ПРИМЕНЕНИЕ СТОХАСТИЧЕСКИХ МЕТОДОВ В ПРОФЕССИОНАЛЬНО ОРИЕНТИРОВАННОМ ОБУЧЕНИИ СТУДЕНТОВ ТЕХНИЧЕСКИХ СПЕЦИАЛЬНОСТЕЙ
DOI:
https://doi.org/10.32014/2026.2518-1467.1276Ключевые слова:
стохастические методы, прикладные задачи, профессионально ориентированное обучение, технические специальностиАннотация
Быстрая цифровизация инженерных и промышленных процессов, а также растущая техническая неопределенность и сложность требуют усиления математической подготовки студентов технических специальностей. Теория вероятностей и математическая статистика развивают аналитическое мышление, включая навыки математического моделирования, интерпретации данных, принятия решений в условиях неопределенности при проектировании моделей, компонентов устройств и сетей, оценке надежности, безопасности и т. д. В данном исследовании разработан и оценен профессионально ориентированный подход к преподаванию стохастических методов, интегрирующий теоретические математические знания с практическими приложениями в инженерии и информационных технологиях. Предложенная методология включает в себя профессионально ориентированные задачи, учитывающие такие понятия, как надежность электрических систем, вероятность перегрузки трансформатора, диагностика оборудования с использованием формулы Байеса, электрические цепи с использованием случайных процессов и т. д. Эти задачи побуждают студентов размышлять о случайных явлениях, определять вероятностные модели, проводить математические расчеты, интерпретировать результаты и обосновывать решения в профессиональном контексте. Для исследования эффективности предложенного подхода было проведено двухмесячное квазиэкспериментальное исследование с участием контрольной группы (n = 23), изучавшей теорию вероятностей и выполнявшей дополнительные традиционные и вычислительные задания, и экспериментальной группы (n = 23), изучавшей теорию вероятностей и выполнявшей дополнительные контекстные и профессионально ориентированные задания. Студенты заполнили анкеты предварительной и итоговой оценки. После эксперимента были проведены сравнительный статистический анализ и наблюдение за вовлеченностью студентов в обучение и распространенными типами их ошибок. Было выявлено улучшение результатов в обеих группах, однако в экспериментальной группе наблюдалось более значительное повышение результатов тестирования: средний балл увеличился с 56,5% до 75,1%, в то время как в контрольной группе средний балл повысился с 58,5% до 67,9%. Включение стохастических методов в обучение посредством профессионально ориентированных заданий укрепляет связь между математической теорией и ее практическим применением в системном моделировании, одновременно подготавливая студентов к будущей профессиональной деятельности.
Скачивания
Библиографические ссылки
Abylkasymova, A. E., Yermaganbetova, S. K., & Baishagirov, K. Zh. (2024). The content and methodological features of professionally oriented training of engineering students in higher mathematics. Higher Education for the Future, 11(1), 47–59. https://doi.org/10.1177/23476311231207681
Batanero, C., & Álvarez-Arroyo, R. (2024). Teaching and learning of probability. ZDM – Mathematics Education, 56, 5–17. https://doi.org/10.1007/s11858-023-01511-5
Blitzstein, J. K., & Hwang, J. (2019). Introduction to probability (2nd ed.). Chapman and Hall/CRC. https://doi.org/10.1201/9780429428357
Freeman, S., Eddy, S. L., McDonough, M., Smith, M. K., Okoroafor, N., Jordt, H., & Wenderoth, M. P. (2014). Active learning increases student performance in science, engineering, and mathematics. Proceedings of the National Academy of Sciences, 111(23), 8410–8415. https://doi.org/10.1073/pnas.1319030111
Frejd, P., & Bergsten, C. (2016). Mathematical modelling as a professional task. Educational Studies in Mathematics, 91, 11–35. https://doi.org/10.1007/s10649-015-9654-7
Garfield, J. B., Ben-Zvi, D., Chance, B., Medina, E., Roseth, C., & Zieffler, A. (2008). Developing students’ statistical reasoning: Connecting research and teaching practice. Springer. https://doi.org/10.1007/978-1-4020-8383-9
Hsu, Y.-P., Chiang, D. F., & Kehinde, I. (2025). Transforming engineering education in the digital era: Findings from a systematic review. Frontiers in Education, 10, Article 1568917. https://doi.org/10.3389/feduc.2025.1568917
Magana, A. J., & Silva Coutinho, G. (2017). Modeling and simulation practices for a computational thinking-enabled engineering workforce. Computer Applications in Engineering Education, 25(1), 62–78. https://doi.org/10.1002/cae.21779
Prince, M. (2004). Does active learning work? A review of the research. Journal of Engineering Education, 93(3), 223–231. https://doi.org/10.1002/j.2168-9830.2004.tb00809.x
Ross, S. M. (2019). Introduction to probability models (12th ed.). Academic Press.
Sipos, D., Bendea, C., & Kocsis, I. (2024). Improvement of stochastic modelling skills for a sustainable education in engineering. Journal of Sustainable Energy, 15(1), 25–33. https://www.energy-cie.ro/archives/2024/nr_1/v15-n1-4.pdf
Walrand, J. (2021). Probability in electrical engineering and computer science: An application-driven course. Springer. https://doi.org/10.1007/978-3-030-49995-2
Yazdani, A., Ghohani Arab, H., & Rashki, M. (2020). Simplified spectral stochastic finite element formulations for uncertainty quantification of engineering structures. Structures, 28, 1924–1945. https://doi.org/10.1016/j.istruc.2020.09.040




