Science for Education Today, 2023, Т. 13, № 6, С. 145–171
© Полицинская Е. В., Трофимов А. В., Лизунков В. Г., 2023
УДК: 
331.1+378.2+001.891.57

Нейродидактическая модель интегрированного образовательно-производственного кластера: оценка эффективности подготовки трудовых ресурсов

Полицинская Е. В. 1 (Юрга, Россия), Трофимов А. В. 2 (Томск, Россия), Лизунков В. Г. 1 (Юрга, Россия)
1 Юргинский технологический институт (филиал) федерального государственного автономного образовательного учреждения высшего образования «Национальный исследовательский Томский политехнический университет»
2 Федеральное государственное автономное образовательное учреждение высшего образования «Национальный исследовательский Томский политехнический университет»
Полный текст (свободный доступ) — Скачан 110 раз(а)
Аннотация: 

Проблема и цель. В статье рассматривается проблема формирования значимых компетенций будущего инженера. Цель исследования – оценить эффективность подготовки трудовых ресурсов на основе предлагаемой авторами нейродидактической модели интегрированного образовательно-производственного кластера.
Методология. Исследование проводилось в логике педагогического эксперимента. Разработка нейродидактической модели выстраивалась на основе анализа опыта педагогических практик внедрения нейропедагогики в образовательный процесс. В рамках исследования проанализирован и обобщен материал, полученный по итогам эмпирического сбора данных. Выборку составили 289 студентов, обучающихся по техническим направлениям подготовки. В качестве основного индикатора, подтверждающего эффективность предлагаемой нейродидактической модели, была выбрана методика направленности личности В. Смекала и М. Кучера «Направленность личности».
Результаты. Теоретический анализ научной литературы позволил систематизировать имеющийся педагогический опыт внедрения нейропедагогики в образовательный процесс и выделить те наиболее эффективные факторы, которые влияют на успешность применения нейродидактических принципов в образовательном процессе. Формирующий эксперимент предполагал пересмотр содержания обучения и обоснование значимости нейродидактической модели обучения. В рамках формирующего эксперимента у большинства студентов сформировалась профессиональная направленность личности, которая играет важную роль в развитии значимых ключевых компетенций инженера.
Заключение. Результаты исследования свидетельствуют, что реализованная в рамках образовательного процесса вуза нейродидактическая модель обучения обеспечивает профессиональную направленность личности студента и, как следствие, получение высоких образовательных результатов.

Ключевые слова: 

профессиональная направленность личности; ключевые профессиональные компетенции; компетенции будущего инженера; нейродидактическая модель подготовки инженера; высокие образовательные результаты

Библиографическая ссылка:
Полицинская Е. В., Трофимов А. В., Лизунков В. Г. Нейродидактическая модель интегрированного образовательно-производственного кластера: оценка эффективности подготовки трудовых ресурсов // Science for Education Today. – 2023. – № 6. – С. 145–171. DOI: http://dx.doi.org/10.15293/2658-6762.2306.07
Список литературы: 
  1. Бобровская А. С. Использование нейродидактики в обучении гуманитарным предметам // Современные исследования в области преподавания иностранных языков в неязыковом вузе. – 2021. – № 10. – С. 10–17. URL: https://elibrary.ru/item.asp?id=47252327
  2. Дубровская Ю. А., Пихконен Л. В. Фреймовые технологии и практико-ориентированное обучение при подготовке горных инженеров // Известия российского государственного педагогического университета им. А. И. Герцена – 2022. – № 205. – С. 102–115. DOI: https://doi.org/10.33910/1992-6464-2022-205-102-115 URL: https://www.elibrary.ru/item.asp?id=49571713
  3. Зеер Э. Ф., Сыченко Э. Ф., Журавлева Е. В. Нейротехнологии в профессиональном образовании: рефлексия их возможностей // Педагогическое образование в России. – 2021. – № 3. – C. 8–15. DOI: https://doi.org/10.26170/2079-8717_2021_03_01 URL: https://www.elibrary.ru/item.asp?id=46375049  
  4. Клемантович И. П., Леванова Е. А., Степанов В. Г. Нейропедагогика: новая отрасль научных знаний // Педагогика и психология образования. – 2016. – № 2. – C. 8–17. URL: https://www.elibrary.ru/item.asp?id=26535219
  5. Козлова Ю. Б. Геймификация в системе современного высшего образования: теоретические основы и практическая значимость // История и педагогика естествознания. – 2022. – № 1. – С. 19–22. URL: https://www.elibrary.ru/item.asp?id=48437554  
  6. Мальсагова М. Х., Мальсагов А. А. Экспериментальная апробация нейропедагогических технологий // Мир науки, культуры, образования. – 2022. – № 6. – С. 241–243. URL: https://elibrary.ru/item.asp?id=50068008   
  7. Павелко Н. Н. Фреймовые технологии и фрейминг в контексте цифровой педагогики // Вестник ИМСИТ. – 2022. – № 1. – С. 3–10. URL: https://www.elibrary.ru/item.asp?id=48154277    
  8. Сорочинский, М. А., Попов М. В. Нейроинтерфейсы: история, принцип работы, педагогический потенциал // Инновации в образовании. – 2022. – № 10. – С. 96–107. URL: https://www.elibrary.ru/item.asp?id=49558668  
  9. Asikainen H., Gijbels D. Do Students Develop towards More Deep Approaches to Learning during Studies? A Systematic Review on the Development of Students’ Deep and Surface Approaches to Learning in Higher Education // Educational Psychology Review. – 2017. – Vol. 29 (2). – P. 205–234. DOI: https://doi.org/10.1007/s10648-017-9406-6  

