La educación superior personalizada basada en microcursos: Posibles formas de realización

Introducción. Educadores de todo el mundo coinciden en que el aprendizaje del ser humano en cualquier etapa de su desarrollo debe ser de carácter personalizado. Para que el aprendizaje sea personalizado, tanto los conocimientos, como las competencias, modelos del comportamiento y las actitudes que han de aprenderse, deben presentarse al alumno de manera que sea significativa, relevante y que lo estimule a querer adquirir más conocimientos.

La problemática en la investigación es la falta de métodos fundamentados para implementar un enfoque personalizado en la educación superior. A la vez, se observa que el proceso de aprendizaje basado en la introducción de microcursos posee el potencial para llevar a ejecución la idea de la personalización, ya que los microcursos están dirigidos a satisfacer las necesidades individuales del estudiante.

Objetivo. El propósito del artículo es fundamentar las posibilidades del aprendizaje personalizado a nivel universitario (grado máster) basado en microcursos.

Metodología, métodos y procesos de investigación. La base metodológica del estudio es la teoría del enfoque basado en competencias, el paradigma del aprendizaje centrado en la persona, así como el trabajo científico en el campo de la formación personalizada.

Resultados. En el artículo se ha presentado un modelo de aprendizaje personalizado de tipo universitario basado en el uso de microcursos. Se describen los principios de su elaboración: la responsabilidad por parte de la universidad en lo que se refeire a la preparación de los egresados, carácter de conservatismo razonable, congruencia del tema de la iniciativa con el perfil de la formación, control sistemático. Se introduce el concepto de microcurso en una disciplina académica y se dan ejemplo, donde los mismos estudiantes eligen los microcursos. El modelo de personalización de la educación basado en el uso de microcursos, además de los apartados tradicionales, los resultados de aprendizaje planificados y el calendario académico, también contiene aspectos nuevos (en comparación con los modelos actuales de aprendizaje de los estudiantes): diagnóstico de las capacidades del estudiante para implementar la personalización, normas de formación (incluidos objetivos personales), esquemas para la selección de módulos generales y adicionales, presencia de módulos de iniciativa; diagnóstico de los logros. Los resultados se pueden llevar a diversas áreas de formación en los programas de máster.

Novedad científica. La novedad científica consiste en la descripción de las posibilidades de implementar un enfoque personalizado en la docencia de programas de máster basado en el uso de microcursos.

Significado práctico. El modelo desarrollado de personalización de la formación basado en microcursos puede aplicarse en todos los niveles del sistema de educación superior orientados a diversos perfiles formativos. Será especialmente significativo para los perfiles relacionados con las ciencias pedagógicas.

1. Денищева Л. О., Сафуанов И. С., Семеняченко Ю. А. Возможности обеспечения персонализации образования в вузе // Вестник МГПУ. Серия: Информатика и информатизация образования. 2022. № 2 (60). С. 72–85. DOI: 10.25688/2072-9014.2022.60.2.07

2. Дьюи Дж. Демократия и образование [Электрон. ресурс]. Москва: Педагогика-Пресс, 2000. 384 с. Режим доступа: https://rusneb.ru/catalog/000199_000009_000654051 (дата обращения: 24.03.2023).

3. Watters A. Teaching machines: the history of personalized learning. Cambridge, Massachusetts: The MIT Press, 2021. 316 p. Available from: https://mitpress.mit.edu/9780262363754/teaching-machines (date of access: 24.03.2023).

4. Bloom B. S. Learning for mastery // Evaluation Comment (UCLA-CSIEP). 1968. № 1 (2). P. 1–12. Available from: https://eric.ed.gov/?id=ED053419 (date of access: 24.03.2023).

5. Bloom B. S. The 2 Sigma Problem: The Search for Methods of Group Instruction as Effective as One-to-One Tutoring // Educational Researcher. 1984. Vol. 13, № 6. P. 4–16. DOI: 10.2307/1175554

6. Зеер Э. Ф., Крежевских О. В. Концептуально-теоретические основы персонализированного образования // Образование и наука. 2022. Т. 24, № 4. С. 11–39. DOI: 10.17853/1994-5639-2022-4-11-39

7. Ермаков Д. С., Кириллов П. Н., Корякина Н. И, Янкевич С. А. Персонализированная модель образования с использованием цифровой платформы [Электрон. ресурс]. Москва: Вклад в будущее. Благотворительный фонд Сбербанка. 2020. 44 с. Режим доступа: https://vbudushee.ru/upload/lib/%D0%9F%D0%9C%D0%9E.pdf (дата обращения: 24.03.2023).

