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

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

Автор: Полицинская Е.В., Трофимов А.В., Лизунков В.Г.

Журнал: Science for Education Today @sciforedu

Рубрика: Математика и экономика для образования

Статья в выпуске: 6 т.13, 2023 года.

Бесплатный доступ

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».

Еще

Профессиональная направленность личности, ключевые профессиональные компетенции, компетенции будущего инженера, нейродидактическая модель подготовки инженера, высокие образовательные результаты

Короткий адрес: https://sciup.org/147242549

IDR: 147242549   |   DOI: 10.15293/2658-6762.2306.07

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

  • 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
  • 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
  • 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
  • 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
  • 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
  • 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
  • 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
  • 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
  • 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
  • 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
  • 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
  • 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
  • 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
  • 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
  • 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
  • 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
  • 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
  • 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
  • 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
  • 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
  • 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
  • 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
Еще
Статья научная
SciUp 2024 © 2024 ©