10. Beaulieu A. Voxels in the brain: neuroscience, informatics and changing notions of objectivity // Social Studies of Science. – 2001. – Vol. 31 (5). – P. 635–680. DOI: https://doi.org/10.1177/030631201031005001    

11. Budhai S. S., Skipwith K. B. Best Practices in Engaging Online Learners through Active and Experiential Learning Strategies. – New York: Routledge, 2017. DOI: https://doi.org/10.4324/9781315617503  

12. Carew T. J., Magsamen S. H. Neuroscience and Education: An Ideal Partnership for Producing Evidence-Based Solutions to Guide 21st Century Learning // Neuron. – 2010. – Vol. 67 (5). – P. 685–688. DOI: https://doi.org/10.1016/j.neuron.2010.08.028    

13. Fischer K. W., Daniel D. B., Immordino-Yang M. H., Stern E., Battro A., Koizumi H. Why Mind, Brain, and Education? Why Now? // Mind, Brain, and Education. – 2007. – Vol. 1 (1). – P. 1–2. DOI: https://doi.org/10.1111/j.1751-228x.2007.00006.x  

14. Gvozdii S., Bakhov I., Pienov V., Palamarchuk S., Dudnyk N., Petrukhan-Shcherbakova L. Neuropedagogy in Contemporary Formal and Non-Formal Education // Broad Research in Artificial Intelligence and Neuroscience. – 2022. – Vol. 13 (4). – P. 264–279. DOI: https://doi.org/10.18662/brain/13.4/387   

15. Howard-Jones P. Neuroscience and education: myths and messages // Nature Reviews Neuroscience. – 2014. – Vol. 15 (12). – P. 817–824. DOI: https://doi.org/10.1038/nrn3817  

16. Kolb A. Y., Kolb D. A. Learning Styles and Learning Spaces: Enhancing Experiential
Learning in Higher Education // Academy of Management Learning & Education. – 2005. – Vol. 4 (2). – P. 193–212. DOI: https://doi.org/10.5465/AMLE.2005.17268566  

17. McEwen B. S. The neurobiology of stress: from serendipity to clinical relevance // Brain Research Vol. – 2000. – Vol. 886 (1–2). – P. 172–189.  DOI: https://doi.org/10.1016/S0006-8993(00)02950-4  

18. Olds J., Disterhoft J. F., Segal M., Kornblith C. L., Hirsh R. Learning centers of rat brain mapped by measuring latencies of conditioned unit responses // Journal of Neurophysiology. – 1972. – Vol. 35 (2). – P. 202–219. DOI: https://doi.org/10.1152/jn.1972.35.2.202   

19. Samsonovich A. V. Socially emotional brain-inspired cognitive architecture framework for artificial intelligence // Cognitive Systems Research. – 2020. – Vol. 60. – P. 57–76. DOI: https://doi.org/10.1016/j.cogsys.2019.12.002  

20. Sarancha I., Maksymchuk B., Gordiichuk G., Berbets T., Berbets V., Chepurna L., Golub V., Chernichenko L., Behas L., Roienko S., Bezliudna N., Rassskazova O., Maksymchuk I. Neuroscientific Principles in Labor Adaptation of People with Musculoskeletal Disorders // Broad Research in Artificial Intelligence and Neuroscience. – 2021. – Vol. 12 (4). – P. 206–223. DOI: https://doi.org/10.18662/brain/12.4/245  

21. Sweetman D. Making Virtual Learning Engaging and Interactive // FASEB bioAdvances. – 2021. – Vol. 3 (1). – P. 11–19. DOI: https://doi.org/10.1096/fba.2020-00084  

22. Torres Ríos H., Alvarado Zermeño G., Bernal Trigueros A. Caracterización del neuroaprendizaje en estudiantes de licenciatura // DEBATES en Evaluación y Currículum. – 2018. – Vol. 4. URL: https://postgradoeducacionuatx.org/pdf2018/A231.pdf     

Дата публикации 31.12.2023