CC BY
28
ТРИ «М»: МЕТОД - МЕТОДИКА - МЕТОДОЛОГИЯ
Ценности и смыслы. 2024. № 2 (90). С. 81-96. Values and Meanings. 2024. No.2 (90). P. 81-96. УДК 37.012:519.216.3 DOI:10.24412/2071-6427-2024-2 - 81-96.
Прогностический подход к исследованию образования: анализ и интерпретация
Неборский Егор Валентинович
Доктор педагогических наук, доцент, профессор кафедры иноязычного образования, Институт международного образования, Московский педагогический государственный университет, г. Москва, Россия E-mail: [email protected] ORCID: 0000-0002-8995-9802
My
Е. В. Неборский
Аннотация. В статье сформулирована базовая аксиоматика прогностического подхода: будущее суб-страктивно; будущее формативно; будущее аддитивно; будущее подвержено влиянию совокупности факторов (социальных, экономических, технологических, психологических и др.), в том числе фактору «черного лебедя»; будущее вариативно и не детерминировано; будущее является результатом выбора людей, но сам выбор ограничен средой, ресурсами, знаниями и убеждениями (заблуждениями) человека; будущее включает в себя инерцию настоящего (например, текущий цикл), но не продолжает его в полной мере; будущее не ограничено логикой прогноза, в отличие от самого прогноза. Исследование образования в рамках прогностического подхода должно строиться на данных посылках, в противном случае оно будет утрачивать «прогностичность». Методология прогностического подхода как совокупности методов, способов, приемов и стратегий исследования образования и непосредственно его развития в перспективе обладает собственным «видением» образования как предмета исследования. Во-первых, образование трактуется как динамически развивающаяся система. Во-вторых, образование представляется как система, подверженная влиянию совокупности факторов — социальных, технологических, экономических, психологических и т. д., что в свою очередь требует их учета и делает область исследования междисциплинарной. В-третьих, образование, обладая диалектической природой, всегда будет
© Неборский Е.В., 2024 81
содержать в себе «ядро» — элемент, который в меньшей степени подвержен изменениям в текущей ситуации, обеспечивая устойчивость образования как феномена.
Ключевые слова: футурология образования, теория образования, прогностические исследования в педагогической науке, прогностический подход, методология исследований образования.
Для цитирования: Неборский Е. В. Прогностический подход к исследованию образования: анализ и интерпретация // Ценности и смыслы. 2024. № 2 (90). С. 81-96.
PREDICTIVE APPROACH TO RESEARCH OF EDUCATION: ANALYSIS AND INTERPRETATION
Egor V. Neborsky
Dr. Sc. (Education), Associate Professor, Professor of the Chair of Foreign Language Education, Institute of International Education, Moscow Pedagogical State University, Moscow, Russia
E-mail: [email protected]; ORCID:0000-0002-8995-9802
Аbstract: The article formulates the basic axiomatics of the prognostic approach: the future is subtractive; the future is formative; the future is additive; the future is influenced by a combination of factors (social, economic, technological, psychological, etc.), including the "black swan" factor; the future is variable and not determined; the future is the result of people's choices, but the choice itself is limited by the environment, resources, knowledge and beliefs (misconceptions) of a person; the future includes the inertia of the present (for example, the current cycle), but does not fully continue it; the future is not limited by the logic of the forecast, unlike the forecast itself; the future contains a change of paradigms that allow a person to adapt to new conditions. The study of education within the framework of a predictive approach must be based on these premises, otherwise it will lose its "predictiveness". The methodology of the predictive approach, as a set of methods, methods, techniques and strategies for studying education and its immediate development in the future, has its own "vision" of education as a subject of research. Firstly, education is treated as a dynamically developing system. Secondly, education is presented as a system influenced by a combination of factors — social, technological, economic, psychological, etc., which in turn requires their consideration and makes the field of research interdisciplinary. Thirdly, education, having a dialectical nature, will always contain a "core" — an element that is less susceptible to changes in the current situation and is often associated with the human factor, which ensures the sustainability of education as a phenomenon.
Keywords: futurology of education, theory of education, predictive research in pedagogical science, predictive approach, methodology of education research.
For citation: Neborsky E. V. Predictive approach to research of education: analysis and interpretation // Values and Meanings. 2024. No.2 (90). P. 81-96. (In Rus).
Введение
Образование становилось предметом исследований в различных научных областях, каждая из которых открывала новые парадоксы, давала данные о состоянии образования, его проблемах и возможных решениях этих проблем. С развитием технологий и усложнением социально-экономических отношений, образование также обретает новые черты, средства и формы обучения. Между тем, происходящие изменения, оказывая влияние на образование, не так часто становятся предметом научных исследований в контексте непосредственно самого образования. В этом отношении весьма перспективным представляется прогностический подход к исследованию образования, который позволил бы анализировать образование как развивающийся и трансформирующийся феномен, обнаруживать «болевые точки», тенденции и перспективы. Цель данной статьи — сформулировать базовые положения прогностического подхода в исследованиях образования.
