Персональный блог Филипповича Андрея

Некоторое время назад вместе с моей аспиранткой Мариной Даньшиной подготовили тезисы для Зимней сессии Междисциплинарного форума «КроссЛингва-2013», в которых кратко раскрыты подходы к использованию методов машинного перевода для дешифровки знаменных песнопений. Подробнее о проекте — http://it-claim.ru/semio.

Современная технология записи нот на линейках проста в понимании и позволяет передать мелодии с высокой точностью, однако до ее изобретения и повсеместного распространения использовались другие музыкальные системы. Например, в певческой культуре Древней Руси широко использовалась знаменная нотация, которая состояла из множества специальных знаков, называемых крюками или знаменами. Они имели сложную структуру и соответствовали комбинации нот различной высоты и длительности.

Первые музыкальные рукописи – церковные песнопения ‑ не содержали подсказок исполнителю о высоте или длительности нот, что вызывало трудности для правильного исполнения, поэтому в более поздние музыкальные записи стали добавлять специальные пометы. Распространение нотолинейных музыкальных систем привело к появлению специальных книг (азбук), в которых фиксировались правила расшифровки (дешифровки) знамен и их комбинаций, а также особого класса рукописей – двузнаменников (двознаменников), которые содержали описания правил исполнения в двух нотациях – знаменной и линейной.

Такие книги можно считать аналогами параллельных корпусов текстов на разных языках, и именно они являются главным источником информации для расшифровки знаменных песнопений. Общее количество знамен, с помощью которых производилась запись, оценивается по-разному. В нашем исследовании было экспериментально выявлено более 200 различных знамен, которые могут переводиться одной или несколькими нотами. Помимо этого следует учитывать, что рукописи содержат специальные структуры (фиты, лица), которые как и фразеологизмы в тексте необходимо интерпретировать особенным образом.

Для расшифровки древних безлинейных нотаций применяются два подхода:

• ретроспективный ‑ от более поздних (с наличием подсказок и азбук) ‑ к более ранним рукописям;
• прогрессивный ‑ начинают изучение с самых древних форм и прослеживают их развитие с течением времени.

Первый подход затруднен тем, что имеющиеся двузнаменники и азбуки неполны и противоречивы, а их всесторонний анализ трудно реализуем без средств автоматизации. В рамках второго подхода требуется построение динамической модели развития музыкальных систем записи, с научно обоснованным указанием причин и механизмов тех или иных изменений. Подобная исследовательская деятельность еще более сложна для формализации, т.к. требует работы с большим количеством исторических фактов, которые представлены в многочисленных древних рукописях и могут быть по разному интерпретированы.

В рамках проекта «Компьютерная семиография» (http://it-claim.ru/semio) для дешифровки знаменных песнопений предлагается использовать методы машинного перевода (МП), которые можно разделить на три основные группы:

• прямой (пословный) перевод,
• перевод с помощью лингвистических правил,
• статистический перевод на основе корпусов параллельных текстов.

Несмотря на полувековую историю МП и множество исследований в области лингвистики, на сегодняшний день еще не созданы системы автоматического перевода с одного языка на другой, способные заменить человека. В области компьютерной расшифровки древнерусских музыкальных рукописей делаются только первые шаги, да и музыкальные модели менее изучены, поэтому и здесь реализовать полностью автоматическую систему перевода из одной нотации в другую пока невозможно. В связи с этим в проекте «Компьютерная семиография» реализуются задачи по созданию конкретных инструментов, позволяющие автоматизировать рутинные операции и проводить проверку различных гипотез.

При поддержке гранта Российского гуманитарного научного фонда №110412025в «Автоматизированная система научных исследований в области компьютерной семиографии (АСНИ КС)» был разработан ряд сервисов, предназначенных для экспертов в области музыкальной медиевистики, которые помогают осуществлять перевод из знаменной в нотолинейную нотацию, и обосновывать его научно.

