Кібернетична підтримка та інтелектуальний аналіз даних для подолання гендерних стереотипів і формування індивідуальної освітньої траєкторії

Размещено на http://www.allbest.ru/

Кібернетична підтримка та інтелектуальний аналіз даних для подолання гендерних стереотипів і формування індивідуальної освітньої траєкторії

Криворучко Олена Володимирівна доктор технічних наук, професор, завідувач кафедри інженерії програмного забезпечення та кібербезпеки факультету інформаційних технологій, Державний торговельно-економічний університет, м. Київ

Чубаєвський Віталій Іванович доктор економічних наук, доцент, професор кафедри інженерії програмного забезпечення та кібербезпеки факультету інформаційних технологій, Державний торговельно-економічний університет, м. Київ

Десятко Альона Миколаївна доктор філософії (PhD), доцент кафедри інженерії програмного забезпечення та кібербезпеки факультету інформаційних технологій, Державний торговельно-економічний університет, м. Київ,

Анотація

У статті продемонстровано, що для розуміння проблем і тенденцій у царині ґендерної рівності серед студенток, які навчаються на ІТ спеціальностях, необхідно ширше використовувати інструменти інтелектуального аналізу даних (ІАД), включно з кластерним аналізом для виявлення вподобань студенток у виборі необов'язкових навчальних дисциплін і чинників, що впливають на їхній навчальний і кар'єрний вибір, аналізом часових рядів для виявлення динаміки вибору студентками необов'язкових навчальних дисциплін і зміни їхніх вподобань із часом по мірі коректив в ОПП і Освітнє середовище відіграє ключову роль у формуванні вибору студенток. Відсутність упевненості у власних здібностях, страх роботи в чоловічому колективі та стереотипи щодо жінок в IT є серйозними перешкодами для кар'єрного зростання деяких випускниць, які закінчили університети за IT спеціальностями. Університети, включно з київськими (як приклад розглянуто факультет інформаційних технологій ДТЕУ), де навчається багато студентів із різних регіонів України, можуть зробити багато, щоб підтримати студенток, зокрема проводячи тренінги та курси, що враховують інтереси та потреби жінок в IT. Софтверні компанії також можуть допомогти у вирішенні цих завдань, надаючи місця для практики і створюючи сприятливі умови праці.

Для ефективного аналізу даних і ухвалення рішень важливо використовувати сучасні методи ІАД і кібернетичну підтримку для автоматизації процесів і прогнозування тенденцій в IT. Для залучення більшої кількості студенток в IT необхідно боротися зі стереотипами про жінок у цій сфері та створювати умови, що сприяють рівним можливостям для всіх. Також на рівні вдосконалення освітніх програм важливо формувати індивідуальну освітню траєкторію, що враховує інтереси та здібності студенток, що може сприяти їхній успішній кар'єрі в IT.

Ключові слова: інтелектуальний аналіз даних, гендерна рівність, IT спеціальності, формування індивідуальної освітньої траєкторії

Kryvoruchko Olena Volodymyrivna Doctor of Technical Sciences, professor, head of the Department of Software Engineering and Cybersecurity of the Faculty of Information Technologies, State University of Trade and Economics, Kyiv, гендерна рівність інтелектуальний аналіз

Chubaievskyi Vitalii Ivanovych Doctor of Economical Sciences, Professor of the Department of Software Engineering and Cybersecurity of the Faculty of Information Technologies, State University of Trade and Economics, Kyiv

Desyatko Alyona Mykolaivna Doctor of Philosophy (PhD), Associate Professor of the Department of Software Engineering and Cybersecurity of the Faculty of Information Technologies, State University of Trade and Economics, Kyiv

