Үч жылдык Маалымат илими боюнча билим берүү траекториясы (Data Science track) бакалаврдык башкаруу программасынын ичине киргизилген; математика жана статистика негиздеринен баштап программалоо, маалымат базаларын башкаруу, маалыматтарды казып алуу, колдонмо статистика, визуалдаштыруу, жасалма интеллект, маалымат этикасы жана долбоордук колдонмолорго чейин этап-этабы менен өнүккөн көп куралдуу окуу планынын түзүмү болуп саналат. Бул изилдөө аталган билим берүү траекториясын эки көз карандысыз студенттик когорттун жылдык академиялык көрсөткүчтөрү менен бүтүрүүчүлөрдүн маалымат илимине болгон мамилесин, карьералык ыңгайлашуу жөндөмүн, сабактар тууралуу кабылдоолорун жана ачык жооп түрүндөгү пикирлерин бирге колдонуу аркылуу баалайт.

Изилдөөдө биринчи когорт 18, экинчи когорт 30 студенттен турат. Академиялык көрсөткүчтөр эки когорт үчүн тең үч академиялык жыл бою каралган; бүтүргөндөн кийинки жарым структураланган сурамжылоо программаны бүтүргөн биринчи когорттун 18 студентине жүргүзүлгөн. Биринчи когортто жылдык орточо баалар тиешелүүлүгүнө жараша 84,86, 87,14 жана 85,60; экинчи когортто 76,39, 78,74 жана 79,25 деп билдирилген. Бирок эки когорттун бөлүштүрүлүшүнүн жүрүм-туруму бирдей эмес: биринчи когортто стандарттык четтөө 6,64төн 5,26га жана 4,29га чейин ырааттуу азайса, экинчи когортто 6,42ден 5,52ге түшүп, үчүнчү жылы 7,22ге жогорулаган.

Бул академиялык баалар Маалымат илими сабактарынан гана алынган баалар эмес. Алар ар бир студенттин тиешелүү академиялык жылы бакалаврдык башкаруу программасында алган бардык сабактарынын жылдык жалпы орточо көрсөткүчү болуп саналат. Ошондуктан байкалган академиялык үлгүлөрдү Маалымат илими окуу планы студенттердин бааларын жогорулатты же көрсөткүчтөрдүн өзгөрмөлүүлүгүн азайтты деген түз себептик далил катары колдонууга болбойт.

Бүтүрүүчүлөрдүн Маалымат илимине карата студенттик мамиле шкаласында (SOMADS) кабыл алынган пайдалуулук баалуулугунун орточо көрсөткүчү 4,31, маалымат илимине кызыгуу 4,07, өзүнө ишенимдүү жөндөмдүүлүк 3,87 жана тынчсыздануу-чыгым өлчөмү 2,69 түзөт. Карьералык ыңгайлашуу жөндөмдөрүнүн шкаласынын (CAAS) жыйынтыктарында келечекке багытталуу 4,32, көзөмөл 4,36, кызыгуу 4,14 жана ишеним 4,34 орточо көрсөткүчкө ээ. Негизги макала колдонулган Likert тибиндеги шкалалардын так төмөнкү жана жогорку балл чектерин негизги текстте бербегендиктен, бул баллдар булакта жок шкала диапазону болжолдонуп кайра чечмеленген эмес.

Ачык жооптуу пикирлер төрт негизги теманы көрсөттү: аналитикалык жана колдонмо компетенциялардын өнүгүшү, колдоочу окуу чөйрөсү, кең темалык камтуу менен техникалык тереңдиктин ортосундагы чыңалуу жана окуу жүгү/окутуу/кесипке даярдык маселелери. Студенттер чыныгы же реалдууга жакын маалыматтар менен аткарылган долбоорлорду, колдонмо сабактарды, көп сандагы аналитикалык куралдар менен таанышууну жана жекече колдоону баалуу деп эсептешкени менен, Python, SQL, Power BI, математика, статистика жана программалоо сыяктуу айрым техникалык багыттарда көбүрөөк тереңдик жана баштапкы деңгээлдеги жумуштарга күчтүүрөөк практикалык даярдык керек экенин да билдиришкен.

Изилдөөнүн негизги билдирүүсү — башкаруу тармагындагы студенттерге маалымат илимин үйрөтүүдө жөн гана көбүрөөк программалык камсыздоо же технология кошуу жетишсиз болушу мүмкүн. Автордун талкуусуна ылайык, көп куралдуу окуу планынын билим берүүчү баалуулугу куралдардын санынан көбүрөөк алардын кандай ырааттуулукта тааныштырылышына, мурда үйрөнүлгөн компетенциялардын кантип кайра колдонулушуна, чыныгы маалыматтар жана долбоорлор менен кантип интеграцияланышына жана техникалык жактан кыйналган студенттерге кандай туруктуу окутуу колдоосу берилерине байланыштуу болушу мүмкүн. Бирок изилдөө байкоочу жана сүрөттөөчү мүнөздө болгондуктан, бул окуу планынын өзгөчөлүктөрү жыйынтыктарды себептик түрдө жаратканын далилдебейт.