Прогностический подход как методология
Прогноз (от греч. проу^о^ «предвидение, предсказание») представляет собой обоснованное суждение о возможном состоянии объекта в будущем, условий существования объекта в будущем, различных тенденций и траекторий его развития, суждение о характере изменений и их направленности. Прогноз отличается от предсказания тем, что он носит более общий характер и направлен на более длительный период времени. Прогнозирование — творческий процесс, часто основанный на опыте эксперта и/или различных данных, а также на различных логических операциях — абдуктивных, индуктивных и дедуктивных рассуждениях. В конце ХХ — начале XXI вв. прогнозирование все чаще используется в экономике, демографии, научно-техническом развитии и т.д. Рост популярности прогнозирования вызван потребностью регулирования различных процессов — экономических, производственных, социальных, политических, климатических и т.д. Прогнозированием занимаются не только метеорологические службы или научные подразделения, но и различные финансовые организации, Всемирный экономический форум (доклады о глобальных рисках), частные компании и т.д. Оно применяется для транспорта, землепользования, продаж, предвыборных кампаний, при тестировании опытно-экспериментальных моделей на производствах и т.д. В последние годы прогнозирование затрагивает даже такие области как машинное обучение, например, для прогнози-
рования самоубийств [8], для прогнозирования урожайности [10], для прогнозирования мировых цен на золото [21] и т.д.
Прогнозирование как процедура, в том или ином виде, в последние десятилетия становится популярной и в сфере образования, в особенности — высшего и постдипломного. В первую очередь, это связано с формулированием стратегий развития в отношении рынка труда, например, на основе прогнозирования уровня безработицы и занятости [11] или связи между рынком труда, формой обучения и влиянием уровня безработицы на выбор образования [7], социально-демографической ситуации, расходов на образование [13] и т.д. Прогнозирование применяется и для выявления групп риска обучающихся [12] на основе прогнозирования их успеваемости [9] и удержания студентов в процессе обучения [20], их адаптации [14] и т.д. Во всех этих случаях образование выступает «исполнителем» социального заказа, а само прогнозирование, как правило, носит прикладной, утилитарный характер и связано с управлением образованием и социально-экономическими процессами. Прогностичность же определяется как соориентированность системы образования на перспективные запросы и потребности общества [3].
В то же время образование, как специфический социальный феномен, подвержено влиянию совокупности различных факторов — технологических, психологических, культурных и т.д., и не живет исключительно государственными программами развития или потребностями общества и его отдельных членов. О качественной природе образования философы говорили еще в ХХ веке [2]. Логично было бы предположить, что анализ влияния этих факторов в прогностическом ракурсе позволил бы осмыслить перспективы развития непосредственно образования, образования как феномена — со своими уникальными характеристиками, а не как придатка государственной политики или исполнителя социального заказа, «обслуживающего персонала».
Образование обладает диалектической природой: с одной стороны, оно консервативно, аккумулирует знания, накопленные человечеством, выполняя функции сбережения, с другой стороны — оно готовит подрастающие поколения к будущему, выполняя функции проецирования, что свидетельствует если и не о прогрессивности образования, чем в строгом смысле занимается наука, то, во всяком случае, о его нацеленности на ближайшие перспективы. Прогностическую природу педагогики и образования подчеркивал А. В. Хуторской, выступая за
развитие педагогической футурологии — науки о прогнозировании будущей педагогики и образования человека путем экстраполяции существующих тенденций, их развития и предсказания будущих тенденций [6]. Именно поэтому использование прогностического подхода в исследованиях образования, основанного в том числе на прогнозах и тенденциях развития науки, техники и общества, может открыть возможности для реализации прогностического потенциала образования, придав ему характер опережающего развития. Например, исследование перспектив развития образования в условиях четвертой промышленной революции [1].