На их основе была спроектирована компонентная методика автоматизированной дешифровки, которая включает модели, методы, алгоритмы, реализованные программные комплексы, результаты статистических исследований и рекомендации, а также шрифты, технологии ввода и структуры данных, которые учитывают специфику знаменной нотации.

Для автоматизации задач перевода в качестве основных исходных данных были выбраны четыре типа музыкальных рукописей:

• музыкальные азбуки, которые представляют собой сборники простых продукционных правил и позволяют реализовать прямой («познаменный») перевод;
• кокизники (сборники фит и лиц), которые описывают особенности прочтения некоторых сочетаний знамен, не сводимых к познаменному переводу.
• сборники попевок, которые содержат перечни устойчивых «музыкальных сочетаний» и позволяют выявлять «законченные» фрагменты песнопений, а также специфику правил их исполнения.
• двузнаменники – корпусы «параллельных музыкальных текстов», которые могут использоваться как для статистического перевода, так и для выявления внутренних законов (правил) построения знаменных песнопений.

Для обработки каждого типа рукописей предложены отдельные инструменты и технологии. Например, для перевода на основе азбук можно составить список продукционных правил с приоритетами и осуществить экспериментальную дешифровку в музыкальном проигрывателе, который показывает результаты перевода не только визуально, но и дает возможность проанализировать мелодию на слух. Приоритеты используются в тех случаях, когда при дешифровке нужно переводить сочетания знамен.

Для анализа двузнаменников разработаны и апробированы различные технологии статистического перевода:

• методы построения «модели языка«:
  • с помощью программного комплекса SemioStatistic, который позволяет вычислить вероятности встречаемости знамен и их комбинаций.
  • на основе N-граммной модели – вероятность следования знамени определяется с учетом вероятностей предшествующих знамен.
• построение «модели перевода» в зависимости от характера «знаменных конструкций» (их размерности) может быть реализовано на основе:
  • текстовых фраз, которые сопровождают нотную запись – выбираются  последовательности знамен, соответствующие предложению или его части (до знака препинания);
  • попевок – устойчивых сочетаний знамен из соответствующих сборников, составленных вручную древними авторами или исследователями;
  • фиксированного контекстного окна – выбранного количества знамен (используется в N-граммной модели).

В перспективе планируется дополнить механизмы перевода методами синтаксического анализа, построенными на основе выявленных моделей (см. предыдущий пост — http://blogs.it-claim.ru/andrey/2012/11/05/musical-infocognitive-technologies-and-znamennye-chant/), а также разработать возможность гибкой настройки параметров дешифровки.

Если кого-то заинтересовала эта тематика, то рекомендую дополнительно посмотреть публикации Лаборатории Анализа Данных Института математики им. С. Л. Соболева СО РАН совместно с Новосибирской консерваторией им. М. И. Глинки по проекту «Электронные азбуки для дешифровки знаменных песнопений«.

Некоторое время назад мне удалось систематизировать некоторые (к сожалению не все) наработки одной из моих аспиранток — Ирины Голубевой (Даньшиной), и мы написали с ней статью «Исследование синтаксиса семиографических песнопений». В ее вступительной части предпринята попытка показать значимость проводимых нами исследований не только в задачах сохранения древней культуры России, но и в фундаментальных вопросах изучения человека с точки зрения инфо-когнитивных технологий. Я надеюсь, что сомневающие в перспективности и практической значимости нашего проекта студенты смогут по новому взглянуть на него и осознать существо хоть и «долгой», но все-таки инновации, и возможно даже революционной  )))   

Одним из перспективных направлений развития инфо-когнитивных технологий является исследование механизмов работы невербального сознания людей. Особое место в изучении этих вопросов занимают музыка и связанные с ней когнитивные процессы, которые часто находятся в тесной связи с речевой деятельностью человека.

Музыка также как и язык является предметом коммуникации и не существует вне общения людей [1], поэтому она всегда выступает результатом некоторого человеческого посредничества или исполнения, хотя источниками звуков могут служить различные природные и техногенные явления.