Изилдөө көйгөйү жана адабияттагы боштук

Маалымат илими боюнча билим берүү эми компьютердик илимдер, математика же инженерия сыяктуу салттуу STEM тармактарынын гана темасы эмес. Башкаруу жана коомдук илимдер сыяктуу тармактарда да студенттердин маалыматтарды даярдай, талдай, визуалдаштыра, чечмелей жана чечим кабыл алуу процессинде колдоно алышы барган сайын маанилүү болуп жатат.

Бирок башкаруу тармагындагы студенттердин математика, статистика жана программалоо боюнча даярдыгы бирдей эмес. Айрым студенттер буга чейин техникалык сабактарды окуган болушу мүмкүн, ал эми айрымдары программалоону биринчи жолу университетте башташы мүмкүн. Ошол эле учурда заманбап маалымат илими негизги статистикалык билимди гана эмес, маалымат базасы системалары, программалоо чөйрөлөрү, маалыматтарды казып алуу, бизнес-аналитика, визуалдаштыруу жана жасалма интеллект куралдарынын ортосунда иштей билүүнү талап кылат.

Ошондуктан окуу планын долбоорлоодо эки максаттын ортосунда чыңалуу жаралат: программа техникалык жактан жетиштүү олуттуу болушу керек, бирок техникалык даярдыгы чектелүү студенттер үчүн жеткиликсиз болуп калбашы керек. Булак белгилеген адабияттагы боштук да ушул жерден чыгат. Мурунку изилдөөлөр өзүнчө маалымат илими сабактарын, белгилүү технологияларды же программа сүрөттөмөлөрүн караган болсо да, көп сабактан турган интеграцияланган программа боюнча студенттердин академиялык өнүгүшүн, мамилесин жана тажрыйбасын бирге баалаган программа деңгээлиндеги эмпирикалык далилдер салыштырмалуу чектелүү.

Изилдөө суроолору

1. Маалымат илими боюнча билим берүү траекториясынын ырааттуу жылдарында кандай академиялык өнүгүү үлгүлөрү байкалат жана бул үлгүлөр эки көз карандысыз когортто канчалык туруктуу?
2. Программаны бүтүргөн студенттердин маалымат илимине болгон мамилеси жана карьералык ыңгайлашуу жөндөмүнүн деңгээли кандай?
3. Бүтүрүүчүлөр Маалымат илими боюнча билим берүү траекториясындагы окуу тажрыйбасын, программанын күчтүү жана кыйын жактарын жана келечектеги кесиптик өнүгүүсү үчүн маанисин кантип баалашат?

Технология менен Байытылган Көп Куралдуу Маалымат Илим Окуу Планы Деген Эмне?

Бул изилдөөдө технология менен байытылган көп куралдуу маалымат илими окуу планы — бир гана программаны үйрөтүүнүн ордуна математика, статистика, маалыматтарды иштетүү, программалоо, маалыматтарды казып алуу, визуалдаштыруу, жасалма интеллект жана долбоордук иштерди үч жыл бою өз ара байланышкан окуу ырааттуулугунда колдонгон программа деңгээлиндеги билим берүү экосистемасы; технология бул жерде өзүнчө кошумча курал эмес, ар кандай сабактардагы аналитикалык тапшырмалардын жана окуу ишмердигинин түз бөлүгү болуп саналат.

Технология менен Байытылган Окутуу түшүнүгү

Булак Technology-Enhanced Learning (TEL) ыкмасын жекелештирилген же адаптивдүү программалык система катары аныктабайт. TEL бул жерде окуу планынын деңгээлинде каралат. Сабак ишмердиктери, аналитикалык куралдар, реалисттик тапшырмалар, долбоордук иштер жана кайтарым байланыш механизмдери өз ара байланыштырылып, студенттин үч жыл ичинде барган сайын татаалыраак тапшырмаларды аткаруусу көздөлөт.

Бул айырма маанилүү. Изилдөөдөгү TEL ыкмасы “студентке алгоритмдик түрдө жекелештирилген сабак берген система” дегенди билдирбейт. Ал технологияны сабак дизайны жана окуу планынын агымы менен интеграциялоону билдирет.

Көп куралдуу окуу эмне үчүн борбордо?

Программанын негизги дизайн принциптеринин бири — студентти бир гана аналитикалык платформада адистештирүүнүн ордуна ар кандай тапшырмаларда ар кандай куралдарды колдонууга үйрөтүү. Булак бул ыкманы реалдуу кесиптик маалымат талдоо иш агымдарына окшоштурат; анткени кесипкөй аналитик бир эле долбоордо маалымат базасы, программалоо, статистикалык талдоо, бизнес-аналитика, визуалдаштыруу жана жасалма интеллект куралдарын бирге колдонушу мүмкүн.