Проектирование будущего зачастую основано на сценариях вчерашнего дня и люди ошибочно предполагают, что завтра все будет в точности, как сегодня [4]. Данный парадокс довольно часто воплощается не только в практике образования, но и в стратегиях его развития. Прогностический подход, благодаря своей специфике, методам и логике построения исследований, позволяет расширить представления о вещах и явлениях, взглянуть на них под другим углом и обнаружить не только неочевидное, но и выявить ошибки в текущей ситуации. Необходимо понимать, что прогностический подход, как исследовательский инструмент, не призван давать пророчества или определять «победителей на скачках». Любые прогнозы могут быть саморазрушающимися, то есть не воплощаться в той мере, в которой они были сформулированы, поскольку эксперты, осуществляющие прогноз, являются частью социального контекста и могут оказывать на него влияние. Например, негативные сценарии по кибербезопасности могут стать причиной дополнительных мер различных организаций и институтов, действия которых смягчат ситуацию в перспективе [16]. Теория относительности Альберта Эйнштейна, в частности, постулирует, что вселенная подвержена принципу неопределенности. Именно поэтому прогностический подход направлен не столько на предсказание детерминированного будущего, сколько на выявление потенциальных возможностей и угроз (рисков). И, в конечном итоге, на то, чтобы прогноз не воплотился в полной мере, как парадоксально бы это ни звучало. То, что еще не наступило, способно оказывать влияние на то, что уже есть.
Методология прогностического подхода как совокупности методов, способов, приемов и стратегий исследования образования и непосредственно его развития в перспективе, обладает собственным «видением»
образования как предмета исследования.
Во-первых, образование трактуется как динамически развивающаяся система. Исследование образования невозможно только с помощью статистических методов, так как есть множество переменных, в том числе неочевидных.
Во-вторых, образование представляется как система, подверженная влиянию совокупности факторов — социальных, технологических, экономических, психологических и т.д., что в свою очередь требует их учета и делает область исследования междисциплинарной.
В-третьих, образование, обладая диалектической природой, всегда будет содержать в себе «ядро» — элемент, который в меньшей степени подвержен изменениям в текущей ситуации, обеспечивая устойчивость образования как феномена.
Базовая аксиоматика прогностического подхода
Исследование будущего, перспектив или тенденций, а говоря языком футурологии, того, что еще не воплощено, содержит в себе строго предопределенные посылки. Они заключаются в следующем:
— будущее субстрактивно — будущее не только прибавляет, но и вычитает (не только конкретные люди, социальные концепции и идеи подвержены забвению, но исчезают и технологии — например, пейджер);
— будущее формативно — имеет конкретную форму (в случае содержания речь всегда будет идти о существовании некоторой упорядоченности и связях, соответственно, понимании и логики самой формы, то есть в будущем ничего не существует просто так, абстрактно, в «воздухе», для этого есть своя логика, которая может быть не всегда доступна для понимания, исходя из текущей ситуации; в случае материи — речь идет о конкретных воплощенных характеристиках объекта);
— будущее аддитивно — в нем есть несколько слоев, в точности так же, как и в настоящем (любые процессы не происходят одновременно и равномерно по всему земному шару, и сами процессы могут накладываться один на другой);
— будущее подвержено влиянию совокупности факторов (социальных, экономических, технологических, психологических и др.), в том числе фактору «черного лебедя» [термин — Нассим Талеб] (неожиданное событие, которое имеет значительные последствия, но, несмотря на неожиданность, в ретроспективе имеет рационалистическое объяснение);
— будущее вариативно и не детерминировано — не существует абсо-
лютной предопределенности событий, а следовательно, единственного варианта, поскольку на них могут влиять неизвестные или неочевидные на данный момент переменные;
— будущее является результатом выбора людей, но сам выбор ограничен средой, ресурсами, знаниями и убеждениями (заблуждениями) человека;
— будущее включает в себя инерцию настоящего (например, текущий цикл), но не продолжает его в полной мере (прогнозы только на посылках текущей ситуации ошибочны, то есть нельзя рассуждать о будущем только в терминах и реалиях настоящего и тем более прошлого);
— будущее не ограничено логикой прогноза, в отличие от самого прогноза (любой прогноз ограничен собственной логикой).
Исследование образования в рамках прогностического подхода должно строиться на данных посылках, в противном случае, оно будет утрачивать «прогностичность».
Методы исследования и интерпретация результатов в рамках прогностического подхода
Прогнозирование в каждой из областей научного познания окружающей действительности обладает собственными характеристиками. Например, количественный анализ общих экономических процессов может оказаться гораздо точнее, чем бум или крах фондового рынка, тогда как в инженерии возможные виды отказа прогнозируются с высокой точностью — механическая неисправность, износ, коррозия и т.д. В медицине, например, прогноз более точен к большим статистическим популяциям, нежели к отдельно взятому пациенту, то есть предполагаемый процент смертельных исходов от рака может быть достоверным, но в случае отдельного пациента необходимы именно индивидуальные характеристики, в том числе, особенности протекания заболевания, чтобы отнести пациента к той или иной группе.
