Smart-адаптация образовательного комплекса в условиях «умной специализации» региона

Поддержание динамичного развития производства предполагает определение перспективных направлений хозяйствования посредством использования субъективно формируемых и объективно существу-

ГРНТИ 06.61.33

EDN TIEHJU

Элеонора Григорьевна Матюгина – доктор экономических наук, доцент, профессор Национального исследовательского Томского университета, профессор кафедры менеджмента Томского университета систем управления и радиоэлектроники. ORCID 0000-0001-5532-1141

Ольга Владимировна Вусович – кандидат химических наук, заведующий кафедрой управления инновациями Национального исследовательского Томского университета. ORCID 0009-0001-5659-2434

Дмитрий Александрович Бондаренко – преподаватель Томского колледжа гражданского транспорта. ORCID 0009-0005-5617-3220

ющих преимуществ территории, выявления скрытых возможностей эндо- и экзогенного происхождения, приводящих к диверсификации производства, становлению и/или упрочению конкурентных преимуществ. Речь идет об «умной специализации региона», предполагающей выбор уникального направления деятельности, обеспечивающего экономический рост и появление более технологичных и производительных рабочих мест [6; 17, с. 214–228; 18, с. 1–17; 19, с. 1856–1868; 20, с. 1407–1427; 22]. Реализация данной концепции предполагает приобретение трудовыми ресурсами характеристик, необходимых как для осуществления инновационной деятельности, так и эффективного трудового участия в усложнившемся производстве.

Образовательный комплекс, ориентируясь на стратегические приоритеты развития территории, трансформирует собственную деятельность, адаптируя образовательные программы под востребованные производством компетенции. Это позволяет выстроить взаимосвязь «SMART специализация региона – SMART адаптация образовательного комплекса». Хотелось бы подчеркнуть, что речь идет именно об адаптации, поскольку функционирование образовательного комплекса подчинено целевым ориентирам деятельности регионального хозяйства, что предполагает обеспечение производства персоналом требуемых профессий в необходимом количестве с соответствующим уровнем компетенций.

Вышесказанное позволило обозначить проблематику исследования, связанную с изменением функционирования образовательного комплекса в условиях «умной специализации региона» для поддержания устойчивого развития территории.

Анализ литературы

С позиции технологического подхода «умная специализация» выступает инструментом усиления прежней специализации региона и выявления новых высокопотенциальных технологических областей, определяя новые перспективные направления посредством инновационной деятельности и межрегионального взаимодействия [15, с. 44–58; 16, с. 57–70]. Именно инновации закладывают приоритеты развития территории, определяют приоритетность отдельных технологий/отраслей/комплексов [1, с. 43-48; 7, с. 24–45; 9, с. 579–582; 10, с. 938–942, 11, с. 997–1041; 13, с. 146–154], что приводит к расширению инновационных возможностей, формированию новых и трансформации содержания существующих хозяйственных взаимодействий, изменению среды хозяйствования.

Инновационная деятельность – и, как следствие, SMART специализация региона, невозможна без достижения определенного уровня компетенций [8, с. 680–682; 21, с. 269–284], характеризующих качество человеческого капитала. Моделирование последнего происходит в системе образования, эффективная деятельность которого предполагает построение взаимодействий с производством, что обеспечивает целеориентированную подготовку работников в соответствии со стратегией развития региона (следует отметить, что в данный процесс предполагается вовлечение различных стейкхолдеров [3, с. 2457–2472; 4, с. 31–35].

Двойственная роль образования связана с тем, что оно в равной степени может провоцировать как возникновение дисбаланса между характеристиками выпускников и требованиями работодателей (ком-петентностный разрыв на рынке труда) или же спросом и предложением работников определенной специальности (количественный разрыв), так и выступать инструментом его устранения. Причем, образовательный результат не выступает продуктом конечного потребления, а является средством дальнейшего производства добавленной стоимости, которое обеспечивает экономический рост [2, с. 47–66; 5], что указывает на приобретение образованием статуса инструмента «умной специализации».

Методика исследования

В представленном исследовании использованы методы системного анализа для обеспечения комплексного подхода к изучению содержания взаимосвязи «SMART специализация региона – SMART адаптация образовательного комплекса», интеграции различных аспектов SMART адаптации; аналитические методы – для оценки содержания проекта «Цифровые кафедры»; метод восхождения «от общего к частному», позволивший выделить содержание компонент SMART адаптации образовательного комплекса. Для формирования, представления и аргументации авторской позиции по заявленной проблематике использованы материалы монографий и периодических изданий, данные официальной статистики, материалы сети Интернет.