Для объяснения близости двух когнитивных систем выдвинута гипотеза о том, что музыка и язык развивались из общего предка – «музолингвальной системы» («musilanguage system»), которая и определила их общие признаки [2]. По мере развития две системы приобрели самостоятельные и уникальные черты, однако по-прежнему тесно взаимодействуют между собой.

Исследователи в области нейролингвистики полагают, что письменная речь является отражением мыслительных процессов человека и раскрывает законы языкового мышления. Это дает основания предположить, что и музыкальные записи хранят в себе ответы на вопросы об устройстве невербального сознания, его эмоциональной, культурной и других составляющих.

Создание графических средств, позволяющих зафиксировать музыкальные произведения на бумаге, явилось революционным событием в истории музыки и тесно связано с развитием письма в целом ‑ первые системы языкового и музыкального письма появились в одних культурах и принадлежат одному типу письма. [13]

Записи музыки, как и записи речевых сообщений, начинались с рисунков, которые постепенно эволюционировали в направлении к пиктографии и иероглифике. Об этому свидетельствуют первые рисуночные и иероглифические жреческие записи музыки, которые были найдены в Древнем Египте [13]. Несколько веков спустя, в VI-VII вв. в европейской (греческой) церковной музыке появляется невменная нотация, которая, трансформируясь, развивается в Византии и вместе с христианством приходит в древнерусские песнопения.

Музыкальные произведения Руси XI-XVII веков записывались с помощью специальной музыкальной системы (нотации), которую принято называть знаменной или семиографической. Она содержит нескольких сотен знамен (крюков), каждому из которых соответствует определенная последовательность звуков различной длительности и высотности.

Во время Петровских реформ знаменная нотация была заменена на «итальянскую» ‑ более простую и современную ното-линейную систему, которую мы используем и по сей день. К сожалению, во время преобразований был утрачен «ключ» к расшифровке мелодий, что не позволяет однозначно перевести многие старинные песнопения в современное представление.

Вместе с тем музыкальные записи, начиная с первой половины XVII века, имеют дополнительные обозначения относительной высоты звуков и длительности, которые являются «подсказками» исполнителю. Это позволяет анализировать их, и переносить полученные знания на песнопения более ранних периодов. Однако для полной расшифровки необходимо выявлять в знаменной нотации внутренние законы, в силу которых мелодии записывались с помощью одних знамен, а не других.

Для решения этой задачи в рамках проекта «Автоматизированная система научных исследований в области компьютерной семиографии (АНСИ КС)» выдвинута гипотеза о наличии в знаменных песнопениях определенной семиотической системы, близкой по своей структуре и механизмам к естественному языку. Это позволяет применять лингвистические методы для обработки и анализа песнопений, выявления их музыкального «лексикона», синтаксиса, семантики и прагматики.

В случае всестороннего подтверждения указанной гипотезы будут достигнуты не только ценные результаты по сохранению богатого наследия национальной певческой культуры, но и открыты новые фундаментальные механизмы музыкальных инфо-когнитивных технологий.

Музыкальная семиотика

Знаменные песнопения являются одной из множества знаковых систем, которыми люди пользуются в целях коммуникации, передавая музыкальные сообщения о своих мыслях, чувствах, переживаниях. Знаки в музыке и образуемые ими знаковые системы изучает музыкальная семиотика, в рамках которой в настоящее время сформулировано множество различных теорий, моделей и подходов: Теория восприятия и понимания мелодий ‑ модель Implication/Realization (I/R) [3], Парадигматический анализ [4,5], Порождающая Теория Тональной Музыки (GTTM) [6] и др.

Разработанные подходы не могут быть напрямую применены для анализа и расшифровки знаменных песнопений, т.к. они опираются на современную ното-линейную систему и не учитывают специфику семиографического представления. Однако в перспективе, после получения вариантов расшифровки, можно осуществить оценку указанных теорий на предмет их применимости для разрешения многозначности трактовок.

