Согласно Программе фундаментальных научных исследований, в РФ на долгосрочный период (2013–2020 годы) [11] необходимым условием для обеспечения качества образования мирового уровня и достижения глобальной конкурентоспособности отечественных университетов среди ведущих мировых научно-образовательных центров требует развития у учащихся научно-исследовательских компетенций нового уровня. Описанные в методической литературе различные подходы к определению понятия научно-исследовательской компетентности (НИК) можно условно разделить на три группы [7]:
· совокупность знаний и умений, необходимых для осуществления исследовательской деятельности, например, с анализом и оценкой научного материала;
· интегральное личностное качество, выражающееся в готовности и способности самостоятельно осваивать и получать системы новых знаний в результате переноса смыслового контекста деятельности от функционального к преобразовательному, базируясь на имеющихся знаниях, умениях, навыках и способах деятельности;
· интеграция знаний, представлений, опыта, программ действий, системы ценностей и отношений, дополненных личностными качествами, которые затем выявляются в исследовательской компетентности нового качества.
Придерживаясь третьей точки зрения, которая объединяет первые два подхода, мы выделяем пять компонентов НИК: личностный, социальный, организационный, отраслевой, ценностно-мотивационный, а под научно-исследовательской компетентностью будем понимать личностное качество, которое формируется в процессе научно-исследовательской деятельности, которое выражается в личностной способности к творческой, деятельностной организации труда в области экспериментальных, конструктивных и композиционных задач, подкрепленной владением специальными знаниями, умениями и навыками.
Обобщенные требования к формированию исследовательских компетенций у обучающихся в обновленных образовательных стандартах (ФГОС 3+) высшего образования для уровня бакалавриата показывают, что одним из видов деятельности, к которому могут готовиться выпускники различных направлений, является научно-исследовательская деятельность. Профессиональные компетенции, соответствующие данному виду деятельности, как правило, включают в себя способности формулировать цели и задачи исследований, собирать, обрабатывать и анализировать данные, интерпретировать и визуализировать результаты эксперимента, использовать математические методы обработки, анализа и синтеза результатов, необходимых для формирования выводов по соответствующим научным профессиональным исследованиям.
Сущность ИАД и его связь с научно-исследовательской компетенцией
Современные информационные технологии позволяют эффективно собирать и накапливать большой объем разнородных экспериментальных данных, грамотный и всесторонний анализ которых является необходимым для проведения полноценного исследования. Стандартные методы математической и статистической обработки данных зачастую не позволяют обнаружить существующие в данных нетривиальные и заранее непредсказуемые закономерности, для выявления которых разрабатываются и используются методы интеллектуального анализа данных. Интеллектуальный анализ данных (ИАД) широко применяется в мировом сообществе при проведении исследований во многих областях, например, в генетике, биоинформатике, астрономии, медицине, экономике, образовании, информатике и других. Чтобы проводить эффективные эксперименты, получая конкурентоспособные и доказательные результаты, специалисты должны обладать знаниями и навыками в области интеллектуального анализа данных.
В процессе ИАД выделяются несколько этапов [1]: 1) понимание и формулировка задачи анализа; 2) подготовка данных для автоматизированного анализа; 3) применение методов интеллектуального анализа данных и построение моделей; 4) проверка построенных моделей; 5) интерпретация моделей человеком. Как можно заметить, этапы интеллектуального анализа данных схожи с этапами выполнения любой исследовательской работы (формулирование темы, цели и задач исследования, теоретические исследования, экспериментальные исследования, анализ и оформление научных исследований, внедрение и проверка эффективности результатов проведенного исследования [8]). Отличие заключается в том, что окончательная оценка эффективности полученных результатов выходит за рамки непосредственно самого процесса ИАД и возможна после их практического применения. В таблице 1 продемонстрировано, каким образом изучение интеллектуального анализа данных может способствовать развитию научно-исследовательской компетентности:
Таблица 1
Влияние ИАД на развитие НИК
|
Компонент НИК |
Стимуляция развития НИК средствами ИАД |
|
|
Личностный |
Критическое мышление |
Выбор и оценка построенных моделей, сравнение различных алгоритмов, сравнение своей реализации выбранного метода с чужими результатами. |
|
Самостоятельность, саморазвитие |
Постоянное самообразование в области ИАД в связи с быстрым развитием данной области. |
|
|
Усердность, настойчивость, ориентация на результат |
Вариативность в подборе параметров алгоритмов, применение различных методов ИАД с целью обнаружения скрытых знаний и информационных извлечений из сырых данных |
|
|
Организационный |
Анализ данных (методы мат. статистики, современные методы и информационные технологии обработки данных) |
Применение конкретных методов и алгоритмов интеллектуального анализа данных. Освоение современных компьютерных ИАД-инструментов (как правило, содержат в себе и возможности статистической обработки данных) |
|
Ценностно-мотивационный |
Получение новых знаний, скрытых от непосредственного наблюдения и трудно предсказуемых в объеме данных, с помощью методов ИАД. Анализ примеров успешного применения ИАД в различных областях знаний и производства (в бизнесе, медицине, образовании и др.) |
|
|
Отраслевой |
Изучение ИАД для ИТ-специалистов может включать программирование алгоритмов, анализ их сложности – т.е. развивать навыки, необходимые для осуществления научно-исследовательской деятельности в ИТ сфере. |
|
|
Социальный |
Работа с научной литературой, включая иноязычную. Выступление с докладом по результатам эксперимента. Работа в коллективном эксперименте. |
|
Обзор практики преподавания ИАД в западной и российской высшей школе
Поскольку спрос на специалистов, обладающих знаниями и опытом в области ИАД, неуклонно растёт, то в университетах всего мира активно внедряются курсы по интеллектуальному анализу данных, а в последнее время также наблюдается тенденция к формированию целых кафедр, занимающихся подготовкой специалистов в области анализа данных. Некоторое время подготовка таких специалистов считалась прерогативой вузов и факультетов с ИТ-направленностью, но сегодня все больше на рынке труда ценятся междисциплинарные специалисты, обладающие одновременно, как знаниями в определенной области науки (генетика, медицина, социология, лингвистика и т.д.), так и знаниями по современным способам анализа данных. В то же время, несмотря на бурное развитие этого направления, практика обучения методам ИАД все еще не сложилась, и нет каких-либо устоявшихся канонов преподавания данной дисциплины в высшей школе.