Мисалы, маалыматтарды даярдоо үчүн SQL же Excel, статистикалык талдоо үчүн SPSS же Python, маалыматтарды казып алуу үчүн WEKA, чечимди колдоо жана визуалдаштыруу үчүн Power BI, өнүккөн маалымат иштетүү жана машиналык үйрөнүү үчүн Python, маалымат изилдөө же жардамчы тапшырмалар үчүн ар кандай генеративдүү жасалма интеллект куралдары колдонулат. Изилдөө бул куралдардын аттарын гана бербестен, алардын ар кандай сабактарда кандай окуу ролун аткарарын да сүрөттөйт.

Долбоорго Негизделген Окутуу деген эмне?

Project-Based Learning (PBL; Долбоорго Негизделген Окутуу) — студенттер теориялык түшүндүрмөнү гана уккандын ордуна маанилүү жана көп учурда реалдуу жашоону чагылдырган көйгөйлөр үстүндө узак мөөнөттүү иштөө аркылуу билим өрчүткөн окуу ыкмасы. Каралып жаткан Маалымат илими боюнча билим берүү траекториясында студенттер чыныгы же реалдууга жакын маалымат топтомдору менен иштешет; аналитикалык көйгөйдү аныкташат, маалыматтарды даярдашат, ылайыктуу ыкма жана технологиялык куралды тандашат, талдоону жүргүзүшөт, жыйынтыктарды чечмелешет жана сунушташат.

Долбоорлор программа илгерилеген сайын көбүрөөк интеграцияланган мүнөзгө ээ болот. Үчүнчү жылдагы practicum жана seminar сабактары мурдагы сабактарда үйрөнүлгөн статистика, маалыматтарды казып алуу, маалыматтарды иштетүү, программалоо жана визуалдаштыруу көндүмдөрүн бир кеңири аналитикалык тапшырманын ичинде бириктирүү үчүн иштелип чыккан.

Үч жылдык окуу логикасы

Биринчи жыл математика, статистика жана башкаруу негиздерин камсыздайт. Булак 1-сүрөттө Basic Math, Statistics 1, Math жана Excel сыяктуу сабактарды кийинки маалымат илими сабактарынын негизин түзгөн баштапкы компоненттер катары көрсөтөт.

Экинчи жыл методологиялык тереңдикке жана куралдарды колдонууга басым жасайт. Data Mining, Statistics 2, Database Management and Data Processing, Applied Statistics, Python жана Knowledge Management and Decision-Making сыяктуу сабактар ушул этапта жайгашат.

Үчүнчү жыл интеграция жана колдонмо баскычына өтөт. Data Applications in the Public Sector, Artificial Intelligence Applications in Analytics, Selected Topics in Data Science, Legal and Ethical Aspects of Data Science, Visualization for Business Analytics, Practicum жана Seminar сабактары мурда алынган көндүмдөрдү реалдуу жашоо жана кесиптик контексттерге алып чыгууну көздөйт.

Сабактар, куралдар жана окуу ролдору

Бул таблицадагы куралдардын тизмелери изилдөө жүргүзүлгөн мезгилдеги булак окуу планын чагылдырат. Verianla аларды азыркы куралдар боюнча сунуш же бүгүн сөзсүз колдонулушу керек болгон технологиялардын тизмеси катары кайра чечмелебейт.

Катышуучулар кимдер болгон?

Изилдөөдө эки көз карандысыз когорт бар. Когорт 1 программаны бүтүргөн жана бүтүргөндөн кийинки сурамжылоого катышкан 18 студенттен турган. Когорт 2 программаны бүтүрүү баскычындагы 30 студенттен турган жана академиялык көрсөткүчтөр менен окуу траекторияларын изилдөөдө колдонулган.

Когорт 1де 10 аял студент (%55,6) жана 8 эркек студент (%44,4) бар. Орточо жаш 25,11, стандарттык четтөө 3,07. Студенттердин %77,8и мурда академиялык жогорку билим алуу тажрыйбасына ээ болгон эмес; калгандарынын айрым академиялык тажрыйбасы болгону менен бүтүрүлгөн даражасы жок. Булак студенттердин математика боюнча даярдыгы да ар түрдүү экенин белгилейт.

Академиялык көрсөткүч кантип өлчөндү?

Ар бир студент үчүн аяктаган ар бир академиялык жылдын жылдык жалпы орточо баасы колдонулган. Бул орточо ошол жылы алынган бардык сабактарды камтыйт. Булак эсептөөнүн кредиттик салмак менен жүргүзүлгөн-жүргүзүлбөгөнүн же башка институционалдык салмактоо колдонулганын негизги текстте өзүнчө түшүндүрбөйт; ошондуктан Verianla жаңы салмактоо формуласын чыгарбайт.

Жыйынтыктар орточо, стандарттык четтөө, минимум жана максимум менен жыйынтыкталган; бөлүштүрүүлөрдү кароо үчүн violin графиктери, студенттердин жылдар боюнча жеке өзгөрүүлөрүн көрсөтүү үчүн жеке сызык графиктери колдонулган.