CYBER SUPPORT AND DATA MINING TO OVERCOME GENDER STEREOTYPES AND FORM INDIVIDUAL EDUCATIONAL TRAJECTORIES

Постановка проблеми

Київ, столиця України, є справжнім центром розвитку інформаційних технологій (IT) у країні. Тут розташовані філії відомих міжнародних IT-компаній, а також безліч українських фірм, що займаються розробкою програмного забезпечення (ПЗ), аутсорсингом і консалтингом. Місто також славиться найбільшими університетами, які відіграють ключову роль у підготовці кадрів для IT -сектору. У навчальному процесі університетів Києва активно залучаються практики з різних компаній, що сприяє підвищенню якості освіти. Стейкголдери проводять тренінги та курси з різних мов програмування, бізнес-аналізу, веб-дизайну та інших аспектів IT. Однак, незважаючи на всі переваги та досягнення в галузі ІТ- освіти, питання аналізу тендерної рівності та розширення можливостей дівчат у цій сфері залишаються поки що мало дослідженими.

На наш погляд, існує необхідність у глибшому аналізі та розробленні стратегій для залучення та підтримки жінок в IT-сфері. Застосування методів інтелектуального аналізу даних (ІАД) може допомогти у виявленні проблемних моментів і розробці ефективних заходів, спрямованих на забезпечення рівних можливостей для всіх студентів, незалежно від статі.

Опитування серед студенток факультету інформаційних технологій ДТЕУ показало, що багато хто з них виявляє інтерес до роботи програмістами, проте має сумніви у своїх здібностях (43,3% опитаних). У 31,2% дівчат викликає тривогу перспектива роботи на посадах програмістів у колективі, де переважають чоловіки. За даними опитування випускників цього факультету, дівчатам важко конкурувати з чоловіками під час пошуку роботи в консервативних роботодавців, що часто змушує їх обирати інші сфери діяльності, які безпосередньо не пов'язані з програмуванням. Більшість з опитаних стикалася зі стереотипом, згідно з яким тільки чоловіки здатні успішно реалізовувати проєкти в галузі розробки ПЗ, тоді як для жінок це видається занадто складним або зовсім не відповідає їхній ролі в колективі. З іншого боку, для абітурієнтів важливим фактором під час прийняття рішення щодо продовження навчання у сфері IT є страх перед майбутніми труднощами, невпевненість у своїх силах і перспектива працювати в чоловічому колективі. Таким чином, постає проблема орієнтації абітурієнтів та студентів на роботу в IT, на здобуття IT-освіти та подолання стереотипів. Для розв'язання цієї проблеми необхідне формування додаткових компетенцій через вибір необов'язкових навчальних дисциплін, що допоможе сформувати індивідуальну освітню траєкторію. Власне, вищезазначене й зумовило наш інтерес до даної тематики дослідження. Питанням дослідження ґендерної рівності у середовищі студентів присвячено праці багатьох вітчизняних фахівців, наприклад, Кірюхіна М.В., Водолазської Н.В., Савицької М.В., Бабенка В.А. та ін. [1-5]. Так, наприклад, у [1] автори досліджують методи та аспекти усунення ґендерної нерівності, а також описують впровадження ґендерної рівності в навчальний процес. У [1-3] автори наголошують на тому, як важливо інтегрувати ґендерну теорію в систему наукових знань і навчальних дисциплін, а також впроваджувати в навчальний процес планову виховну діяльність, спрямовану на виявлення та нейтралізацію ґендерних стереотипів. У [4, 5] зазначається, що викладачі мають забезпечувати гендерну рівність серед студентів. Однак, як зазначено в [1], ґендерна рівність не обмежується лише біологічною ідентичністю або ігноруванням фізичних і психологічних відмінностей між статями. Навпаки, відмінності не повинні призводити до дискримінації та мають враховуватися при створенні рівних умов для чоловіків і жінок. Однак, як у цих роботах, а також у роботах іноземних учених [6-10], що займаються схожими дослідженнями, мало задіяно потенціал кібернетичних засобів для аналізу тендерної рівності серед студентів. Саме це й продиктувало мету нашого дослідження.