Именно поэтому в социальных науках очень часто используются качественные методы, которые позволяют верифицировать гипотезы и уточнять исходные данные, выявлять важные факторы, которые в итоге оказывают влияние на конечный результат. Образование разными исследователями рассматривается с различных позиций — как социальный институт, как система, как антропологический или социально-психологический феномен и т.д. Это, в свою очередь, указывает на разнообразие факторов, которые оказывают влияние на «результат».
Исследованием будущего, как предметом анализа, занимается не только футурология (область исследований), но и форсайт (способ исследований). Их отличие между собой в том, что форсайт направлен на практическую сторону общественной жизни. Форсайт (англ. Future Studies — исследования будущего), известный так же, как «треугольник форсайта», основывается на комбинации креативности, экспертизы и взаимодействия (между участниками). Он представляет собой основанную на исследованиях практику изучения ожидаемого и альтернативного будущего и управления будущим для обоснования стратегии развития.
Форсайт, как форма критического мышления в отношении будущего, является совокупностью методов экспертной оценки стратегических направлений развития и прорывов [5] и часто используется с целью обсуждения различных гипотез, их комбинирования и практического применения прогнозов — например, для выявления критически важных технологий и построения дорожных карт. Фактически, форсайт и занимается исследованием технологических изменений, а не изучением будущего как такового, в отличие от футурологии.
Обычно в рамках форсайта используются такие методы и приемы, как технологическое прогнозирование (предсказание будущих характеристик технологий), сканирование горизонта (выявление потенциально новых технологий и угроз, рисков), прогноз по аналогии (прогнозирование на основе схожести объектов), подготовка к будущему (анализ последствий критических ситуаций, глобальных рисков и разработка методов и способов их минимизации), колесо будущего (графическая визуализация прямых и косвенных последствий определенного изменения или развития), разработка дорожной карты (определение ключевых точек развития), системный анализ (разделение исследуемого объекта на составные части и анализ их связей), анализ тенденций (выявление и обобщение закономерностей), консенсус-прогноз (объединение различных прогнозов) и др. Данные методы в точности также применимы к исследованию развития образования в перспективе, как предмета исследований.
Среди методов, которые могут использоваться в рамках прогностического подхода, можно выделить такие методы, как метод Дельфи (опрос экспертов), сценарный метод (разработка сценария развития), метод тематического анализа (анализ академических и не академических материалов по теме), ретроспективный анализ (от будущего к настоящему,
история «наоборот»), моделирование (создание модели), эволюционный метод (анализ развития конкретного феномена), прогноз по аналогии (экстраполяция с «образца» на «модель»), типологический метод (выявление в пестром разнообразии общих характеристик и сведение их к типам, классам, трендам и т.д.), метод парных сравнений (сравнение объектов в парах), анализ вероятности (определение степени вероятности «необычное/невозможное») и т.д. Рассмотрим некоторые из них.
Метод Дельфи, как метод экспертной оценки, для прогнозирования обосновывается тем, что «данные», которые получают от прогнозирующего эксперта, основаны на его когнитивном опыте и логически формируют интуитивную кривую вероятности. При этом обязательным условием, как показало исследование Нейта Сильвера, является важность глубины осведомленности эксперта и различение статистических принципов в зависимости от тематики (исследуемого объекта) — например, построение прогнозов в бейсболе, финансах и прогнозирование погоды. Любое масштабирование может представлять риск для получения недостоверных выводов, так как цифры и факты не имеют самостоятельного значения — именно человек наполняет их смыслом. Поэтому любые прогнозы будут носить отпечаток субъективных убеждений [18]. Использование метода Дельфи будет требовать от исследователя тщательно продуманного набора критериев отбора экспертов и выявления возможных расхождений в их оценках и прогнозах. Обобщенные прогнозы и сценарии, построенные на разных мнениях, в данном случае будут минимизировать «аномалии» субъективности, «вшитой» в оценку отдельно взятого эксперта. Важно учитывать, что эксперты не должны быть осведомлены об оценках других участников исследования до его окончания, поскольку в этом случае может проявляться конформность.
Сценарный метод, как метод стратегического планирования, активно использовался военными и экономистами для составления гибких долгосрочных планов. Разработка сценариев, как правило, основывается на системном мышлении, которое воплощается как сложное сочетание различных факторов и обязательно должно включать в себя трудно формализуемые факторы (новые технологии и изобретения, изменения в ценностях и т.д.). В академической среде есть такая концепция, как «дикие карты», к которым относятся события, нарушающие/создающие тенденции, которые очень трудно или даже невозможно предвидеть, но, тем не менее, их следует ожидать в сложных и быстро меняющихся усло-
виях [15]. Для разработки сценария необходимо определить: ключевой вопрос, на который будет дан ответ в результате анализа; время (цикличность каких-то процессов); ключевых стейкхолдеров (заинтересованных сторон); движущие силы (социальные, экономические, технологические и т.д.); ключевые неопределенности и их возможный масштаб; крайние точки развития событий (от самых негативных до самых позитивных). В практике обычно прибегают к разработке нескольких вариантов сценариев — например, негативный, умеренный, позитивный. Сценарный метод позволяет определить потенциальные траектории и найти вопросы, которые необходимо ставить в повестку. И хотя отношение к сценарному методу неоднозначное, он активно используется до сих пор и точно также может быть применим к исследованию образования в рамках прогностического подхода. При интерпретации результатов, полученных при использовании сценарного метода, всегда необходимо сверять их с ключевым вопросом (целью), а любой сценарий уточнять при получении новых данных.
