Моделирование технологии развития прогностических способностей будущих тренеров с использованием компьютерных онтологий
Ключевые слова:
моделирование, образовательная технология, прогностические способности, антиципация, спортивный тренер, компьютерные онтологии, формализация знаний.Аннотация
Цель данного исследования – смоделировать процесс развития прогностических способностей будущих тренеров с использованием компьютерных онтологий. В исследовании использовался метод моделирования технологии развития прогностических способностей будущих тренеров с использованием компьютерных онтологий. Авторы придерживались методологических требований, необходимых для разработки педагогических технологий, включающих концептуальность, системность, управляемость вариативность в использовании методов, форм и средств обучения (тренировки) для достижения необходимых результатов. Образовательная технология рассматривалась как комплексная интегративная система, включающая упорядоченное множество операций и действий, направленных на приобретение профессиональных умений и навыков будущих тренеров, на развитие способностей и формирование их прогностических личностных качеств. Она носит целенаправленный, процессуальный и управляемый характер в совокупности мотивационно-целевого, методологического, информационно-содержательного, организационно-процессуального, оценочно-коррекционного блоков, реализуемых на основе общепринятых и специальных методологических подходов, а также на основе принципов профессионально-практической направленности, функциональной полноты процесса развития прогностических способностей, психологической комфортности, рефлексивности, синтеза интеллекта, аффекта и действия, оптимального сочетания интуитивного и логического. Построенная модель технологии развития прогностических способностей будущих тренеров на основе онтологий имеет важное значение для процесса формирования этого качества. Модель структурно объясняет и показывает, что при построении и реализации компьютерной онтологии, студенты включают свое логическое и критическое мышление, поскольку онтологии, упрощенно говоря, представляют собой описания знаний, структурированные достаточно формально, чтобы машина могла их обработать, а логическое мышление здесь необходимо для создания и реализации этих онтологий. Из модели видно, что при работе с компьютерными онтологиями, прогностические способности личности развиваются в полной мере лишь тогда, когда именно прогнозное целеполагание обучающегося становится профилирующим.
Библиографические ссылки
Галацкова И.А., Обласов И.В. Моделирование в процессе обучения как средство повышения творческой активности учащихся // Современные проблемы науки и образования. 2018. № 2.
Гилева К.В. Профессиональные роли преподавателя вуза в условиях цифровой трансформации образования // Вестник Сибирского государственного университета путей сообщения: Гуманитарные исследования. 2021. № 3(11). С. 70-75.
Губский Е.Ф., Кораблева Г.В. Философский энциклопедический словарь. Под ред. Е.Ф. Губского. М.: Инфра-М, 2002. 576 с.
Мельничук О., Яковлева А. Модель специалиста (К вопросу о гуманизации образования) // Высшее образование в России. 2000. № 5. С. 19-25.
Непрокина И.В. Метод моделирования как основа педагогического исследования // Теория и практика общественного развития. 2013. № 7. С. 61-65.
Подласый И.П. Педагогика: 100 вопросов – 100 ответов: уч. пос. для вузов. М.: Владос-пресс, 2004. 365 с.
Селевко Г.К. Энциклопедия образовательных технологий. В 2-х т. Т. 1. М.: Народное образование, 2005. 535 с.
Штофф В.А. Моделирование и философия. Ленинград: Наука, 1966. 302 с.
Anderson T., Rivera-Vargas P. A critical look at educational technology from a distance education perspective // Digital Education Review. 2020. № 37. рр. 208-229.
Cakula S., Salem A.-B.M. E-learning developing using ontological engineering. WSEAS Transactions on Information Science and Applications. 2013. V. 10. № 1. рр. 14-25.
Fakhriyah F., Rusilowati A., Nugroho S.E., Saptono S. Relationship analysis of the competence of excellent pre-service teachers: implementation scaffolding argument-driven by via inquiry learning design based on scientific literacy // Perspectives of science and education. 2023. № 66(6). рр. 629-646.
Gallini N.I. The concept of design competence formation in future bachelors of applied computer science in the digital educational environment of the higher education institution Pedagogy // Theory & Practice. 2022. V. 7. № 1. рр. 90-99.
Kolyada M.G., Belykh S.I., Bugaeva T.I., Oleinik O.S. Artificial intelligence method to detect psychological learning disorders in physical education and sports activities // Theory and practice of physical culture. № 11. 2021. рр. 67-68.
Pokrovskaia N., Margulyan Ya., Bulatetskaia A., Snisarenko S. Intellectual analysis for educational path cognitive modeling: digital knowledge for post-modern value creation. Wisdom. 2020. V. 14. № 1. рр. 69-76.
Self J. Dinamics of learner models // Artificial intelligence and education. Amsterdam: IOS, 1994. рр. 128-186.