Preview

Образование и наука

Расширенный поиск

МЕТОДЫ МАТЕМАТИЧЕСКОЙ СТАТИСТИКИ КАК СРЕДСТВО ФОРМИРОВАНИЯ ПРОФЕССИОНАЛЬНЫХ КОМПЕТЕНЦИЙ СТУДЕНТОВ-ЭКОЛОГОВ

https://doi.org/10.17853/1994-5639-2018-3-53-82

Полный текст:

Аннотация

Введение. Ухудшающееся состояние среды обитания человека актуализирует активное развитие системы экологического просвещения и образования населения. Особые требования в современных условиях предъявляются к квалификации и компетентности специалистов-экологов, которые должны обладать навыками самостоятельного сбора достоверной экологической информации, уметь анализировать ее посредством строгих математических расчетов; производить необходимые измерения и вычисления во время наблюдений и экспериментов; выбирать и грамотно реализовывать адекватный алгоритм или математический метод решения конкретной экологической задачи; составлять научно обоснованные прогнозы изменений состояния окружающей среды. Цель данной статьи состоит в описании возможностей использования потенциала методов и средств математической статистики для формирования профессиональных компетенций будущих экологов. Методология и методики. Методологической базой исследования является компетентностный подход к подготовке специалистов в высшей школе. Произведен анализ содержания действующих нормативных документов и научных источников, посвященных проблемам применения методов математической статистики в обучении специалистов-экологов. Обобщен опыт такой подготовки в различных вузах России. Результаты и научная новизна. Обозначены основные методические и организационные проблемы обучения студентов-экологов статистическому анализу данных: ориентация действующих учебных программ и методов профессионального образования на «среднего» студента, недостаточное количество профильных учебно-методических пособий, большой объем необходимой для изучения статистической информации и ограниченность временных возможностей ее осмысления, отсутствие у будущих экологов опыта по применению арсенала математической статистики и др. Намечены условия решения этих проблем: тщательный отбор профессионально значимого содержания дисциплины «Математика»; обеспечение оптимального сочетания математических задач и теоретического материала; обучение студентов компетентной интерпретации полученных математических результатов с точки зрения эко- логии; рациональное использование программных средств в образовательном процессе. Сформулирован ряд общих методических положений, которые следует соблюдать в преподавании математической статистики, чтобы добиться положительного эффекта. Подчеркивается важность регионального компонента профессиональной подготовки экологов. Подробно изложена система специальных задач профессиональной экологической направленности, составленных на основе официальных материалов мониторинга окружающей среды в Кировской области. Показаны возможные направления научно-исследовательской и самостоятельной работы студентов при изучении математической статистики. Продемонстрированы ее ресурсы для обеспечения и усиления межпредметных связей. Практическая значимость. Результаты исследования могут быть использованы для коррекции и совершенствования содержания дисциплины «Математика», включенной в учебные программы экологических специальностей.

 

Об авторе

С. И. Торопова
Вятский государственный университет, Киров
Россия
ассистент кафедры фундаментальной и компьютерной математики


Список литературы

1. Касимов Н. С., Попова Л. В., Романова Э. П. Экологизация профессиональной подготовки студентов как насущная проблема высшего педагогичес-кого образования // Вестник Мининского университета [Электрон. ресурс]. 2015. № 2. Режим доступа: http://vestnik.mininuniver.ru/jour/article/view/36 (дата обращения 10.11.2017).

2. Иванова Т. А., Перевощикова Е. Н., Кузнецова Л. И., Григорьева Т. П. Теория и технология обучения математике в средней школе: учебное пособие для студентов математических специальностей педагогических вузов. 2-е изд. Н. Новгород: НГПУ, 2009. 355 с.

3. Барт А. Г., Вербицкая Е. В., Солнцев В. Н. О состоянии дел и перспективах обучения статистическому анализу медицинских данных // Международный журнал медицинской практики. 2006. № 2. С. 39–41.

4. Вараксин А. Н. Статистический анализ биологической и медицинской информации: проблемы и решения // Международный журнал медицинской практики. 2006. № 2. С. 35–39.

5. Вершинин В. И. Планирование и математическая обработка результатов химического эксперимента: учебное пособие. 3-е изд. Санкт-Петербург: Лань, 2017. 236 с.

6. Леонов В. П. Общие проблемы применения статистики в биомедицине или Что разумнее: ДДПП или ДППД? // БиометрикА: электронный журнал [Электрон. ресурс]. 2015. Режим доступа: http://www.biometri-ca.tomsk.ru/problem.htm (дата обращения: 19.10.2017).

7. Трухачева Н. В. Математическая статистика в медико-биологических исследованиях с применением пакета Statistica. Москва: ГЭОТАР-Медиа, 2013. 384 с.

8. Heiman G. W. Basic Statistics for the Behavioral Sciences. Belmont, CA: Wadsworth Cengage Learning; 2011. 468 p. Available from: http://file.zums.ac.ir/ ebook/352-Basic%20Statistics%20for%20the%20Behavioral%20 Sciences,%206th%20Edition-Gary%20Heiman-0840031432-Wadsworth%20Pu.pdf (дата обращения: 29.11.2017).