Ретроспективный анализ, в отличие от исторических исследований, в рамках прогностического подхода трактуется несколько иначе. Основной отличительной чертой ретроспективного анализа является фокус не на том, какое будущее может произойти, а на том, как желаемое будущее может быть достигнуто [17]. На первом этапе определяются желаемые характеристики объекта и далее, в обратном порядке, шаг за шагом, выстраивается траектория достижения желаемых характеристик. В исследовании образования такой метод может применяться, например, для разработки рамок квалификаций и стандартов профессий, которые предположительно будут возникать в ближайшем будущем.
Еще одним интересным методом является анализ вероятности, который строится на оценке степени возможности наступления события в разрезе «необычное/невозможное». Данный метод, благодаря специфическому фокусу при анализе, позволяет определять «неизвестное о неизвестном». Ключевой проблемой в данном случае является то обстоятельство, что многие события воспринимаются людьми сквозь призму их опыта, когда возможность наступления тех или иных событий определяется исключительно глубиной «знакомства» с потенциальным событием. Данный метод дает возможность формулирования самых необычных гипотез, позволяющих очерчивать контуры потенциальных рисков и поиска инструментов их нивелирования. В сфере образования
исследования с помощью данного метода могут открывать болевые точки, связанные с экзистенциальными вопросами отношений робота и человека, когнитивных и даже биологических возможностей человека, ограничений психических ресурсов и др. Сложность интерпретации результатов исследований с помощью данного метода заключается в субъективности и задача исследователя, в этом случае, не столько преодолеть эту субъективность (что невозможно), сколько учитывать ее, показывая ее как ограничение, которое влияет на результаты исследования.
Интерпретация результатов в рамках прогностического подхода должна исходить из следующих важных положений:
— наличие статистической корреляции между двумя переменными не означает, что они зависят друг от друга;
— любая модель зависит от предпосылок, на основе которых она строится (в том числе субъективности эксперта/исследователя);
— наличие «аномалий» в результатах с высокой степенью вероятности будет свидетельствовать об ошибке;
— полученные результаты не являются детерминированными и подлежат регулярному пересмотру, тестированию.
Ограничения прогностического подхода
Прогностический подход к исследованию образования обладает собственными ограничениями, которые определяются как предметом исследования, так и внутренней логикой самого подхода.
Во-первых, прогностический подход, в силу своей специфики, невозможно отнести к чисто позитивистским направлениям науки, когда состоятельность научной аргументации определяется эмпирическими данными. С одной стороны, эмпирические данные являются важнейшим источником для аналитической выборки, но с другой — они фиксируют и отражают текущее состояние объекта и существующее знание и не содержат прогностического потенциала как такового. В ряде случаев именно творческая переработка данных способствует улучшению точности и качества прогнозов. С точки зрения философии, прогностический подход не является исключительно рациональным, хотя для прогнозов и применяются строгие методы логики, поскольку в ряде случаев прогнозы и сценарии могут опираться и на интуицию как один из инструментов познания окружающей действительности.
Во-вторых, прогностический подход будет имплицитно включать в себя субъективность эксперта или исследователя. Человек, включен-
ный в систему социальных отношений, является носителем личностных предпочтений и когнитивных искажений, обладает мотивами (например, страх признаться в ошибочности прогноза), политической ангажированностью и т.д. Преодоление такой субъективности, пожалуй, окончательно невозможно, и поэтому исследования в рамках прогностического подхода обязательно должны включать в себя механизмы верификации, соотнесения отдельно взятого прогноза с другими прогнозами.
В-третьих, специфичность и репрезентативность выборки. Поскольку прогностический подход сочетает в себе как количественные, так и качественные методы, то всегда будет возникать вопрос, например, о критериях выборки экспертов для исследования. Что в данном случае будет определяющим при выборе? Индекс Хирша? Наличие длительного опыта практической деятельности? Принадлежность к социальному статусу? Данная проблема, по всей видимости, может решаться с помощью комбинирования критериев.
