Visual Decision Support for Curriculum Development Using the UGVA Method

封面

如何引用文章

全文:

详细

The article deals with an approach to comparing, evaluating, and improving curricula. A model of parameterization of the curriculum with respect of key professional skills. For data concentration and analysis, we used the Unified Graphic Visualization of Activity (UGVA) method. We describe the results of an analysis of 36 curricula for the Russian academic major “system analysis and control”. The images created using the described method allowed us to summarize curricula evaluation data, identify the differences in teaching students and best practices. Comparing the selected curriculum with others in UGVA notation, we developed recommendations on changing the curriculum structure regarding courses developing key professional skills. General recommendations on the use of the method in decision-making are given.

作者简介

Viktor Uglev

Siberian Federal University

编辑信件的主要联系方式.
Email: uglev-v@yandex.ru

Candidate of technical sciences, docent, Leading researcher

俄罗斯联邦, Zheleznogorsk

参考

  1. Ajanovski, V. 2017. Evolutionary Curriculum Reconstruction: Process Model and Information System Development. In Proceedings of the 18th Annual Conference on Information Technology Education. Association for Computing Machinery, New York, NY, USA. 89–94.
  2. Tosic, P., Beeston, J. 2018. Designing Undergraduate Data Science Curricula: A Computer Science Perspective. In 2018 ASEE Annual Conference &Exposition. ASEE Conferences, Salt Lake City, Utah. 1–11.
  3. Lavlinskaya, A., Kurchenkova, T. 2009. Modely prinatiya resheniy v zadache sinteza uchebnogo plana [Decisionmaking models in the task of curriculum synthesis]. Vestnok Voronezhskogo instituta MVD Rossii [Bulletin of the Voronezh Institute of the Ministry of Internal Affairs of Russia]. № 1: 136-143.
  4. Zykina, A., Kaneva, O., Munko, V. 2018. The development of approaches for obtaining automated solution on the formation of the curriculum. Modern Information Technologies and IT-Education. Vol. 14. №4: 931-937.
  5. Takada, S., Cuadros-Vargas, E., Impagliazzo, J., Gordon, S., Marshall, L., Topi, H., Veer, G., Waguespack, l. 2020. Toward the visual understanding of computing curricula. Education and Information Technologies Vol. 25: 4231–4270.
  6. Waguespack, L., Topi, H., Frezza, S., Babb, J., Marshall, L., Takada S., van der Veer, G., Pears, A. 2019. Adopting Competency Mindful of Professionalism in Baccalaureate Computing Curricula. In Proceedings of the EDSIG Conference, Vol. 2473: 3857.
  7. Crawley, E., Malmqvist, J., Östlund, S., Brodeur, D., Edström, K. 2014. Rethinking engineering education. The CDIO approach. Springer. 311 p.
  8. Qi, W. 2020. Learning Cell: Intelligent Technologies and Resources in Curriculum Development. Emerging Technologies and Pedagogies in the Curriculum, Springer. 199–214.
  9. CC2020 Task Force. 2020. Computing Curricula 2020: Paradigms for Global Computing Education. Association for Computing Machinery, New York, NY, USA.
  10. Sozykin, A., Koshelev, A., Bersenev, A., Shadrin, D., Aksenov, A. Kuklin, E. 2021. Developing Educational Programs Using Russian IT Job Market Analysis. In2021 Ural Symposium on Biomedical Engineering, Radioelectronics and Information Technology (USBEREIT). IEEE. 0391–0394.
  11. Han, J., Kamber, M., Pei, J. 2011. Data mining concepts and techniques third edition. The Morgan Kaufmann Series in Data Management Systems. 560 p.
  12. Gorban, A., Zinovyev, A. 2015. Fast and user-friendly non-linear principal manifold learning by method of elastic maps. In IEEE International Conference on Data Science and Advanced Analytics (DSAA). IEEE. pp. 1-9.
