Развитие виртуальной мобильности посредством личностно - ориентированного подхода

Аннотация

В статье рассматриваются возможности развития виртуальной мобильности студентов дистанционной формы обучения посредством личностно - ориентированного подхода.

Изучение возможностей развития профессионально важных качеств студентов дистанционной формы обучения позволяет сделать вывод, что интегративным качеством, в наибольшей мере обеспечивающим конкурентоспособность специалистов на рынке труда, является виртуальная мобильность. Ключевыми компонентами виртуальной мобильности является готовность, которую можно представить в виде набора профессиональных компетенций личностных качеств, в состав которых входит личностные характеристики специалиста, а также свойства памяти, внимания, способности, направленность, мировоззрение и др. [1].

Одним из наиболее распространенных подходов к оптимизации дистанционного процесса обучения и формирования личностных качеств, будущих специалистов является личностно - ориентированный подход. Многие исследователи при личностно - ориентированном подходе рассматривают небольшое количество важных, на их взгляд, характеристик студентов (ответственность, интеллект, оперативную память, внимание, направленность, уровень мотивации и др.).

Анализ литературных источников относительно применения современных методов мониторинга личностных качеств студентов [2, 3] показывает, что измерять виртуальную мобильность возможно по нескольким показателям. Главный вопрос заключается в разработке методики их измерения. Прежде чем какой - либо показатель учитывать или не учитывать, его нужно с достаточной степенью точности измерить. Поэтому одним из основных инструментов реализации личностно - ориентированного подхода при формировании компонентов виртуальной мобильности являются тестирование, диагностика различных характеристик студентов.

В результате диагностики личностных качеств и показателей качества подготовки студентов формируется таблица (матрица) размером MxN, где M - число респондентов (студентов), N - число показателей. В матрице отражены величины показателей каждого респондента по каждому параметру. Показателями качества, кроме общей учебной успешности, могут служить успешность по конкретной дисциплине, адаптированность в различных видах учебной деятельности, внутренняя мотивированность, сформированность определенного показателя профессионализма и др.

Наиболее наглядным результатом обработки полученной информации (матрицы MxN) является построение «профилей» характеристик студентов. Их можно строить как для всей совокупности обследованных студентов, так и для отдельных выборок успешных и неуспешных, адаптированных и неадаптированных студентов. «Профиль» можно строить и для показателей отдельного студента. Однако, сравнивать показатели студента с показателями генеральной совокупности студентов или с показателями выборок, например, «отличников» или «троечников», по таким рисункам, выраженным в абсолютных значениях показателей, сложно. Гораздо более наглядно выглядят профили показателей, выраженные в относительных единицах.

Однако, несмотря на наглядность метода «профилей», в нем не учитываются взаимосвязи и взаимозависимости между отдельными показателями. Он не позволяет отразить целостную структуру и вклад каждого исследуемого показателя в его взаимной связи с другими сторонами психической деятельности. Инструментом, позволяющим оценить величину взаимосвязи между любыми показателями матрицы MxN, всей совокупности или какой - либо выборки студентов, служат значения коэффициентов корреляции между показателями. Можно сопоставлять абсолютные значения показателей коэффициентов корреляции, их знак, устанавливать меру взаимной связи, выделять наиболее существенные связи в корреляционной матрице.

Одним из методов, позволяющих выделить комплексы взаимосвязанных свойств и качеств исследуемого объекта, является метод корреляционных плеяд [3]. Корреляционные плеяды - это группы признаков (свойств, качеств), характеризующихся значительными корреляционными связями. Оценка сходства и различия двух и более структур может быть основана на сопоставлении достоверных разностей корреляций. Если две корреляционные матрицы, составленные из одинаковых признаков, статистически не отличаются одна от другой, имеются все основания говорить об их сходстве, о двух конвергирующих (сходящихся) структурах. Если две матрицы корреляций в целом достоверно отличаются одна от другой, то следует говорить о несовпадении этих структур, о дивергенции (расхождении).

Между собой можно сопоставлять не только несколько структур, но и любое количество подструктур, выделенных из них. Таким образом, метод корреляционных плеяд - эффективный метод структурного анализа и синтеза корреляционных графов (корреляционных «портретов») различных выборок респондентов. Но только выборок! А нам необходимо знать взаимосвязи личностных характеристик конкретного студента. Сделать это с помощью анализа корреляционных матриц нельзя, они просто не существуют для одного респондента. Следовательно, такую матрицу, такой корреляционный граф нужно создать, синтезировать.

В связи с этим предлагаем решение этой проблемы, которое заключается в создании виртуального корреляционного графа - корреляционного «портрета» любого студента. Виртуального потому, что он синтезирован, создан на основе множества других корреляционных графов, присущих выборкам студентов с личностными характеристиками, идентичными характеристикам конкретного студента.

 

Литература:

  1. Меркулова Л.П. Профессиональная мобильность специалистов технического профиля. - M.: МГУП, 2005.-267 с.
  2. MapnnjjK В.Л. Методики психодиагностики в спорте. - M.: Просвещение. 1990. - 256 с.
  3. Основы математической статистики для психологов: Учеб, для студентов вузов, обучающихся по направлению и специальности «Психология». - СПбГУ. - Изд. 2-е. перераб. и доп., 1998. -460 с.
Год: 2017
Категория: Педагогика