В-четвертых, отсутствие строго заданной академической области исследования и, как следствие, общепринятых и устоявшихся в профильной академической среде методов (например, в социологии или экономике). В силу этого в рамках прогностического подхода могут использоваться экспериментальные и альтернативные методы исследования, которые могут критиковаться традиционной наукой.
Дополнительно необходимо отметить и «внешние» ограничения, которые оказывают влияние на прогностический подход, хотя и не являются методологической спецификой как таковой, то есть относятся не к самой методологии, но непосредственно влияют на нее.
Глобализация и интернет чрезвычайно усложняют количество и качество связей между людьми, государствами и различными событиями, что в свою очередь, всегда будет накладывать на прогностический подход ограничения в части его предсказательного потенциала.
Феномен «сверхуверенности» (термин использовал Нассим Талеб [19]), как когнитивное искажение, придающее человеку уверенность в своих суждениях и действиях без соответствия этих суждений и действий объективной точности, накладывает ограничения на прогностический подход с точки зрения возможности точно предсказывать события и процессы, связанные с «черными лебедями» [там же].
Говоря об ограничениях прогностического подхода, следует учитывать, что некоторые из них могут быть неочевидными на данном этапе
развития науки и техники, и их выявление возможно как раз с помощью проведения конкретных исследований в рамках прогностического подхода к исследованию образования.
Заключение
Прогностический подход к исследованию образования, безусловно, обладает как рядом преимуществ, так и недостатков. Однако его специфической особенностью является ориентированность не только на социальный заказ или иные внешние запросы (вызовы), но и на внутреннюю логику и природу развития самого феномена образования, которая зачастую остается за скобками. Именно поэтому исследования в рамках данного подхода будут вносить вклад не только в футурологию образования, но и в теорию образования, позволяя синтезировать методы различных научных областей и получать специфические данные.
Интерес к прогностическим исследованиям существует и со стороны государства. Среди актуальных тематик в разделе «прогностические исследования в педагогической науке», сформулированных по результатам опроса профильных организаций, экспертизы ВАК РФ, отделений РАО и общественного обсуждения, в 2023 году были выделены следующие: исследование проблем и перспектив развития государственной образовательной политики; исследование теоретико-методологических основ развития образовательных систем, в том числе с учетом региональных особенностей; методология педагогического прогнозирования; прогнозирование тенденций развития образования; прогностическая функция педагогического исследования; разработка структуры научно-педагогического прогноза в области образования; тенденции развития образования как основа прогнозирования образовательных практик. (Комментарий 1).
Перспективными тематиками в этой области также видятся следующие: влияние цифровых технологий на развитие образования в среднесрочной и долгосрочной перспективе; влияние искусственного интеллекта на развитие образования в среднесрочной и долгосрочной перспективе; трансформация подходов к оценке качества образования в условиях развития искусственного интеллекта; перспективы изменений функций, форм и средств профессиональной деятельности педагога; педагогическое взаимодействие в условиях роботизации повседневности; перспективы педагогической этики в условиях роботизации и искусственного интеллекта; теории и концепции образования в свете
биоцифровой трансформации человека; прогнозирование развития средств, форм и методов обучения; прогнозирование траекторий развития и инструментов адаптации образования в условиях исчезновения/ возникновения профессий и т.д.
Комментарии
1) Перечень актуальных тематик диссертационных исследований в области наук об образовании. Российская академия образования, Высшая аттестационная комиссия при Минобрнауки России. М., 2023. 120 с.
Литература
1. Иванова С. В., Иванов О. Б. Перспективы развития образования в условиях четвертой промышленной революции // ЭТАП: экономическая теория, анализ, практика. 2019. № 6. С. 7-30. https://doi.org/10.24411/2071-6435-2019-10120.
2. Илич И. Освобождение от школ. Пропорциональность и современный мир. М.: Просвещение, 2006. 160 с.
3. Калаков Н. И. Глобалистическая прогностика как междисциплинарная наука: методологические основы: монография. Ульяновск: Вектор-С, 2008. 97 с.
4. Неборский Е. В. Сегодняшнее завтра: глобальные риски как фактор трансформации высшего образования // Отечественная и зарубежная педагогика. 2020. Т. 1, № 4(69). С. 62-74.
5. Соколов А. В. Форсайт: взгляд в будущее // Форсайт. 2007. Т. 1, № 1. С. 8-15. http://dx.doi.Org/10.17323/1995-459x.2007.1.8.15
6. Хуторской А. В. Прогнозирование инноваций в образовании. К обоснованию педагогической футурологии // Эйдос. 2019. № 3. С. 1-10.