Для использования лингвистических методов при анализе песнопений были проведены «лингво-музыкальные» аналогии (таблица 1) и выделены соответствующие семиотические конструкции в музыкальных произведениях. Основными элементами семиографических песнопений являются знамена, которые чем-то похожи на иероглифы – они имеют уникальные графемы, сформированные из базовых и дополнительных элементов («знамем»), соответствуют мелодиям и напевам (последовательности нот определенной высоты и длительности). Знамена в свою очередь могут комбинироваться в более сложные структуры – попевки, фиты, лица и другие музыкальные фигуры.

Если Вас заинтересовала эта тематика, то продолжение читайте в полной pdf-версии статьи. В блог их переложить трудоемко, т.к. там много, специальных символов, таблиц и рисунков ) 

Вчера-сегодня набросал схемы по документу, отражающему некоторые ключевые моменты:

Типология программ ДПО, их отличия

Взаимосвязь основных понятий (компетенции+квалификации)*уровни/результаты обучения (РО) и т.д.

Пример реализации схемы связей — http://it-claim.ru/Stud/It_ontology2/?role=3  (короткая ссылка http://it-claim.ru/ict ).  Это старый проект с рабочими данными (ЛАНИТ), поэтому на терминологию не обращайте внимание:

•    Базовые компетенции (Стандартные роли) ~ квалификации,
•    Компетенции (атомарные компетенции) ~ компетенции,
•    рекомендованная квалификация ~ уровни владения компетенций
•    индикатор ~ результаты обучения (хотя это все-таки разные вещи).

Еще предложения по зачетным единицам в ДПО  — но вроде уже не актуально, из закона исключили.. Основная идея, что ЗЕ в ДПО не нужны для трансфера, как в ВО, поэтому предожены две цели (области возможного применения).

Подготовил расширенные тезисы, я бы даже сказал, небольшую статью для Международной  конференции IITE 2012 — «ИКТ в образовании: педагогика, образовательные ресурсы и обеспечение качества»

АНАЛИЗ УЧЕБНЫХ ПРОГРАММ ДЛЯ ПЕДАГОГИЧЕСКИХ РАБОТНИКОВ НА СООТВЕТСТВИЕ РЕКОМЕНДАЦИЯМ ICT CFT ЮНЕСКО

Сегодня учащиеся во всем мире свободно используют информационно-коммуникационных технологий (ИКТ) для повседневного общения, творчества и обмена информацией, поэтому они ожидают от образования аналогичных возможностей. Однако их учителям необходима поддержка в понимании того, когда и каким образом использовать ИКТ в учебном процессе, чтобы найти с ними общий язык, передать свой опыт и обогатить знаниями.

ЮНЕСКО по итогам многолетнего успешного сотрудничества с CISCO, INTEL, ISTE и Microsoft и на основе рекомендаций специалистов в области информатизации образования в различных странах мира разработала Рекомендации ‑ документ «Структура ИКТ-компетентности учителей» (ICT Competency Framework for Teachers, или ICT-CFT), который ставит своей целью помочь каждой стране разработать всеобъемлющую стратегию и рекомендации в области ИКТ-компетентности учителей.

Вместе с тем существование норм и стандартов ИКТ-компетентности учителей само по себе недостаточно для того, чтобы произвести необходимые изменения. Важнейшим элементом, необходимым для преобразования школы и эффективного применения ИКТ, является подготовка и непрерывное повышение квалификации педагогов.

Учитывая представленные факторы, ИИТО ЮНЕСКО инициировало проведение исследования, которое направлено на анализ текущей ситуации в области ИКТ-подготовки педагогических работников (учителей и преподавателей)  и выработки рекомендаций по использованию ICT CFT.  В качестве пилотного региона выбрана Российская Федерация, где активно осуществляется информатизация образования. В фокусе внимания – учебные программы и курсы вузов, ссузов, институтов повышения квалификации, ИКТ-вендоров, производящих современное аппаратное и программное обеспечение и других организаций.

Основными задачами проекта являются:

• обзор и классификация учебных программ подготовки и повышения квалификации учителей в сфере ИКТ;
• разработка методики для проведения оценки учебных программ;
• оценка учебных программ на соответствие ICT CFT ЮНЕСКО;
• выявление проблемных зон и проработка подходов для совершенствования учебных программ и реализации в них рекомендаций ICT CFT.