Мета статті - продемонструвати можливості реалізації кібернетичної підтримки та використання методів ІАД для подолання гендерних стереотипів і формування індивідуальної освітньої траєкторії студенток (на прикладі студенток факультету інформаційних технологій ДТЕУ).

Виклад основного матеріалу

Вибір предметів за вибором - це лише перший крок у побудові індивідуальної освітньої траєкторії студентки на IT спеціальностях. Кожна навчальна дисципліна надає можливості для персоналізації: вибір індивідуальних тем для лабораторних і курсових робіт, вибір теми для написання випускної кваліфікаційної роботи та інші. Усі ці етапи освітнього шляху можна налаштувати під інтереси студентки, враховуючи її попередній досвід: вподобання, теми, що викликають труднощі, теми, що потребують повторення тощо. Для цього можуть використовуватися структуровані дані, такі як оцінки за модулями навчальних дисциплін, відповіді на тести, а також менш структуровані дані, наприклад, роботи студентки, чати з викладачами. Сучасні інструменти аналізу тексту та даних дають змогу витягувати корисну інформацію з цих джерел, що може допомогти викладачам ухвалювати обґрунтовані рішення. Оскільки остаточне рішення ухвалює викладач, а програмне забезпечення лише надає рекомендації, необхідне створення зручних користувацьких інтерфейсів, здатних ефективно презентувати оброблені дані. У проаналізованих вище роботах було розглянуто методи ефективного представлення великих масивів даних з відкритих джерел, які дозволяють скоротити час роботи аналітика.

Зауважимо, що методи ІАД можуть допомогти проаналізувати тенденції вибору дівчатами навчальних дисциплін в ІТ-спеціальностях та їхній зв'язок із формуванням індивідуальної освітньої траєкторії, а також, перспективами працевлаштування в ІТ-компаніях. Наприклад, аналіз даних про успішність студенток у різних навчальних дисциплінах ОПП може виявити, які з них викликають більше інтересу в студенток і сприяють кращій адаптації до навчання в IT-сфері. Також аналіз даних щодо вибору студентками необов'язкових навчальних дисциплін ОПП може показати тенденції в їхніх уподобаннях і допомогти закладам освіти адаптувати освітні програми під потреби студенток. За допомогою методів ІАД можна виявити чинники, що впливають на вибір студентками конкретних спеціалізацій в ІТ, таких як 122 - "Комп'ютерні науки", 121 - "Інженерія програмного забезпечення", 125 - "Кібербезпека та захист інформації", 124 - "Системний аналіз". Це дасть змогу університетам більш ефективно адаптувати навчальні програми та формувати індивідуальні освітні траєкторії для студенток, зважаючи на їхні інтереси та потреби. Крім того, аналіз даних про вибір студентками навчальних дисциплін та їхнє подальше працевлаштування в IT-компаніях може допомогти виявити тенденції в уподобаннях роботодавців і потребах ринку праці. Це дасть змогу студенткам більш усвідомлено обирати навчальні програми та спеціалізації, а університетам - адаптувати свої ОПП під вимоги ринку праці та підвищити шанси своїх випускників на успішну кар'єру в IT.

У таблиці 1 ми систематизували деякі методи ІАД для конкретних завдань, пов'язаних з аналізом ґендерної рівності в контексті розв'язуваних під час дослідження завдань.

Таблиця 1.

1. Кірюхіна, М. В., & Водолазська, Н. В. (2021). Гендерна рівність серед курсантів і студентів авіаційних та технічних вищих навчальних закладів. Бізнес Інформ, (2), 99-103.

2. Савицький, М. В., Євсєєва, Г. П., Бабенко, В. А., Волкова, С. П., & Лисенко, Г. І. (2021). Забезпечення тендерної рівності та демократичні перетворення у ЗВО України згідно з цілями сталого розвитку: тендерний портрет ДВНЗ ПДАБА. Український журнал будівництва та архітектури, (4), 114-127.