  13. Chernoff, H. 1973. The use of faces to represent points in k-dimensional space graphically. Journal of the American Statistical Association. Vol. 68: 361–368.
  14. Flury, B., Riedwyl, H. 1981. Graphical Representation of Multivariate Data by Means of Asymmetrical Faces. J. Amer. Statist. Assoc. Vol. 76, 376: 757–765.
  15. Jones, D. 1982. The inventions of Daedalus: a compendium of plausible schemes. WH Freeman, 202 p.
  16. Colasanti, R., Borgo, R., Jone,s M. 2019. Emoji and Chernoff a Fine Balancing Act or are we Biased? In IEEE Pacific Visualization Symposium, IEEE. 102–111.
  17. Cene, E., Parim, C., Özkan, B. 2018. Comparing the performance of basketball players with decision trees and TOPSIS. Data Science and Applications, Vol. 1: 21–28.
  18. Soboleva, A. 2006. Kognitivnaya vizualizatsiya znaniy s pomoshyu lits Chernova [Cognitive visualization of knowledge using Chernov's faces]. Kompyuterniy monitoring i informatsionniye tehnologii [Computer monitoring and information technology]. Donetsk. 135–136.
  19. Filimonov, V. 2021. Sposob kognitivnoy vizualizatsii mnogoparametricheskih komponentov sistemy [Method for cognitive visualization multi-parameter system]. Trudy 13-y vserossiyskoy konferentsii “Robototehnika i iskusstvennuy intellect” [13th conference “Robotics and AI” Proceedings]. Krasnoyarsk. 136-140.
  20. Weyl, H. 1952. Symmetry. Princeton University Pres. 168 p.
  21. Kukharev, G., Kaziyeva, N. 2020. Digital Facial Anthropometry: Application and Implementation. Pattern Recognition and Image Analysis. Vol. 30 (3): 496–511.
  22. Uglev, V. 2019. Metod unifitsirovannogo graficheskogo voplosheniya aktivnosti [Unified Graphic Visualization of Activity method]. Trudy 11-y vserossiyskoy konferentsii “Robototehnika i iskusstvennuy intellect” [11th conference “Robotics and AI” Proceedings]. Krasnoyarsk. 161-172.
  23. Uglev, V. 2021. Otsenka balansa uchebnyh planov pri podgotovke spetsialistov v oblasti informatsionnyh tehnologiy s primeneniem metoda UGVA [Evaluate Curricula Balance for Software Engineering Education with using UGVA Method]. Sovremennye informacionnye tehnologii i IT-obrazovanie [Modern Information Technologies and IT-Education]. Vol. 17. №3. http://sitito.cs.msu.ru/index.php/SITITO/article/ view/777.
  24. Uglev, V. 2021. Metod unifitsirovannogo graficheskogo voplosheniya aktivnosti kak instrument vizualizatsii v podhode Lifelong Learning [The method of unified graphic visualization of activity as a visualization tool in the Lifelong Learning approach]. Trudy 5-y mezhdunarodnoy konferentsii “Informatizatsiya obrazovaniya I metodika elektronnogo obucheniya” [5th conference “Informatization of education and e-learning methodology”]. Krasnoyarsk. 340-344.
  25. Uglev, V., Protsenko, D. 2020. Otsenka balansa nagruzki po uchrbnoy programme magistratury napravleniya “systemniy analiz I upravlenie” metodom UGVA [Estimation of the study load balance of master’s program in system analysis and control by UGVA method]. Trudy 12-y vserossiyskoy konferentsii “Robototehnika i iskusstvennuy intellect” [12th conference “Robotics and AI” Proceedings]. Krasnoyarsk. 227-235.
  26. Kossiakoff, A., Sweet, W., Seymour, S., Biemer, S. 2011. Systems Engineering principles and practice. WileyInterscience. 560 p.
  27. Uglev, V., Pokidko, V. 2021. Systemnuy podhod k proyektirovaniyu uchebnyh planov I ego soprovozhdeniya [A systematic approach to the design of curricula and its graphic support]. Trudy 13-y vserossiyskoy konferentsii “Robototehnika i iskusstvennuy intellect” [13th conference “Robotics and AI” Proceedings]. Krasnoyarsk. 263-271.

补充文件

附件文件
动作
1. JATS XML
下载

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».