Орточо жана стандарттык четтөө эмнени билдирет?

Окутуучу эскертүү: Төмөнкү теңдемелер макаланын оригиналдуу илимий формулалары эмес; булакта колдонулган орточо жана тандалманын стандарттык четтөөсү түшүнүктөрүнүн стандарттык математикалык аныктамалары.

\[ \bar{x}=\frac{1}{n}\sum_{i=1}^{n}x_i \]

\(\bar{x}\) топтун орточосун, \(x_i\) ар бир студенттин тиешелүү өлчөмүн, \(n\) болсо студенттердин санын билдирет. Орточо топтун борбордук деңгээлин бир сан менен жыйынтыктайт.

\[ s=\sqrt{\frac{\sum_{i=1}^{n}(x_i-\bar{x})^2}{n-1}} \]

\(s\) тандалманын стандарттык четтөөсү. Ал студенттердин маанилери топтун орточосунун айланасында канчалык таралганын көрсөтөт. Орточосу бирдей эки топтун ичинен стандарттык четтөөсү кичирээк топто өлчөөлөр орточонун айланасында тыгызыраак топтолот. Бирок стандарттык четтөөнүн азайышы өзүнөн өзү билим берүү студенттерди өнүктүргөнүн далилдебейт; ал бөлүштүрүүнүн гана тарылганын көрсөтөт.

Violin графиги деген эмне?

Violin графиги бөлүштүрүүнүн орточосун гана эмес, маанилер кайсы аймактарда көбүрөөк топтолгонун фигуранын туурасы аркылуу көрсөтүүчү бөлүштүрүү графиги. Булак 2-сүрөттө эки когорттун үч жылдагы баа бөлүштүрүүлөрүн violin графиктери менен көрсөтөт.

Булак жеке чийки баа бөлүштүрүүлөрүн таблица түрүндө жарыялабагандыктан, Verianla violin формаларынын так геометриясын кайра түзбөйт. Так салыштыруу үчүн булактагы 3-таблицанын сандык жыйынтыктары негиз катары алынат.

SOMADS эмнени өлчөйт?

SOMADS изилдөөдө студенттердин маалымат илимине мамилесинин төрт өлчөмүн баалоо үчүн колдонулган:

• Interest in data science: маалымат илимине кызыгуу,
• Utility value: студент маалымат илимин канчалык пайдалуу/баалуу деп эсептээри,
• Self-efficacy: студенттин тиешелүү тапшырмаларды аткара алуу жөндөмүнө болгон өз баасы,
• Anxiety-Cost: шкаладагы тынчсыздануу жана кабыл алынган чыгым менен байланышкан өлчөм.

Ар бир өлчөмдүн баллы ошол өлчөмгө тиешелүү пункттардын орточосун алуу менен эсептелген. Булак пункттар Likert тибинде экенин билдирет, бирок негизги макалада шкаланын так минималдуу жана максималдуу жооп варианттарын бербейт.

Булакта түшүндүрүлгөн өлчөм баллын эсептөөнүн математикалык ачык жазылышы төмөнкүдөй:

\[ S_d=\frac{1}{k}\sum_{j=1}^{k}x_j \]

\(S_d\) тиешелүү өлчөмдүн курама баллы; \(k\) ошол өлчөмгө тиешелүү пункттардын саны; \(x_j\) студенттин тиешелүү пунктка берген баллы. Бул теңдеме булакта номерленген оригиналдуу формула катары берилбейт; “пункттардын орточосу алынат” деген ыкманын математикалык туюнтмасы.

CAAS эмнени өлчөйт?

Career Adapt-Abilities Scale (CAAS) бул изилдөөдө карьералык ыңгайлашуу жөндөмүн төрт өлчөмдө карайт:

• Concern: келечекке багытталуу,
• Control: өзүн тартипке салуу жана карьерасын көзөмөлдөө сезими,
• Curiosity: мүмкүнчүлүктөрдү изилдөө,
• Confidence: карьералык тапшырмаларды аткара алам деген ишеним.

CAAS өлчөм баллдары да тиешелүү пункттардын орточосун алуу менен эсептелген. Жогорку балл тиешелүү карьералык ыңгайлашуу өлчөмүнүн күчтүүрөөк колдоого алынганын көрсөтөрү белгиленет.

Cronbach Альфа Бул Изилдөөдө Эмнени Көрсөтөт?

Cronbach альфа бир эле шкала өлчөмүн түзүү үчүн бириктирилген пункттардын жооптор боюнча канчалык бирге кыймылдай турганын баалоочу ички ырааттуулук коэффициенти; бул изилдөөдө SOMADS жана CAASтын ар бир субөлчөмү үчүн өзүнчө эсептелген, бирок альфа мааниси өзүнөн өзү шкаланын валиддүү экенин же өлчөнгөн касиет программа тарабынан пайда болгонун далилдеген жыйынтык катары колдонулган эмес.