Проведенный нами обзор отечественной литературы по данной тематике показал, что преподаватели внедряют методы интеллектуального анализа данных в программу самыми различными способами. В статье [4] авторы отмечают схожесть определения этапов обработки данных с помощью информационных технологий и этапов анализа данных (сбор данных, их хранение, обработка и представление), заключая таким образом, что задача анализа данных максимально соответствует критерию комплексного подхода к обучению информационных технологий и поэтому предлагают ввести темы, связанные с интеллектуальным анализом данных, в курс «Информационные технологии». При подготовке специалистов в ИТ-области предлагается формировать практические навыки в области ИАД в рамках курсового проектирования, причем с использованием командного метода организации работы, где каждому студенту будет выделен определенный этап исследования или же выполнение одного крупного проекта целой группой студентов [10]. Для будущих инженеров направления «Информатика и ВТ» в рамках учебной работы с массивами данных описывается методика работы с алгоритмами по извлечению данных из социальных сетей [5]. В Санкт-Петербургском политехническом университете при подготовке магистров ИТ-направлений был разработан и опробован курс «Интеллектуальный анализ данных средствами MS SQL Server 2008» [9].
Все больше попыток внедрения тем, связанных с ИАД, в учебные программы наблюдаются и для специальностей, напрямую не связанных с ИТ и прикладной математикой. Освоение данных методов рассматривается как повышение уровня профессиональной культуры. Опыт внедрения тем интеллектуального анализа данных в курсы «Методы анализа социологической информации», «Методы компьютерной обработки социологической информации: OCA, SPSS», «Методы многомерного анализа социологической информации», для студентов социологов показал, что большинство студентов, ориентированных после окончания университета работать по специальности, интересуются возможностями технологии ИАД и согласны прилагать усилия, чтобы разобраться в ее тонкостях, несмотря на сложность теоретических и прикладных аспектов интеллектуальных вычислений [6]. В ходе научно-исследовательской работы магистрантов направления подготовки «Экономика» предлагалось самостоятельное изучение методов интеллектуального анализа для работы с наборами данных, характеризующих экономические объекты. Студенты сумели в процессе исследования освоить среду R, как соответствующий инструментарий для ИАД [2]. На медицинском факультете СПбГУ кафедра организации здравоохранения обеспечивает курс по медицинской информатике, где помимо общих вопросов применения информационных средств и методов в различных областях физиологии, медицины и здравоохранения, программа дисциплины охватывает и интеллектуальный анализ данных. Студенты учатся формулировать задачи по поиску, сбору, обработке, анализу и представлению медицинской информации, выбирать адекватные средства и методы для их решения, работать с системами автоматизированного анализа электрофизиологических сигналов, медицинскими экспертными системами и базами данных, а также системами, реализующими технологии интеллектуального анализа данных [6]. В курсах «Квантитативная лингвистика и новые информационные технологии» и «Сетевой инструментарий лингвиста» РГПУ им. А.И. Герцена студенты Института иностранных языков и филологического университета знакомятся с открытыми сервисами AntConc, и Intellectual Text Mining Suite, а также проводят собственные мини лингвистические исследования [3].
Анализ зарубежной литературы показывает, что дисциплины по ИАД активно вводятся в программы обучения уже более десяти лет. Почти ни одна программа для подготовки специалистов в области информационных технологий не обходится без данного курса, выработаны различные методики преподавания интеллектуального анализа данных, имеющие перед собой, и различные цели обучения (см. рис. 1).
Рис. 1. Индивидуальные и групповые студенческие активности для формирования НИК средствами ИАД
Рис. 2. Подходы к организации работы в ИАД студентов в соответствии с учебной целью
Показателен опыт разработки и проведения курса по ИАД с целью вовлечения студентов в экспериментальные вычислительные исследования, которые описывает Имад Рахаль, американский ученый и профессор университета Святого Джона (США) [16]. Студентам предлагались спланированные индивидуальные и групповые активности, показанные на рисунке 1. Этот опыт оказался полезным при разработке инновационных методик преподавания обсуждаемой дисциплины в соответствии с поставленными учебными целями и представлен рисунке 2.
Заключение
Таким образом, наличие обязательного курса по интеллектуальному анализу данных поможет развитию научно-исследовательских компетенций у обучающихся различных специализаций. Для приобретения навыков в области анализа данных для не ИТ-специалистов рекомендуется сосредоточиться на демонстрации возможностей интеллектуального анализа данных с помощью существующих инструментов (в различных практиках использовались Weka, SASTM Enterprise Miner, надстройки Excel, Matlab и др.). А учитывая сложность материала для непрофильных специалистов, знакомство с интеллектуальным анализом данных необходимо осуществлять сразу после изучения обязательного курса математической статистики, причем, для повышения ценностно-мотивационного компонента НИК следует демонстрировать и выполнять анализ на наборах данных из профессиональной области.