3. Челноков, О., Сологубова, С. В., Швець, I., Гіркіна, Д. Д., & Голубєва, В. А. (2021). Гендерна трансформація освіти в архітектурно-будівельній галузі. Український журнал будівництва та архітектури, (2), 110-118.

4. Войтовська, А. І. (2017). Гендерна соціалізація студентів з особливими освітніми потребами (з досвіду діяльності Центру соціальної та освітньої інтеграції без бар'єрів УДПУ імені Павла Тичини). Вісник Чернігівського національного педагогічного університету. Серія: Педагогічні науки, (142), 23-25.

5. Декусар, Г., Ковальчук, О., & Лагун, К. (2023). Реалії та перспективи розвитку гендерного напряму в закладах вищої освіти України. Scientific review, 2(87), 47-57.

6. Magi, E., Biin, H., Trasberg, K., & Kruus, K. (2016). Гендерна обізнаність та ставлення до гендерної рівності серед студентів, які беруть участь у підготовці вчителів. Eesti Haridusteaduste Ajakiri. Естонський освітній журнал, 4(1), 159-194.

7. Kim, E. J., Kim, G. M., Choi, K. W., Kim, S. S., & Lim, J. Y. (2014). Гендерна ідентичність, гендерна рівність та самооцінка студентів медсестринських коледжів. Журнал Корейського академічного товариства медсестринської допомоги на дому, 21(1), 60-68.

8. Lemaster, P., Strough, J., Stoiko, R., & DiDonato, L. (2015). Мати і робити: маскулінні грані ґендеру прогнозують ставлення чоловіків і жінок до ґендерної рівності серед студентів коледжів. Психологія чоловіків та маскулінності, 16(2), 195.

9. ERDOL, T., & Gozutok, F. (2017). Оцінка потреб у навчальній програмі з ґендерної рівності серед старшокласників: на прикладі анатолійської середньої школи. EGITIM VE BILIM-ОСВІТА І НАУКА, 42(190).

10. Secreto, P. V. (2013). Гендерна рівність в онлайн-навчанні: випадок Відкритого університету Up. Procedia-Social and Behavioral Sciences, 103, 434-441.

11. Rahman, R. M., & Sultana, N. (2013). Геопросторові методи видобутку даних для дослідження ґендерної рівності та розширення прав і можливостей жінок у Бангладеш. Міжнародний журнал інженерії знань та парадигм м'яких даних, 4(2), 166-186.

12. Белінгері, П., Чіарелло, Ф., Фронцетті Колладон, А., & Ровеллі, П. (2021). Двадцять років досліджень ґендерної рівності: огляд обсягів на основі нового семантичного показника. Plos one, 16(9), e0256474.

13. Троян, В., & Таран, Н. (2016). Проблема тендерної рівності в науці: досягнення та виклики (Problem of gender equality in science: achievements and challenges). Наукові записки Національного університету "Острозька академія". Серія 'Тендерні дослідження", 98-106.

14. Каггва, М. (2020). Втручання для сприяння гендерній рівності у гірничодобувному секторі Південної Африки. Видобувні галузі та суспільство, 7(2), 398-404.

References:

1. Sharov, S., & Sharova T. (2017). Formuvannia indyvidualnoi osvitnoi traiektorii studenta zasobamy informatsiinoi systemy [Formation of an individual educational trajectory of a higher education applicant by means of an information system]. Naukovyi visnykMelitopolskoho derzhavnoho pedahohichnoho universytetu - Scientific Bulletin of Melitopol State Pedagogical University, 2 (19), 149-154 [in Ukrainian].

2. Krasnoshchok, I.P. (2018). Indyvidualna osvitnia traiektoriia studenta: teoretychni aspekty orhanizatsii [Individual educational trajectory of a higher education applicant: theoretical aspects of the organization]. A.V. Sushchenko (Eds.), Pedahohika formuvannia tvorchoi osobystosti u vyshchii i zahalnoosvitnii shkolakh - Pedagogy of Creative Personality Formation in Higher and Secondary Schools: Collection of scientific papers. (Vols. 1), (pp. 101-107). Odesa: Vydavnychyi dim «Helvetyka» [in Ukrainian].