Окутуучу эскертүү: Булак Cronbach альфа формуласын басылган теңдеме түрүндө бербейт. Стандарттык математикалык көрсөтүлүшү:

\[ \alpha= \frac{k}{k-1} \left( 1-\frac{\sum_{i=1}^{k}\sigma_i^2}{\sigma_T^2} \right) \]

Бул жерде \(k\) пункттардын саны, \(\sigma_i^2\) ар бир пункттун дисперсиясы жана \(\sigma_T^2\) пункттардын жалпы баллынын дисперсиясы. Коэффициент пункттардын өз ара ырааттуулугу тууралуу маалымат берет; бирок жогорку альфа өзүнөн өзү шкала туура түшүнүктү өлчөгөнүн, студенттик ийгиликти же программанын себептик таасирин далилдебейт.

Ачык жооптуу пикир кантип талданды?

Студенттерден программанын үч оң жана үч терс жагын көрсөтүү жана жоопторун кеминде эки-үч сүйлөм менен түшүндүрүү суралган. Бул жооптор рефлексивдүү тематикалык талдоо ыкмасы менен изилденген.

Рефлексивдүү тематикалык талдоодо изилдөөчүнүн чечмелөөчү ролу талдоонун табигый бөлүгү катары кабыл алынат. Изилдөөдө коддоо жана темаларды иштеп чыгуу бир изилдөөчү тарабынан жүргүзүлгөндүктөн, коддоочулар аралык ишенимдүүлүк эсептелген эмес. Булак муну эсептөөнүн кемчилиги катары жашырбайт, колдонулган рефлексивдүү тематикалык ыкманын эпистемологиялык логикасы менен түшүндүрөт.

Изилдөөнүн Ыкмасы жана Жыйынтыктары

Изилдөө дизайнынын маалымат булактары

Статистикалык ыкма эмне үчүн сүрөттөөчү болгон?

Изилдөөнүн когорттору кичине жана максаты белгилүү бир билим берүү программасын баалоо. Ошондуктан талдоо кеңири калкка тыянак чыгарууга же гипотеза тесттери аркылуу себептик таасир көрсөтүүгө багытталган эмес. Орточо, стандарттык четтөө, медиана, min–max маанилери, жыштыктар жана графиктер колдонулган.

Булак кандайдыр бир p-мааниси, ишеним аралыгы же эффект өлчөмү аркылуу эки когорттун ортосунда инференциалдык артыкчылык тестин билдирбейт. Ошондуктан Verianla бул жыйынтыктарга кийин статистикалык маанилүүлүк тестин кошпойт.

Академиялык көрсөткүчтүн так жыйынтыктары

Когорт 1дин орточосу биринчи жылдан экинчи жылга жогорулап, үчүнчү жылы 85,60ка төмөндөгөн, бирок биринчи жылдагы деңгээлден жогору калган. Стандарттык четтөө үч жыл бою 6,64 → 5,26 → 4,29 түрүндө азайган.

Когорт 2нин орточосу үч жыл бою 76,39 → 78,74 → 79,25 түрүндө жогорулаган. Ал эми стандарттык четтөө 6,42 → 5,52 → 7,22 түрүндө өзгөргөн; экинчи жылдагы таруудан кийин үчүнчү жылы бөлүштүрүү кеңейген.

Ошондуктан “программа илгерилеген сайын бардык студенттердин көрсөткүчтөрү бири-бирине жакындады” деген жалпы жыйынтык колдоого алынбайт. Үч жылдык ырааттуу вариациянын таруусу Когорт 1де гана байкалат.

Жеке студенттердин траекториялары

Булактагы 3-сүрөт ар бир студенттин жылдык жалпы орточосун үч жыл бою өзүнчө сызыктар менен көрсөтөт. Биринчи жылы студенттердин ортосунда байкаларлык айырма бар. Биринчи жылды салыштырмалуу төмөн орточо менен баштаган студенттердин маанилүү бөлүгүндө кийинки жылдары жогору орточо көрсөткүчтөр байкалган, ал эми башында жогорку орточого ээ студенттер негизинен жогорку деңгээлин сактап калган.

Бирок булак бул жеке сызыктардын чийки сандык маанилерин таблицада бербейт. Verianla графиктин пикселдеринен так студенттик баа чыгарбай тургандыктан, 3-сүрөттү так кайра тартпайт.

SOMADS жыйынтыктары

Булак бүтүрүүчүлөрдүн кабыл алынган пайдалуулук баалуулугун жана маалымат илимине кызыгуусун жогору деп сүрөттөйт. Өзүнө ишенимдүү жөндөмдүүлүк орточосу да салыштырмалуу жогору болгону менен SD=1,16 көрсөткүчү жооптордун көбүрөөк өзгөрмөлүүлүгүн көрсөтөт. Тынчсыздануу-Чыгым өлчөмү төрт SOMADS өлчөмүнүн ичинен эң төмөн орточого ээ.