7. Blasques F., Hoogerkamp M., Koopman S., Werve I. Dynamic factor models with clustered loadings: Forecasting education flows using unemployment data // International Journal of Forecasting. 2021. Vol. 37, Issue 4. P. 1426-1441. https://doi.org/10.1016/j. ijforecast.2021.01.026
8. Boudreaux E., Rundensteiner E., Liu F., Wang B., Larkin C., Agu E., Ghosh S., Semeter J., Simon G., Davis-Martin R. Applying Machine Learning Approaches to Suicide Prediction Using Healthcare Data: Overview and Future Directions // Front Psychiatry. 2021. Vol. 12. 707916. https://doi.org/10.3389/fpsyt.2021.707916
9. Christou V., Tsoulos I., Loupas V., Tzallas A., Gogos C., Karvelis P., Antoniadis N., Glavas E., Giannakeas N. Performance and early drop prediction for higher education students using machine learning // Expert Systems with Applications. 2023. Vol. 225. 120079. https://doi.org/10.1016/j.eswa.2023.120079
10. Jhajharia K., MathurP. Prediction of crop yield using satellite vegetation indices combined with machine learning approaches // Advances in Space Research. 2023. Vol. 72, Issue 9. P. 3998-4007. https://doi.org/10.1016/j.asr.2023.07.006
11. Jo C., Hwan Kim D., Woo Lee J. Forecasting unemployment and employment: A system dynamics approach // Technological Forecasting and Social Change. 2023. Vol. 194. 122715. https://doi.org/10.1016/j.techfore.2023.122715
12. Krüger J., Britto A., Barddal J. An explainable machine learning approach for student dropout prediction // Expert Systems with Applications. 2023. Vol. 233. 120933. https://doi. org/10.1016/j.eswa.2023.120933
13. Liu C., XuZ., Zhao K., Xie W. Forecasting education expenditure with a generalized conformable fractional-order nonlinear grey system model // Heliyon. 2023. Vol. 9, Issue 6. e16499. https://doi.org/10.1016/j.heliyon.2023.e16499
14. Malik A., Onyema E., Dalal S., Lilhore U., Anand D., Sharma A., Simaiya S. Forecasting
students' adaptability in online entrepreneurship education using modified ensemble machine learning model // Array. 2023. Vol. 19. 100303. https://doi.Org/10.1016/j.array.2023.100303
15. Mendonga S., Cunha M., Ruff F., Kaivo-oja J. Venturing into the Wilderness: Preparing for Wild Cards in the Civil Aircraft and Asset-Management Industries // Long Range Planning. 2009. Vol. 42, Issue 1. P. 23-41. https://doi.org/10.1016/j.lrp.2008.11.001
16. Overland I. The geopolitics of renewable energy: Debunking four emerging myths // Energy Research & Social Science. 2019. Vol. 49. P. 36-40. https://doi.org/10.1016/j. erss.2018.10.018
17. Robinson J. Futures under glass: A recipe for people who hate to predict // Futures. 1990. Vol. 22, Issue 8. P. 820-842. https://doi.org/10.1016/0016-3287(90)90018-D
18. Silver N. The Signal and the Noise: Why So Many Predictions Fail — but Some Don't. New York: Penguin Books, 2015. 576 p.
19. Taleb N. The Black Swan: The Impact of the Highly Improbable. New York: Random House Publishing Group, 2007. 366 p.
20. Waheed H., Hassan S.-U., NawazR., Aljohani N., Chen G., Gasevic D. Early prediction of learners at risk in self-paced education: A neural network approach // Expert Systems with Applications. 2023. Vol. 213, Part A. 118868. https://doi.org/10.1016/j.eswa.2022.118868
21. Yang M., Wang R., Zeng Z., Li P. Improved prediction of global gold prices: An innovative Hurst-reconfiguration-based machine learning approach // Resources Policy. 2024. Vol. 88. 104430. https://doi.org/10.1016/j.resourpol.2023.104430
References
• Ivanova S. V., Ivanov O. B. Perspektivy razvitiya obrazovaniya v usloviyakh chetvertoy pro-myshlennoy revolyutsii // ETAP: ekonomicheskaya teoriya, analiz, praktika. 2019. № 6. S. 7-30. https://doi.org/10.24411/2071-6435-2019-10120. [In Rus]
• Ilich I. Osvobozhdeniye ot shkol. Proportsional'nost' i sovremennyy mir. M.: Prosveshcheniye, 2006. 160 s. [In Rus]
• Kalakov N. I. Globalisticheskaya prognostika kak mezhdistsiplinarnaya nauka: metodologicheskiye osnovy: monografiya. Ulyanovsk: Vektor-S, 2008. 97 s. [In Rus]