Авторами рассмотрены: SMART адаптация как процесс и результат с выделением в составе последнего количественного, компетентностного и комбинированного аспектов; составляющие SMART адаптации с определением инструментария их реализации; цикличность взаимосвязи «SMART специализация региона – SMART адаптация образовательного комплекса»; реализация адаптации образовательного комплекса на материале проекта «Цифровые кафедры».

Результаты и обсуждение

SMART адаптация может быть определена как процесс, протяженный во времени и характеризуемый сменой этапов и различным управленческим инструментарием, и как результат, «фиксирующий» конечное состояние отдельного этапа или SMART адаптации как процесса в целом, так и ее участников (см. рис. 1). В таблице 1 произведена детализация SMART адаптации по основным компонентам, рассматривается она при этом как процесс (с позиции содержательного наполнения «умной» адаптации и менеджмента) и результат.

Составлено авторами.

Рис. 1. SMART адаптация образовательного комплекса

Двойственный характер SMART адаптации и его непосредственная связь с хозяйствованием позволяют утверждать о цикличности SMART адаптации как процесса (эволюционной или же революционной) и промежуточном характере результатов, характеризующих лишь отдельный цикл (см. рис. 2).

Рассмотрим реализацию SMART адаптации образовательного комплекса на материале проекта «Цифровые кафедры», реализуемого в рамках федерального проекта «Развитие кадрового потенциала ИТ-отрасли». Национальный исследовательский Томский государственный университет в рамках проекта реализует обучение по 11 направлениям («Аналитика данных», «Цифровая юриспруденция», «Цифровой дизайн», «Менеджер гибкого управления IT-проектами», «Инженер по тестированию программного обеспечения», «Менеджер цифровой трансформации бизнес-процессов», «Оператор БПЛА: фотограмметрия и дистанционное зондирование», «Цифровая химия», «Оператор БПЛА: фотограмметрия и дистанционное зондирование», «Ed-Tech мастер», «Цифровые коммуникации», «Специалист в области искусственного интеллекта и машинного обучения») в онлайн формате с трудоемкостью 256– 280 часов; следует отметить практикоориентированный характер всех программ (характеристики отдельных программ приведены в табл. 2) [14].

Представленный перечень программ соответствует целям Федерального проекта «Развитие кадрового потенциала ИТ-отрасли» национальной программы «Цифровая экономика РФ» и связан с формированием востребованных рынком труда цифровых компетенций, что позволит в конечном итоге устранить разрыв на рынке труда между требованиями работодателей и уровнем кандидатов в области ИТ [12]. Причем речь идет именно об устранении комбинированного разрыва – обеспечении национальной экономики достаточным количеством специалистов с требуемыми компетенциями в различных сферах жизнедеятельности (табл. 3).

Таблица 1

Детализация SMART адаптации как процесса

Компонент	Содержание	Количественный подход	Качественный / компе-тентностный подход	Комбинированный подход
	процесс	результат
S – конкретная	Трансформация программ, определение КЦП	Реестр востребованности специальностей	Реестр востребованных компетенций	Комбинация специальностей с указанием компетенций
M – измеримая	Фиксирование образовательного результата	Потребность в рабочей силе определенной профессии	Частота упоминания определенных компетенций	Динамика количества вакансий с требуемыми компетенциями
A – достижимая	Заинтересованность участников	Образовательные программы, кадры, МТБ	Практикоориентиро-ваность программ, наличие «площадок» отработки навыков	Целевое обучение, обучение на рабочем месте
R – значимая	Условие эффективности образовательного комплекса	Создание новых отраслей	Модернизация отраслей, конкурентоспособность как цель	Создание новых и модернизация существующих отраслей
T – время	Определено длительностью этапов	Подготовка ООП + время обучения	Апробация+ рутини-зация навыков	Краткосрочно – длительно

Обозначения: КЦП – контрольные цифры приема; ООП – основная образовательная программа; МТБ – материально-техническая база.

Составлено авторами.

Составлено авторами.

Рис. 2 . Цикличность взаимосвязи «SMART адаптация образовательного комплекса – SMART специализация региона»

Выводы

Таким образом, SMART адаптация образовательного комплекса приобретает статус неотъемлемого компонента умной специализации региона и может быть рассмотрена как процесс и/или результат, встраиваемый в систему более высокого уровня. Рассматриваемая зависимость умной специализации и SMART адаптации носит циклический характер, непрерывность которого связана с эволюцией потребностей, провоцирующих развитие производительных сил. Вовлеченность в ее реализацию субъектов, выполняющих различные функциональные роли с различными интересами, актуализирует вопрос определения способов построения и оценки взаимодействий, что выступит направлением дальнейшего исследования.