Бул жерде “төмөн тынчсыздануу” сыяктуу кошумча чечмелөөдө шкаланын багыты жана негизги макалада берилбеген жооп чектери эске алынышы керек. Булак бул өлчөмдү Anxiety-Cost деп берет жана жогорку балл тиешелүү конструкциянын күчтүүрөөк кабыл алынганын көрсөтөт деп жазат; Verianla мындан ары кошумча психометрикалык маани чыгарбайт.

CAAS жыйынтыктары

Төрт CAAS өлчөмүнүн орточолору бири-бирине жакын жана булак аларды салыштырмалуу жогорку карьералык ыңгайлашуу жөндөмү катары чечмелейт. Ички ырааттуулук коэффициенттери болсо бирдей эмес: эң жогорку альфа Concern өлчөмүндө 0,93, эң төмөн маани Curiosity өлчөмүндө 0,64. Verianla 0,64 маанисин булакта жок туруктуу “ийгиликтүү/ийгиликсиз” чек боюнча классификациялабайт; анын башка өлчөмдөрдөн төмөн экенин гана белгилейт.

Студенттер кайсы сабактарды маанилүү жана кызыктуу деп эсептешти?

Applied Statistics маанилүүлүк жана кызыгуу боюнча эң көп тандалган сабак. Practicum өзгөчө маанилүүлүк категориясында жогорку жыштыкка ээ. Python сабагы сегиз студент тарабынан маанилүү деп эсептелсе, болгону эки студент аны эң кызыктуу сабактардын катарына кошкон. Булак маанилүүлүк менен кызыгуу байланыштуу, бирок бирдей түшүнүктөр эмес экенин өзгөчө баса белгилейт.

Ачык жооптуу пикирлердеги 1-тема: аналитикалык жана колдонмо компетенциялар

Студенттер программа аналитикалык ой жүгүртүү, көйгөй чечүү жана маалымат менен иштөө көндүмдөрүнө салым кошконун билдиришкен. Программалоо тилдери, аналитикалык куралдар, жасалма интеллект, машиналык үйрөнүү жана чыныгы маалымат менен иштөө оң тажрыйбалардын арасында айтылган. Долбоорлордун чыныгы жумуш тапшырмаларына окшош болушу да студенттер баалаган элементтердин бири болгон.

2-тема: колдоочу окуу чөйрөсү

Жеке жетекчилик, чакан топ чөйрөсү, программа жетекчисинин студенттерди көзөмөлдөшү жана окутуучулардын студенттердин ийгилигине кызыгуусу оң жактар катары билдирилген. Бирок бардык окутуу тажрыйбалары оң болгон эмес. Айрым студенттер белгилүү окутуу формалары түшүнүү боштуктарын жаратканын жана татаал темалар дайыма эле жетиштүү ачык түшүндүрүлбөгөнүн билдиришкен.

3-тема: кеңдик менен техникалык тереңдиктин ортосундагы чыңалуу

Студенттер маалымат илиминин көп багыттары менен таанышууну баалуу деп эсептешкени менен, ошол эле кеңдикти чектөө катары да баалашкан. Пикирлерде SQL, Python, Power BI, математика, статистика жана программалоо сыяктуу тармактарда көбүрөөк тереңдикке муктаждык айтылган.

Бул табылга окуу планын долбоорлоодо “көбүрөөк технология = жакшыраак программа” деген түз сызыктуу логика жетишсиз экенин көрсөтөт. Автордун талкуусунда да технологиялардын санынан көрө кайсы куралдар негизги катары тандалары, алар канча жолу кайра колдонулары жана татаалдыгы кандай этаптарга бөлүнөрү баса белгиленет.

4-тема: окуу жүгү, окутуудагы кыйынчылыктар жана жумушка даярдык

Математика, статистика, программалоо, маалымат системалары жана башкаруу сабактарынын бир программада биригиши айрым студенттер тарабынан интенсивдүү жана оор деп бааланган. Айрыкча программалоо айрым студенттер үчүн кыйынчылык жараткан деп билдирилген.

Студенттер ошондой эле күчтүүрөөк кесиптик колдонмо байланышын каалашкан. Чыныгы маалыматтар жана заманбап куралдар менен көбүрөөк иштөө, баштапкы деңгээлдеги жумуш милдеттерине жакыныраак колдонмолор жана теория менен кесиптик практиканын ортосундагы байланышты күчөтүү сунуштары алдыга чыккан.

Бул Изилдөө Маалымат Илим Окуу Планы Натыйжалуу Экенин Далилдейби?

Жок. Изилдөө окуу планынын дизайнына шайкеш оң студенттик кабылдоолорду, белгилүү академиялык өнүгүү үлгүлөрүн жана күчтүү көрүнгөн долбоор/колдонмо компоненттерин билдирет; бирок байкоочу дизайн, кичине когорттор, салыштыруу тобунун жоктугу, программага чейинки мамиле өлчөөлөрүнүн болбошу жана жылдык баалардын бардык бакалаврдык сабактарды камтышы себептүү бул жыйынтыктар Маалымат илими окуу планынын таасирин себептик жактан далилдебейт.

