<link rel="stylesheet" href="styles.f3b1fba60ec7970c.css">

Метод аналізу освітніх програм на основі графових метрик у моделі «компетентності – освітні компоненти»

Анотація

У статті запропоновано формалізований підхід до аналізу структури освітньої програми першого (бакалаврського) рівня вищої освіти за спеціальністю F3 «Комп’ютерні науки» з використанням апарату теорії графів. Актуальність дослідження зумовлена необхідністю переходу від суб’єктивних експертних методів побудови структурно-логічних схем до об’єктивних, кількісно обґрунтованих інструментів аудиту освітніх програм у контексті компетентнісного підходу та цифрової трансформації освіти. Метою роботи є розробка та апробація системи кількісних метрик для діагностики структурних дисбалансів освітніх програм на основі моделі двочасткового графа «компетентності – освітні компоненти». Теоретичним підґрунтям слугує рамка загальних компетентностей міжнародного проєкту Tuning, що дозволяє забезпечити узгодженість пропонованого інструментарію з європейськими стандартами вищої освіти. Формалізація здійснюється через побудову матриці інцидентності з подальшим її проєктуванням на простори компетентностей та освітніх компонентів, що уможливлює перехід від якісних описів до структурного аналізу на основі графових моделей. У межах дослідження введено та обґрунтовано комплекс метрик, що охоплює три рівні аналізу: на рівні компетентностей – інтеграційність, коефіцієнт стійкості (рівномірність формування в часі), коефіцієнт дублювання; на рівні освітніх компонентів – дидактичне навантаження та індекс критичності; на рівні програми в цілому – індекс зв’язності, дисперсія навантаження та індекс ефективності корекції. Застосування запропонованого інструментарію до даних реальної освітньої програми дозволило виявити низку системних структурних дисбалансів: ізольованість базових інструментальних компетентностей, наявність як «перевантажених», так і «нефункціональних» дисциплін, а також змістове дублювання в межах кількох освітніх компонентів. На основі отриманих кількісних показників сформульовано науково обґрунтовані рекомендації щодо корекції навчального плану, які дозволяють підвищити його структурну збалансованість, усунути дублювання та забезпечити наскрізне формування компетентностей без зміни цільової моделі. Запропонована методологія може бути використана гарантами освітніх програм для регулярного аудиту, модернізації змісту та прийняття обґрунтованих управлінських рішень у сфері вищої освіти.

Опис

Мова

Бібліографічний опис

Шпинковський О. О., Болтьонков В. О. Метод аналізу освітніх програм на основі графових метрик у моделі «компетентності – освітні компоненти» // Наукові праці Вінницького національного технічного університету. Електрон. текст. дані (PDF: 736 КБ). 2026. № 1. URI: https://praci.vntu.edu.ua/index.php/praci/article/view/940.

Схвалення

Рецензія

Доповнено

Цитується в

Список використаної літератури (15)

  1. González J., Wagenaar R. (eds.). Tuning Educational Structures in Europe: Consolidated Reference Standards and Guidelines. Bilbao: International Tuning Academy, 2016. 411 p. ISBN 978-84-608-8944-6.URL: https://www.unideusto.org/tuningeu/images/stories/Publications/Tuning%20Educational%20Structures%20in%20Europe.pdf.
  2. Yang R., ShiJ. Efficient high-quality clustering for large bipartite graphs. Proceedings of the ACM on Management of Data (SIGMOD). 2024. Volume 2, Issue 1,Article No23. P. 1–27. DOI: https://doi.org/10.1145/3639278.
  3. Wang H., Wang K., Zhang W. Bipartite graph analytics : Current techniques and future trends. IEEE Transactions on Data Engineering. 2024. https://ieeexplore.ieee.org/document/10597932(датазвернення:03.03.2026).
  4. Wagenaar R. et al. Revised Tuning Educational Structures in Europe: Frameworks, Competences and Implementation Reports 2015–2020. Bilbao: International Tuning Academy, 2020.URL: https://www.tuningacademy.org/wp-content/uploads/2020/10/Tuning-CALOHEE-Frameworks-Report.pdf.
  5. Barabási A.-L., Pósfai M. Network Science. 2nd ed. Cambridge: Cambridge University Press, 2020. 474 p.DOI: https://doi.org/10.1017/9781108568231.
  6. Borgatti S. P., Everett M. G., Johnson J. C. Analyzing Social Networks. 2nd ed. Los Angeles: SAGE Publications, 2018. 364 p. ISBN 978-1-5264-1005-7. URL: https://us.sagepub.com/en-us/nam/analyzing-social-networks/book258408.
  7. Newman M. E. J. Networks: An Introduction. 2nd ed. Oxford: Oxford University Press, 2018. 784 p.DOI: https://doi.org/10.1093/oso/9780198805090.001.0001.
  8. Shpinkovsky O.O., Boltenkov V.O. Графова модель формалізації структурно-логічних схем освітніх програм. Informatics and Mathematical Methods in Simulation.2026. Vol. 16, No1. P. 204–209.DOI: https://doi.org/10.15276/imms.v16.no1.204.
  9. Chakrabarti, D., Faloutsos, C. Graphmining: laws, generators, and algorithms. ACM Computing Surveys. 2006. Volume 38, Issue 1. P. 2. https://doi.org/10.1145/1132952.1132954.
  10. Student performance prediction approach based on educational data mining / Z.Chenet al. IEEEAccess.2023.Vol. 11. P. 131260 –131272. https://ieeexplore.ieee.org/document/10327720/.