8. Выготский Л. С. Психология развития человека [Электрон. ресурс]. Москва: Смысл; Эксмо, 2005. 1136 с. Режим доступа: https://archive.org/details/2006_20210417 (дата обращения: 24.03.2023).

9. Савина Н. В. Методологические основы персонализации образования // Наука о человеке: гуманитарные исследования. 2020. Т. 14, № 4. С. 82–90. DOI: 10.17238/issn1998-5320.2020.14.4.10

10. Chatti M. A. Personalization in technology enhanced learning: a social software perspective. Aachen: Shaker Verlag, 2010. 249 p. Available from: https://www.semanticscholar.org/paper/Personalization-in-technology-enhanced-learning%3A-a-Chatti/521acf72f5f6f8738921ddde03bf0212a6281ddc (date of access: 24.03.2023).

11. Pontual Falcão T., Mendes de Andrade e Peres F., Morais D. C. S., Da Silva Oliveira G. Participatory methodologies to promote student engagement in the development of educational digital games // Computers & Education. 2017. № 116. P. 161–175. DOI: 10.1016/j.compedu.2017.09.006

12. Spector J. M. The potential of smart technologies for learning and instruction // International Journal of Smart Technology & Learning. 2018. Vol. 1, № 1. P. 21–32. DOI: 10.1504/IJSMARTTL.2016.078163

13. Lockspeiser T. M., Kaul P. Using individualized learning plans to facilitate learner-centered teaching // Journal of Pediatric and Adolescent Gynecology. 2016. Vol. 29, № 3. P. 214–217. DOI: 10.1016/j.jpag.2015.10.020

14. FitzGerald E., Kucirkova N., Jones A., Cross S., Ferguson R., Herodotou C., Hillaire G., Scanlon E. Dimensions of personalisation in technology-enhanced learning: A framework and implications for design // British Journal of Educational Technology. 2018. № 49 (1). P. 165–181. DOI: 10.1111/bjet.12534

15. Niknam M., Thulasiraman P. LPR: a bio-inspired intelligent learning path recommendation system based on meaningful learning theory // Education and Information Technologies. 2020. Vol. 25. P. 3797–3819. DOI: 10.1007/s10639-020-10133-3

16. Schmid R., Petko D. Does the use of educational technology in personalized learning environments correlate with self-reported digital skills and beliefs of secondary-school students? // Computers & Education. 2019. № 136. P. 75–86. DOI: 10.1016/j.compedu.2019.03.006

17. Liu M., McKelroy E., Corliss S. B.,Carrigan J. Investigating the effect of an adaptive learning intervention on student’s learning // Educational Technology Research and Development. 2017. № 65 (6). P. 1605–1625. DOI: 10.1007/s11423-017-9542-1

18. Scheiter K., Schubert C., Schüler A., Schmidt H., Zimmermann G., Wassermann B., Krebs M., Eder T. Adaptive multimedia: using gaze-contingent instructional guidance to provide personalized processing support // Computers & Education. 2019. № 139. P. 31–47. DOI: 10.1016/j.compedu.2019.05.005

19. Afini Normadhi N. B., Shuib L., Md Nasir H. N., Bimba A., Idris N., Balakrishnan V. Identification of personal traits in adaptive learning environment: Systematic literature review // Computers & Education. 2019. № 130. P. 168–190. DOI: 10.1016/j.compedu.2018.11.005

20. Xie H., Chu H. C., Hwang G. J., Wang C. C. Trends and development in technology-enhanced adaptive/personalized learning: a systematic review of journal publications from 2007 to 2017 // Computers & Education. 2019. № 140. Article number 103599. DOI: 10.1016/j.compedu.2019.103599

21. Bahçeci F., Gürol M. The effect of individualized instruction system on the academic achievement scores of students // Education Research International. 2016. Vol. 2016. DOI: 10.1155/2016/7392125

22. Lee D., Huh Y., Lin C. Y., Reigeluth C. M. Technology functions for personalized learning in learner-centered schools // Educational Technology Research and Development. 2018. № 6 (5). P. 1269–1302. DOI: 10.1007/s11423-018-9615-9