ICT-CFT подчеркивает, что современному учителю недостаточно быть технологически грамотным и уметь формировать соответствующие технологические умения и навыки у своих учеников. Современный учитель должен быть способен помочь учащимся использовать ИКТ для того, чтобы успешно сотрудничать, решать возникающие задачи, осваивать навыки учения и, в итоге, стать полноценными гражданами и работниками. Таким образом, ICT CFT затрагивают шесть сторон (аспектов) работы учителей и преподавателей:

• Понимание роли ИКТ в образовании
• Учебная программа и оценивание
• Педагогические практики
• Технические и программные средства ИКТ
• Организация и управление образовательным процессом
• Профессиональное развитие

Рекомендации построены с учетом трех подходов к информатизации образования и связаны с соответствующими стадиями профессионального развития педагогов, осваивающих работу в ИКТ-насыщенной образовательной среде:

• «Применение ИКТ (TL)»  – требует от учителей способности помогать учащимся пользоваться ИКТ для повышения эффективности учебной работы.
• «Освоение знаний (KD)»  – требует от учителей способности помогать учащимся в глубоком освоении содержания учебных предметов, применении полученных знаний для решения комплексных задач, которые встречаются в реальном мире.
• «Производство знаний (KC)» – требует от учителей способности помогать учащимся, будущим гражданам и работникам, производить (порождать) новые знания, которые необходимы для гармоничного развития и процветания общества.

Пересечения трех подходов к обучению и шести аспектов задают структуру ИКТ-компетенций учителей и преподавателей, состоящую из 18 модулей.

Важно отметить, что модули соответствующих уровней (TL, KD, KC) не являются взаимоисключающими, а скорее дополняют друг друга – в общем случае невозможно реализовать более высокий уровень, не обеспечив более низкий.

Вместе с тем в результате проведенного анализа учебных программ на соответствие рекомендациями ICT CFT ЮНЕСКО было выявлено ряд сложностей, в том числе:

• В ICT CFT нет четких критериев разделения уровней, не всегда просматривается эволюционный (накопительный) характер. Это приводит к тому, что авторы программ рассматривают три подхода (уровня) как различные аспекты и пытаются их все учесть.
• В подавляющем большинстве программ нет полной реализации всех шести модулей. Более того, отдельные части программы можно отнести к разным подходам (уровням). Фактически наблюдается частично горизонтальная компоновка. Например, в рамках аспекта «Организация и управление образовательным процессом» рассматриваются «традиционные методы» (TL.5) и «группы сотрудничества» (KD.5).
• Более того, учебные программы зачастую раскрывают только отдельные аспекты нескольких из 18 модулей. Например, есть программы, которые рассматривают только вопросы «Информационной безопасности» (TL.6c).
• При самооценке авторы стремятся завысить уровень своих программ, ссылая на конкретные примеры из Рекомендаций и часто обтекаемые формулировки компетенций (и целей).

Особую сложность представляет оценивание учебных программ на соответствие уровню «Производство знаний (KC)»:

• Достижение этого уровня возможно и часто реализуется при индивидуальной работе (отдельные проекты школьников/студентов, конкурсы и т.д.), что вызывает сомнения о перспективности массовой подготовки учащихся на этом уровне.
• Не совсем ясно стоит ли сюда относить традиционную научно-исследовательскую деятельность школьников и студентов (НИРС).
• Можно ли на этот уровень классифицировать существующие сетевые проекты и сообщества учителей ‑  например, Летописи Intel или портал Творческих учителей Microsoft.

Анализ программ также выявил, что большинство учебных программ имеют слабое методическое описание. Это означает, что для полноценного анализа необходимо внимательного изучать все материалы, которые зачастую имеют значительный объем. Вместе с тем поверхностный анализ (по аннотации, или по содержанию учебного пособия) трудно обосновать.

