/j.sbspro.2015.02.131
Gitto L., Minervini L.F., Monaco L. University dropouts in Italy: Are supply side characteristics part of the problem? // Economic Analysis and Policy. 2016. Vol. 49. Pр. 108–116. DOI: 10.1016/j.eap.2015.12.004
Reinke N. B. The impact of timetable changes on student achievement and learning experiences // Nurse Education Today. 2018. Vol. 62. Pр. 137–142. DOI: 10.1016/j.nedt.2017.12.015
Chies L., Graziosi G., Pauli F. Job opportunities and Academic Dropout: The case of the University of Trieste // Procedia Economics and Finance. 2014. Vol. 17. Pр. 63–70. DOI: 10.1016/S2212-5671(14)00879-X
Шаляпин О. В., Лопуха А. Д., Федосеева И. А. Концепция управления системой образования в современном высшем учебном заведении на основе синергетического подхода // Вестник Новосибирского государственного педагогического университета. 2015. № 6. С. 111–120. DOI: 10.15293/2226-3365.1506.12
Груздев И. А., Горбунова Е. В., Фрумин И. Д. Студенческий отсев в российских вузах: к постановке проблемы // Вопросы образования. 2013. № 2. С. 67–81. URL: https://vo.hse.ru/2013--2/97951726.html (дата обращения: 10.03.2018).
McCowan T. Quality of higher education in Kenya: Addressing the conundrum // International Journal of Educational Development. 2018. Vol. 60. Pp. 128–137. DOI: 10.1016/j.ijedudev.2017.11.002
Определение значимых умений самостоятельной работы для успешного обучения в вузе / Г. В. Милованова [и др.] // Интеграция образования. 2017. Т. 21, № 2. С. 218–229. DOI: 10.15507/1991-9468.087.021.201702.218-229
Романов Д. К., Даукша Л. М. Психологические особенности восприятия и понимания преподавателей студентами университета // Интеграция образования. 2016. Т. 20, № 2. С. 228–237. DOI: 10.15507/1991-9468.083.020.201602.228-237
Терентьев Е. А., Груздев И. А., Горбунова Е. В. Суд идет: дискурс преподавателей об отсеве студентов // Вопросы образования. 2015. № 2 С. 129–151. DOI: 10.17323/1814-9545-2015-2-129-151
Киушкина В. Р. Успеваемость студентов – объединение в успешной сотруднической деятельности обучаемого и преподавателя // Международный журнал прикладных и фундаментальных исследований. 2016. № 12-6. С. 1042–1046. URL: http://www.applied-research.ru/ru/article/view?id=10982 (дата обращения: 11.03.2018).
Заботкина В. И., Маколов В. И. Реализация положений европейских стандартов и рекомендаций по обеспечению качества (ESG) в рамках международных совместных образовательных программ // Интеграция образования. 2016. Т. 20, № 4. С. 446–455. DOI: 10.15507/1991- 9468.085.020.201604.446-455
Masino S., Niño-Zarazúa M. What works to improve the quality of student learning in developing countries? // International Journal of Educational Development. 2016. Vol. 48. Рр. 53–65. DOI: 10.1016/j.ijedudev.2015.11.012
Ellis R. A., Pardo А., Han F. Quality in blended learning environments – Significant differences in how students approach learningcollaborations // Computers an d Education. 2016. Vol. 102. Pр. 90–102. DOI: 10.1016/j.compedu.2016.07.006
Encouraging student learning of control by embedding freedom into the curriculum: student perspectives
and products / J. A. Rossiter [et al.] // IFAC-PapersOnLine. 2017. Vol. 50, issue 1. Pр. 12149–12154. DOI: 10.1016/j.ifacol.2017.08.2155
Горбунова Е. В., Ульянов В. В., Фурманов К. К. Построение модели выбытия студентов по данным университетов с разной периодичностью рубежного контроля // Прикладная эконометрика. 2017. Т. 45. С. 116–135. URL: http://pe.cemi.rssi.ru/pe_2017_45_116-135.pdf (дата обращения: 10.03.2018).
Development and initial validation of a multidimensional student performance scale / D. J. Cummings [et al.] // Learning and Individual Differences. 2017. Vol. 59. Рр. 22–33. DOI: 10.1016/j.lindif.2017.08.008
Analyzing undergraduate students’ performance using educational data mining / R. Asif [et al.] // Computers and Education. 2017. Vol. 113. Рр. 177–194. DOI: 10.1016/j.compedu.2017.05.007
Improving the expressiveness of black-box models for predicting student performance / C. J. Villagrá-Arnedo [et al.] // Computers in Human Behavior. 2017. Vol. 72. Pр. 621–631. DOI: 10.1016/j.chb.2016.09.001
Copyright (c) 2018 Александр Иванович Бокарев, Елена Сергеевна Денисова, Александр Максимович Добренко, Виталий Степанович Сердюк
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