9. Lang T., Altman D. Basic statistical reporting for articles published in clinical medical journals: the SAMPL Guidelines // Science Editors’ Handbook, European Association of Science Editors. Smart P, Maisonneuve H., Polderman A. (eds). 2013. Available from: http://www.equator-network.org/2013/03/20/basic-statistical-reporting-for-articles-published-in-biomedical-journals-the-statistical-analyses-and-methods-in-the-published-literature-or-the-sampl-guidelines/ (дата обращения: 27.11.2017).

10. Yusof Z. M., Abdullah S., Yahaya S. S. S., Othman A. R. A Robust Alternative to the t – Test // Modern Applied Science. 2012. № 5 (6). P. 27–33. Available from: http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.1014.7331&rep= rep1&type=pdf (дата обращения: 29.11.2017).

11. Лейзерман Ж. Б. О преподавании теории вероятностей и математической статистики на нематематических факультетах [Электрон. ресурс]. Режим доступа: http://geum.ru/next/art-215119.php (дата обращения 17.01.2018).

12. Бакуменко Л. П., Коротков П. А. Статистический анализ влияния качества питьевой воды на здоровье населения региона // Прикладная эконометрика. 2011. № 2. С. 32–47.

13. Баврин И. И. Математическая обработка информации: учебное пособие. Москва: Прометей, 2016. 262 с.

14. Торопова С. И. Корреляционно-регрессионный анализ в профессиональной подготовке будущих экологов // Бюллетень лаборатории математического, естественнонаучного образования и информатизации: материалы Международной научно-практической конференции, 22–23 октября 2015 г. Самара; Москва: Самарский филиал МГПУ, 2015. С. 390–400.

15. Торопова С. И. Множественный корреляционно-регрессионный анализ в профессиональной подготовке будущих экологов // Преподавание математики, физики, информатики в вузах и школах: проблемы содержания, технологии и методики: материалы V Всероссийской научно-практической конференции, 18–19 декабря 2015 г. Глазов: Глазовская типография, 2015. С. 137–142.

16. Торопова С. И. Изучение регрессионных моделей на занятиях по математике со студентами-экологами // Математический вестник педвузов и университетов Волго-Вятского региона. 2016. № 18. С. 213–219.

17. Кремер Н. Ш. Теория вероятностей и математическая статистика: учебник для вузов. 2-е изд. Москва: ЮНИТИ-ДАНА, 2006. 573 с.

18. Торопова С. И. Особенности изучения дисперсионного анализа на занятиях по математике со студентами-экологами // Актуальные проблемы развития математического образования в школе и вузе: материалы IX Международной научно-практической конференции, г. Барнаул, 17–18 октября 2017 г. Барнаул: АлтГПУ, 2017. С. 114–118.

19. Торопова С. И. Организация исследовательской деятельности студентов-экологов на заключительном этапе работы с задачей // Математический вестник педвузов и университетов Волго-Вятского региона. 2017. № 19. С. 179–182.

20. Brereton R. G., Jansen J., Lopes J., Marini F., Pomerantsev A., Rodionova O., Roger J. M., Walczzak B., Tauler R. Chemometrics in analytical chemistry. Рart I: history, experimental design and data analysis tools // Analytical and Bioanalytical Chemistry. 2017. № 25 (409). P. 5891–5899. Available from: http://link.springer.com/article/10.1007/s00216–017–0517–1 (дата обращения: 29.11.2017).

21. Елагина В. С. Формирование исследовательской компетенции в процессе профессиональной подготовки студентов педагогического вуза // Концепт [Электрон. ресурс]. 2012. № 8 (Август). С. 26–30. Режим доступа: http://www.covenok.ru/koncept/2012/12102.htm (дата обращения: 19.01.2018).

22. Пузаченко Ю. Г. Математические методы в экологических и географических исследованиях: учебное пособие для студентов вузов. Москва: Академия, 2004. 416 с.

23. Молчанова Е. В., Кручек М. М. Математические методы оценки факторов, влияющих на состояние здоровья населения в регионах России (панельный анализ) // Социальные аспекты здоровья населения [Электрон. ресурс]. 2013. № 5 (33). Режим доступа: http://vestnik.mednet.ru/content/view/513/30/ (дата обращения: 19.10.2017).

24. Зарипов Ш. Х. Введение в математическую экологию: учебно-методическое пособие. Казань: Казанский федеральный университет, 2010. 47 с.


Для цитирования:


Торопова С.И. МЕТОДЫ МАТЕМАТИЧЕСКОЙ СТАТИСТИКИ КАК СРЕДСТВО ФОРМИРОВАНИЯ ПРОФЕССИОНАЛЬНЫХ КОМПЕТЕНЦИЙ СТУДЕНТОВ-ЭКОЛОГОВ. Образование и наука. 2018;20(3):53-82. https://doi.org/10.17853/1994-5639-2018-3-53-82

For citation:


Toropova S.I. METHODS OF MATHEMATICAL STATISTICS AS A MEANS OF PROFESSIONAL COMPETENCE FORMATION OF STUDENTS-ECOLOGISTS. The Education and science journal. 2018;20(3):53-82. (In Russ.) https://doi.org/10.17853/1994-5639-2018-3-53-82

Просмотров: 360


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 1994-5639 (Print)
ISSN 2310-5828 (Online)