Ученые научили программу находить слабые места в учебных планах

Ученые РТУ МИРЭА и Сибирского федерального университета создали программный комплекс, который анализирует учебные планы вузов быстрее секунды и находит в них слабые места. Большинство учебных планов содержат скрытые противоречия, дублирования и неочевидные перекосы в подготовке специалистов. Это важно, потому что от качества учебного плана напрямую зависит, какие реальные навыки получат студенты и насколько они будут востребованы работодателями. Об этом CNews сообщили представители РТУ МИРЭА.

Если открыть учебный план даже одного направления, вы увидите десятки дисциплин, сотни компетенций и многостраничные таблицы. Человеку разобраться в этом лабиринте вручную почти невозможно, а сравнить несколько десятков планов между собой — задача на недели кропотливой работы. Именно эту проблему решила команда исследователей из РТУ МИРЭА и СФУ. Они создали программу SPA-SFU2, которая делает с учебными планами то же, что компьютерная томография делает с человеческим телом: видит внутреннюю структуру и показывает скрытые проблемы.

Программа берет стандартные Excel-файлы из распространенной информационной системы «Планы» и буквально «вычесывает» их. Оказывается, в разных вузах и даже на разных кафедрах одни и те же вещи называют по-разному: где-то пишут «УК-1», где-то «ИД-1УК-6», а где-то вписывают цепочки индикаторов вместо нормальных компетенций. SPA-SFU2 с помощью специальных правил (регулярных выражений) приводит все к единому стандарту. А затем строит графовую модель — сеть, в которой каждая дисциплина становится точкой, а связи между ними показывают, какие общие компетенции они формируют.

Алексей Кытманов, доктор физико-математических наук, заведующий кафедрой высшей математики-3 Института перспективных технологий и индустриального программирования РТУ МИРЭА: «Разработка данного программного комплекса — первый шаг к решению более важной и сложной задачи: как по заданному набору компетенций, которыми должен обладать выпускник определенного направления подготовки, создать наиболее подходящую структуру и наполнение образовательной программы, которые бы обеспечили их формирование».

Что дает такая модель? Самый наглядный пример — коэффициент кластеризации. Если он слишком высок, это тревожный сигнал: скорее всего, составители плана просто копировали одни и те же компетенции из дисциплины в дисциплину. Формально все правильно, а по сути — студенты получают повторяющийся материал вместо развития новых навыков. Если же коэффициент слишком низкий — дисциплины живут каждая сама по себе, и целостной картины профессии не возникает. Золотая середина ищется не на глазок, а через сравнение с десятками других планов.

Программа не просто выдает сухие цифры. Она создает визуальные карты обучения: семестр за семестром, предмет за предметом. Пользователь видит, где нагрузки слишком много, где — слишком мало, какие предметы «висят в воздухе» без связей с другими, а какие — неестественно перегружены компетенциями. Расчеты показателей для 10 учебных планов занимают меньше секунды. При этом сама программа написана на C++ с минимумом сторонних библиотек — ее легко внедрять в цифровую экосистему любого вуза.

Евгений Халтурин, старший преподаватель Сибирского федерального университета, разработчик программного комплекса: «Самым сложным оказалось даже не само программирование, а предсказать все форматы заполнения, которые только могут встретиться в реальных учебных планах. Люди вносят данные по-разному: кто-то пишет "УК-1", кто-то "УК-1_1", кто-то просто вставляет длинную строку с индикаторами. Наша программа должна понимать все эти "диалекты". И теперь она умеет. Мы даже нашли план, где химия и экология преподавались среди ИT-направлений — это не ошибка, но яркая особенность, которую сразу видно на фоне других».

Пока программа остается инструментом для экспертов — аналитиков вузов и разработчиков образовательных программ. Но в перспективе его возможности могут увидеть и студенты, и абитуриенты.