Изилдөө колдогон жыйынтыктар

• Үч жылдык программа статистика, программалоо, маалымат башкаруу, маалыматтарды казып алуу, визуалдаштыруу, жасалма интеллект, этика жана долбоорлорду этаптык түзүмдө интеграциялайт.
• Эки когорттун академиялык өнүгүү үлгүлөрү бирдей эмес.
• Когорт 1де жылдык баа бөлүштүрүүсү үч жылда тарылган; Когорт 2де үчүнчү жылы кайра кеңейген.
• Эки когортто тең биринчи жылдан кийинки орточо жалпы жетишкендик биринчи жылга салыштырмалуу туруктуу же жогору.
• Бүтүрүүчүлөр маалымат илиминин пайдалуулугу жана маалымат илимине кызыгуусу тууралуу оң баалоолорду билдиришкен.
• Карьералык ыңгайлашуу өлчөмдөрү булак тарабынан салыштырмалуу жогору деп билдирилген.
• Applied Statistics жана Practicum студенттер өзгөчө маанилүү деп эсептеген сабактардын арасында.
• Долбоорлор, чыныгы маалыматтар, көп куралдуу иш жана окутуу колдоосу оң темалардын арасында.
• Техникалык тереңдик, программалоо, окуу жүгү, окутуунун ачыктыгы жана кесипке даярдык жакшыртууну талап кылган багыттар катары чыккан.

Изилдөө колдобогон жыйынтыктар

• Программа академиялык бааларды жогорулатканы себептик түрдө көрсөтүлгөн эмес.
• Программа жогорку карьералык ыңгайлашуу баллдарын жаратканын көрсөткөн эмес.
• Программаны албаган көзөмөл тобуна салыштырмалуу артыкчылык көрсөтүлгөн эмес.
• Студенттердин программага чейинки жана программадан кийинки мамиле өзгөрүүсү өлчөнгөн эмес.
• Эки кичине когорттун жыйынтыктарын бардык башкаруу студенттерине жалпылоого болбойт.
• Көп сандагы куралдар менен таанышуу бардык студенттер ар бир куралды мыкты өздөштүрдү дегенди билдирбейт.
• Жогорку кызыгуу же кабыл алынган пайда техникалык компетенттүүлүктүн объективдүү көрсөткүчү эмес.

Окуу планын долбоорлоо үчүн тыянактар

Булак программа дизайны боюнча төрт негизги тыянак берет. Биринчиден, студенттердин илгерилөөсү бирдей деп кабыл алынбашы жана ар кандай когорттордо көзөмөлдөнүшү керек. Экинчиден, технологиялар менен кеңири таанышуу жана техникалык тереңдиктин ортосунда тең салмак түзүлүшү керек. Автор өзгөчө жаңы куралдарды тынымсыз кошуунун ордуна студенттер кайра-кайра колдончу негизги технологияларды аныктоону сунуштайт.

Үчүнчүдөн, “колдонмо окуу” менен “жумушка даяр болуу” бир эле нерсе эмес. Студенттер долбоорлорду жана чыныгы маалымат менен иштөөнү баалуу деп эсептешкени менен, айрымдары баштапкы деңгээлдеги жумуштар үчүн дагы ачыгыраак даярдык керек экенин билдиришкен.

Төртүнчүдөн, академиялык илгерилөө бардык техникалык тармактарда бирдей өзүнө ишенимдүү жөндөмдүүлүктү кепилдебейт. Программалоодо жана татаал технологияларда туруктуу окутуу колдоосу керек.

Негизги чектөөлөр

Кичине жана бир мекемеге тиешелүү үлгү: Болгону эки кичине когорт жана бир мекеме изилденген; жалпылоо мүмкүнчүлүгү чектелүү.

Байкоочу дизайн: Окуу планынын өзгөчөлүктөрү менен студенттик жыйынтыктардын ортосунда себептик байланыш түзүүгө болбойт.

Көзөмөл тобу жок: Ошол эле башкаруу программасында Маалымат илими траекториясын албаган салыштыруучу студенттик топ жок.

Программага чейинки мамиле өлчөөсү жок: Студенттердин SOMADS же CAAS баллдары программа башталганга чейинки деңгээлде белгисиз болгондуктан өзгөрүүнү эсептөөгө болбойт.

Сурамжылоо биринчи когортто гана жүргүзүлгөн: Мамиле жана сапаттык пикир жыйынтыктары экинчи когортту чагылдырбайт.

Өзүн-өзү билдирүүгө негизделген маалыматтар: Бүтүрүүчүлөрдүн пикирлерине эстеп калуу жана жооп берүү тенденциялары таасир этиши мүмкүн.