3. Kim, K. (2008). Ubiquitous Learning Supporting System for Future Classroom in Korea/ K. Kim // Proc. Soc. for Information Technology and Teacher Education Int'l Conf., K. McFerrin et al., eds. Mar., (pp. 2648-2657).

4. Yarmolenko, T.A. (2023). Rol shtuchnoho intelektu u formuvanni tsyfrovoi hramotnosti zdobuvachiv osvity [The Role of Artificial Intelligence in the Formation of Digital Literacy of Students]. In The 10th International scientific and practical conference «Progressive research in the modern world» (p. 160). Boston: BoScience Publisher [in USA].

5. Alieksieieva, H.M., & Panchenko, O. P. (2020). Formuvannia miakykh navychok (soft skills) yak skladovoi tekhnolohichnoi kompetentnosti maibutnikh inzheneriv-pedahohiv zasobamy internet-tekhnolohii [Formation of soft skills as a component of technological competence of future engineers-teachers by means of Internet technologies] Doctor's thesis. Kherson: Vydavnytstvo FOP Vyshemyrskyi [in Ukrainian].

6. Krasheninnik, I. (2021). Model formuvannia fakhovykh kompetentnostei maibutnikh inzheneriv-prohramistiv v umovakh skorochenoho tsyklu profesiinoi pidhotovky v universytetakh [Model of Formation of Professional Competencies of Future Software Engineers in the Conditions of a Shortened Cycle of Professional Training at Universities]. Naukovyi zhurnal Khortytskoi natsionalnoi akademii -Scientific Journal of Khortytsia National Academy, 5, 25-34 [in Ukrainian].

7. Onypchenko, P.M., Pavlenko, M.A., Tymochko, O.I., & Berdnyk, P.H. (2015). Analiz metodiv skladannia rozkladu zaniat dlia vdoskonalennia protsesu pidhotovky lotnoho skladu aviatsii Povitrianykh Syl Zbroinykh Syl Ukrainy [Analysis of methods for scheduling classes to improve the process of training flight personnel of the Air Force of the Armed Forces of Ukraine]. Systemy obrobky informatsii -Information Processing Systems, 12, 199-201 [in Ukrainian].

8. Kuravskyi, L.S., Marholis, A.A., Marmaliuk, P.A., Panfilova, A.S., Yuriev, H.A., & Diumin, P.N. (2016). Ymovirnisna model adaptyvnoho navchannia [Probabilistic Model of Adaptive Learning]. Prykladni matematychni nauky - AppliedMathematical Sciences, 48 (10), 2369-2380 [in Ukrainian].

9. Van der Linden, W.J., Scrams, D.J., Schnipke, D.L., et al. (1999). Using response-time constraints to control for differential speededness in computerized adaptive testing. Appl. Psych. Meas, 3 (23), 195-210.

10. Kokhonen, T. (2001). Samoorhanizatsiini karty [Self-organization maps]. Berlin, Heidelberg: Springer [in Ukrainian].

11. Kohonen. T. (1982). Samoorhanizovane formuvannia topolohichno pravylnykh kart oznak [Self-Organized Formation of Topologically Correct Feature Maps]. Biol.Cybern, 43, 59-69.

12. Ritter, H., Martinetz, T., Schulten, K. (1992). Neironni obchyslennia ta samoorhanizatsiini karty: vstup [Neural Computing and Self-Organization Maps: An Introduction]. Reading, MA: Addison-Willey [in USA].

13. Kohonen, T. (1997). Exploration of very lage database by self-organizing maps. International Conference on Neutral Networks Proceedings, 1, PL1-PL6 [in USA].

Размещено на Allbest.ru