Таблица 2

Основные характеристики программ

Наименование программы	Цель программы – формирование/приобретение компетенций	Квалификация
Аналитика данных	Для выполнения профессиональной деятельности в соответствии с перечнем областей цифровых компетенций: большие данные, искусственный интеллект, программирование и создание ИТ-продуктов	«Анализ данных цифрового следа в соответствии с моделью деятельности человека (группы людей) и ИКС» 5-го уровня (профессиональный стандарт «Специалист по моделированию, сбору и анализу данных цифрового следа»)
Цифровой   ди зайн	В области создания алгоритмов и компьютерных программ, пригодных для практического применения	«Проектирование и дизайн интерфейса по готовому образцу или концепции интерфейса» 5-го уровня (профессиональный стандарт «Специалист по дизайну графических пользовательских интерфейсов»)
Менеджер гибкого управления IT-проектами	Для выполнения профессиональной деятельности в соответствии с перечнем областей цифровых компетенций	«Управление ИТ-продуктом» 5-го уровня (профессиональный стандарт «Менеджер продуктов в области информационных технологий»
Инженер по тестированию программного обеспечения (ПО)	В области программирования и создание ИТ-продуктов	«Разработка тестовых случаев, проведение тестирования ПО и исследование результатов» 5го уровня (профессиональный стандарт «Специалист по тестированию в области информационных технологий»)
Менеджер цифровой трансформации бизнес-процессов	Компетенций для освоения новой квалификации в области ИТ и оптимизации бизнес-процессов	«Организационное сопровождение цифровой трансформации документированных сфер деятельности организации» 6-го уровня (профессиональный стандарт «Специалист цифровой трансформации документированных сфер деятельности организации»)
Специалист в области искусственного интеллекта и машинного обучения	Для выполнения профессиональной деятельности в соответствии с перечнем областей цифровых компетенций: большие данные, искусственный интеллект, программирование и создание ИТ-продуктов	«Анализ больших данных с использованием существующей в организации методологической и технологической инфраструктуры» 6-го уровня (профессиональный стандарт «Специалист по большим данным»)

Таблица 3

Приобретаемые обучающимися компетенции

Программа	Область профессиональной деятельности	Компетенции
Аналитика данных	Анализ данных и проведение аналитической работы с применением технологий анализа данных	ID 28 – применяет языки программирования для решения профессиональных задач; ID 36 – анализирует большие данные (БД) и др.

Окончание табл. 3

Программа	Область профессиональной деятельности	Компетенции
Цифровой дизайн	Применение основ алгоритмизации практических и творческих задач, создание объектов генеративного дизайна; пакетная обработка изображений	ID 30 – применяет принципы и основы алгоритмизации; ID 112 – использует основы композиции; ID 114 – применяет типографику; ID 117 – разрабатывает фирменный стиль и дизайн коммуникаций
Менеджер гибкого управления IT-проектами	Принятие решения при выборе классических и гибких подходов в организации проектов и др.	ID 9 – применяет стандарты и методики проектного управления; ID 60 – применяет особенности экономики и экономики инноваций в ИТ; ID 88 – проводит исследования конкурентов, выявляет спрос целевой аудитории и др.
Инженер по тестированию программного обеспечения	Тестирование ПО	ID 16 – формализовать результаты тестирования в соответствии с тестовой моделью; ID 54 – применять навыки SQL-запросов; при проведении тестирования и др.
Менеджер цифровой трансформации бизнес-процес-сов	Разработка мероприятий по обеспечению устойчивого доступа к информационным системам документированных сфер деятельности организации; администрирование цифрового контента и др.	ID 206 – построение текущих и целевых моделей бизнес-процессов без учёта (или с минимальным учетом) координации со смежными процессами; ID 30 – разработка типовых алгоритмов и др.
Специалист в области искусственного интеллекта и машинного обучения	Планирование и организация аналитических работ с использованием технологий БД; проведение аналитического исследования с применением технологий БД в соответствии с требованиями заказчика и др.	ID 25 – оценивает возможности применения искусственного интеллекта и машинного обучения; ID 37 – участвует в проектах применения искусственного интеллекта и машинного обучения; ID 169 – классифицирует задачи искусственного интеллекта по основные параметрам и др.

Составлено авторами.