• Neborsky E. V. Segodnyashneye zavtra: global'nyye riski kak faktor transformatsii vysshego obrazovaniya // Otechestvennaya i zarubezhnaya pedagogika. 2020. T. 1, № 4(69). S. 62-74. [In Rus]
• Sokolov A. V. Forsayt: vzglyad v budushcheye // Forsayt. 2007. T.1, № 1. S. 8-15. http://dx.doi. org/10.17323/1995-459x.2007.1.8.15 [In Rus]
• Khutorskoy A. V. Prognozirovaniye innovatsiy v obrazovanii. K obosnovaniyu pedagogiches-koy futurologii // Eydos. 2019. № 3. S. 1-10. [In Rus]
• Blasques F., Hoogerkamp M., Koopman S., Werve I. Dynamic factor models with clustered loadings: Forecasting education flows using unemployment data // International Journal of Forecasting. 2021. Vol. 37, Issue 4. P. 1426-1441. https://doi.org/10.1016/j.ijforecast.2021.01.026
• Boudreaux E., Rundensteiner E., Liu F., Wang B., Larkin C., Agu E., Ghosh S., Semeter J., Simon G., Davis-Martin R. Applying Machine Learning Approaches to Suicide Prediction Using Healthcare Data: Overview and Future Directions // Front Psychiatry. 2021. Vol. 12. 707916. https://doi.org/10.3389/fpsyt.2021.707916
• Christou V., Tsoulos I., Loupas V., Tzallas A., Gogos C., Karvelis P., Antoniadis N., Glavas E., Giannakeas N. Performance and early drop prediction for higher education students using machine learning // Expert Systems with Applications. 2023. Vol. 225. 120079. https://doi. org/10.1016/j.eswa.2023.120079
• Jhajharia K., Mathur P. Prediction of crop yield using satellite vegetation indices combined with machine learning approaches // Advances in Space Research. 2023. Vol. 72, Issue 9. P. 3998-4007. https://doi.org/10.1016/j.asr.2023.07.006
• Jo C., Hwan Kim D., Woo Lee J. Forecasting unemployment and employment: A system dynamics approach // Technological Forecasting and Social Change. 2023. Vol. 194. 122715. https://doi.org/10.1016/j.techfore.2023.122715
• Krüger J., Britto A., Barddal J. An explainable machine learning approach for student drop-
out prediction // Expert Systems with Applications. 2023. Vol. 233. 120933. https://doi. org/10.1016/j.eswa.2023.120933
• Liu C., Xu Z., Zhao K., Xie W. Forecasting education expenditure with a generalized conformable fractional-order nonlinear grey system model // Heliyon. 2023. Vol. 9, Issue 6. e16499. https://doi.org/10.1016/j.heliyon.2023.e16499
• Malik A., Onyema E., Dalal S., Lilhore U., Anand D., Sharma A., Simaiya S. Forecasting students' adaptability in online entrepreneurship education using modified ensemble machine learning model // Array. 2023. Vol. 19. 100303. https://doi.org/10.1016/j.array.2023.100303
• Mendonga S., Cunha M., Ruff F., Kaivo-oja J. Venturing into the Wilderness: Preparing for Wild Cards in the Civil Aircraft and Asset-Management Industries // Long Range Planning. 2009. Vol. 42, Issue 1. P. 23-41. https://doi.org/10.1016/j.lrp.2008.11.001
• Overland I. The geopolitics of renewable energy: Debunking four emerging myths // Energy Research & Social Science. 2019. Vol. 49. P. 36-40. https://doi.org/10.1016/j.erss.2018.10.018
• Robinson J. Futures under glass: A recipe for people who hate to predict // Futures. 1990. Vol. 22, Issue 8. P. 820-842. https://doi.org/10.1016/0016-3287(90)90018-D
• Silver N. The Signal and the Noise: Why So Many Predictions Fail — but Some Don't. New York: Penguin Books, 2015. 576 p.
• Taleb N. The Black Swan: The Impact of the Highly Improbable. New York: Random House Publishing Group, 2007. 366 p.
• Waheed H., Hassan S.-U., Nawaz R., Aljohani N., Chen G., Gasevic D. Early prediction of learners at risk in self-paced education: A neural network approach // Expert Systems with Applications. 2023. Vol. 213, Part A. 118868. https://doi.org/10.1016/j.eswa.2022.118868
• Yang M., Wang R., Zeng Z., Li P. Improved prediction of global gold prices: An innovative Hurst-reconfiguration-based machine learning approach // Resources Policy. 2024. Vol. 88. 104430. https://doi.org/10.1016/j.resourpol.2023.104430
Статья поступила в редакцию 19.12.2023; одобрена после рецензирования 06.03.2024; принята к публикации 10.03.2024.
The article was submitted 19.12.2023; approved after reviewing 06.03.2024; accepted for publication 10.03.2024.