Сапаттык талдоо бир изилдөөчү тарабынан жүргүзүлгөн: Изилдөө рефлексивдүү тематикалык талдоо ыкмасына байланыштуу коддоочулар аралык ишенимдүүлүктү эсептеген эмес.

Академиялык көрсөткүчтүн камтуусу: Колдонулган жылдык баалар Маалымат илими сабактарына гана эмес, бардык бакалаврдык сабактарга тиешелүү; ошондуктан Маалымат илими билим берүү траекториясынын түз академиялык таасирин бөлүп көрсөтпөйт.

Булак жана Ыкма Жөнүндө Эскертүү

Оригиналдуу аталыш: Curriculum Design and Evaluation of Data Science Track for Management Students

Автор: Anna Khalemsky.

Автордук тартип: Бир авторлуу изилдөө.

Тең салым: Колдонулбайт; бир автор бар.

Жооптуу автор: Булак өзүнчө corresponding-author белгисин көрсөтпөйт; титулдук баракта жалгыз автор Anna Khalemsky үчүн электрондук почта жана телефон байланыш маалыматтары берилген.

Титулдук барактагы мекеме: Management Department, Jerusalem Multidisciplinary College, Jerusalem 91010, Israel.

Этика бөлүмүндөгү мекеменин жазылышы: Jerusalem Multidisciplinary Academic College. PDF эки бөлүмдө ушул эки англисче мекеме формасын колдонот; Verianla алардын бирин унчукпай экинчисине алмаштырбайт.

Журнал: Education Sciences.

Басма: MDPI.

Жарыя маалыматы: 2026, Volume 16, Article 1676.

DOI: 10.3390/educsci16101676.

Расмий DOI шилтемеси: https://doi.org/10.3390/educsci16101676

Тапшыруу: 28 Август 2026.

Ревизия: 4 Октябрь 2026.

Кабыл алуу: 5 Октябрь 2026.

Жарыя: 9 Октябрь 2026.

Булак түрү: Article / изилдөө макаласы. Изилдөө эки көз карандысыз когорттун академиялык маалыматтарын, стандартташтырылган мамиле/карьера шкалаларын жана ачык жооптуу сапаттык пикирлерди бириктирген көп ыкмалуу программа баалоосу.

Рецензия статусу: Education Sciences журналында жарыяланган рецензияланган илимий макала.

Лицензия: Creative Commons Attribution (CC BY).

Каржылоо: Тышкы каржылоо алынган эмес.

Этика комитети: Jerusalem Multidisciplinary Academic College Ethics Committee for Research on Human Subjects тарабынан жактырылган; Referans No. 749, 6 Август 2026.

Маалымдалган макулдук: Бүтүргөндөн кийинки сурамжылоого катышкан бардык катышуучулардан электрондук маалымдалган макулдук алынган. Катышуу ыктыярдуу.

Маалыматтардын купуялыгы: Сурамжылоо жооптору адамды аныктоочу маалыматсыз, академиялык көрсөткүч маалыматтары болсо идентификациясыздандырылган түрдө талданган.

Маалыматтардын жеткиликтүүлүгү: Эки когорттун идентификациясыздандырылган академиялык көрсөткүч маалыматтары жана маалымат топтомунун сүрөттөмөсү Open Science Framework платформасында жарыяланган: https://osf.io/5m7en/overview?view_only=ad3a85b182f346e0ac1fc32d12cf48eb

Кошумча материалдар: Table S1 SOMADS жана CAAS жыйынтыктарын, Table S2 студенттердин оң/терс пикирлерин, Table S3 болсо Data Mining сабагындагы колдонмо долбоордун этаптарын жана баалоо компоненттерин камтыйт.

Жасалма интеллектти колдонуу билдирүүсү: Автор генеративдүү жасалма интеллект куралдары макаланы даярдоодо тилдик редакциялоо, ойду так билдирүү жана текстти уюштурууга жардам берүү үчүн колдонулганын; оригиналдуу илимий мазмун түзүү, маалымат талдоо, жыйынтыктарды чечмелөө же корутунду сүйлөмдөрүн түзүү үчүн колдонулбаганын билдирет. Изилдөө дизайны, маалымат чогултуу, талдоо, чечмелөө жана акыркы жоопкерчилик авторго таандык.

Кызыкчылыктардын кагылышы: Автор кызыкчылыктардын кагылышын билдирген эмес.

Автордун салымы: PDFте өзүнчө CRediT/Author Contributions бөлүмү жок. Изилдөөнүн бир авторлуу экени тууралуу маалыматтан тышкары, булакта жок салым ролдору Verianla тарабынан кошулган эмес.

Негизги методологиялык чек: Талдоо негизинен сүрөттөөчү. Эки кичине когорт, бир мекеме, көзөмөл тобунун жоктугу, программага чейинки мамиле маалыматтарынын жоктугу жана жылдык баалардын бардык бакалаврдык сабактарды камтышы себептик чечмелөөлөрдү чектейт.