23. Jung E., Kim D., Yoon M., Park S., Oakley B. The influence of instructional design on learner control, sense of achievement, and perceived effectiveness in a supersize MOOC course // Computers & Education. 2018. № 128. P. 377–388. DOI: 10.1016/j.compedu.2018.10.001

24. Shute V. J., Rahimi S. Review of computer-based assessment for learning in elementary and secondary education // Journal of Computer Assisted Learning. 2017. № 33 (1). DOI: 10.1111/jcal.12172

25. Fatahi S. An experimental study on an adaptive e-learning environment based on learner’s personality and emotion // Education and Information Technologies. 2019. № 24 (4). P. 2225–2241. DOI: 10.1007/s10639-019-09868-5

26. Junokas M. J., Lindgren R., Kang J., Morphew J. W. Enhancing multimodal learning through personalized gesture recognition // Journal of Computer Assisted Learning. 2018. № 34 (4). P. 350–357. DOI: 10.1111/jcal.12262

27. Chen S. Y., Huang P. R., Shih Y. C., Chang L. P. Investigation of multiple human factors in personalized learning // Interactive Learning Environments. 2016. № 24 (1). P. 119–141. Available from: https://www.learntechlib.org/p/194316 (date of access: 24.03.2023).

28. Rastegarmoghadam M., Ziarati K. Improved modeling of intelligent tutoring systems using ant colony optimization // Education and Information Technologies. 2017. № 22 (3). P. 1067–1087. DOI: 10.1007/s10639-016-9472-2

29. Ennouamani S., Mahani Z., Akharraz L. A context-aware mobile learning system for adapting learning content and format of presentation: design, validation, and evaluation // Education and Information Technologies. 2020. Vol. 25. P. 3919–3955. DOI: 10.1007/s10639-020-10149-9

30. Pliakos K., Joo S. H., Park J. Y., Cornillie F., Vens C., Van den Noortgate W. Integrating machine learning into item response theory for addressing the cold start problem in adaptive learning systems // Computers & Education. 2019. № 137. P. 91–103. DOI: 10.1016/j.compedu.2019.04.009

31. Alamri H., Watson S. Watson W. Learning Technology Models that Support Personalization within Blended Learning Environments in Higher Education // TechTrends. 2020. Vol. 65, № 3. P. 62–68. DOI: 10.1007/s11528-020-00530-3

32. Walkington C., Bernacki M. L. Appraising research on personalized learning: Definitions, theoretical alignment, advancements, and future directions // Journal of Research on Technology in Education. 2020. Vol. 52, № 3. P. 235–252. DOI: 10.1080/15391523.2020.1747757

33. Zha Y., Zhu Q. Research on Vocational Student Personalized Learning Recommended Model // Proceedings of the 2nd International Conference on Education, Management and Information Technology. Amsterdam: Atlantis Press, 2015. P. 800–805. DOI: 10.2991/icemit-15.2015.166

34. Leong K., Sung A., Au D., BlanchardC. A review of the trend of microlearning // Journal of Work-Applied Management. 2021. Vol. 13, № 1. P. 88–102. DOI: 10.1108/jwam-10-2020-0044

35. Giurgiu L. Microlearning an Evolving Elearning Trend // Scientific Bulletin. 2017. Vol. 22, № 1. P. 18–23. DOI: 10.1515/bsaft-2017-0003

36. Aldosemani T. Microlearning for Macro-outcomes: Students’ Perceptions of Telegram as a Microlearning Tool // Digital Turn in Schools — Research, Policy, Practice, Lecture Notes in Educational Technology / T. Väljataga and M. Laanpere (eds.). 2019. P. 189–191. DOI: 10.1007/978-981-13-7361-9_13

37. Zhou P. Research on the Application of Micro-courses in Advanced mathematics Teaching // Frontiers in Educational Research. 2019. Vol. 2. № 11. P. 113–118. Available from: https://francis-press.com/papers/1104 (date of access: 24.03.2023).

38. Tianmei M. Research on the Application of Micro-course in the Teaching of Higher Vocational Mathematics. 5th International Workshop on Education, Development and Social Sciences (IWEDSS 2019). Tokyo, 2019. P. 323–326. DOI: 10.25236/iwedss.2019.069

39. Zhang R. Research and practice of microcourse teaching in College Mathematics under the mode of flipped classroom teaching // IOP Conference Series: Materials Science and Engineering. 2018. Vol. 439, № 3. P. 2–6. DOI: 10.1088/1757-899x/439/3/032062