Учитывая указанные сложности и ограничения, был проведен анализ нескольких программ крупных ИКТ-вендоров, ФГОС ВПО, отдельных программ повышения квалификации.

Крупные зарубежные и отечественные ИКТ-вендоры разрабатывают и поддерживают специальные программы или отдельные курсы для системы образования, которые можно разделить на следующие группы:

• V₁: курсы базовой компьютерной грамотности или технологической компетентности для учителей и преподавателей (например, Программа «Intel — Обучение для будущего»);
• V₂: учебные курсы для школ/вузов ‑ рассчитанные на обучение в «академическом режиме» ‑ в течение семестра (например, курсы программ Сетевых академий Cisco);
• V₃: специализированные тренинги, учебные курсы и сертификации для инструкторов тренинговых центров (например, программа  Microsoft Certified Trainer – MCT);
• V₄: учебно-методические комплексы по технологическим курсам, предназначенные для инструкторов тренинговых центров;
• V₅: технологические курсы, ориентированные на пользователей соответствующих ИКТ и представляемые системе образования на бесплатной или льготной основе. Как правило, эти курсы привязаны (готовят) к индустриальной сертификации.

Одними из лучших программ (проектов) с точки зрения соответствия ICT CFT явились учебные курсы «Intel — Обучение для будущего», Программа «Учимся с Intel» и «Microsoft – Партнерство в образовании».

При анализе федеральных государственных образовательных стандартов высшего профессионального образования (ФГОС ВПО) укрупненной группы «Образование и педагогика» (050000)  было выявлено множество недостатков, и разработаны конкретные предложения.

В частности рекомендуется в требованиях к результатам освоения основных образовательных программ ФГОС ВПО:

• Включить требования к приобретению профессиональных ИКТ-компетенций в соответствии с международными рекомендациями ЮНЕСКО ICT CFT.
• Указать необходимый уровень усвоения (результаты обучения) соответствующих компетенций для программ:
  • Бакалавриата – «Освоение знаний» (KD);
  • Специалитета и Магистратуры – «Производство знаний» (KC).

На период действия существующих ФГОС рекомендуется внести соответствующие дополнения (изменения) в основные образовательные программы вузов. Для федеральных и научно-исследовательских университетов их следует учесть при разработке собственных стандартов, ориентируясь на уровень «Производство знаний» (KC) Рекомендаций ЮНЕСКО ICT CFT.

Продолжая тему инфо-когнитивных технологий подготовки космонавтов, рассмотрим вопросы обучения автоматизированных и автономных СППР, роботизированных помощников, и систем дополненной реальности.

 Можно с большой уверенностью утверждать, что никакие перспективные технологии, вплоть до фантастической «загрузки» знаний и навыков «напрямую в мозг», не смогут решить все возрастающие потребности в управлении окружающим миром. Это означает, что в будущем мы будем по-прежнему или даже в большей степени нуждаться в интеллектуальных помощниках – системах дополненной реальности и автономных роботах.

Для космической индустрии задачи обучения интеллектуальных помощников уже сегодня являются актуальными и могут носить следующие формы:

• Удаленные помощники – форма обучения, в которой эксперты на земле в режиме прямого канала связи обучают «на лету» космонавтов, руководя их действиями. При этом обучение возможно в условиях невидимости/частичной видимости/полной видимости/ ситуационной визуализации/ 3D реконструкции окружающего пространства космонавтов.
• Обучающая система дополненной реальности (ARL ‑ Additional Reality Learning) – форма обучения, в которой система ARL обучает космонавта в реальном режиме времени. При этом возможны два основных режимы ‑ автономный, основанный на заложенных алгоритмах и данных, и дистанционный, когда обучением и управлением ARL руководят удаленные помощники.
• Система обучения/управления экзоскелетоном – форма обучения (программирования), направленная на приобретение навыков управления телом, скафандром. Основные режимы аналогичны системам ARL.
• Система обучения/программирования роботов (Adaptive Robotics Learning) – форма обучения роботизированных интеллектуальных помощников, находящихся на борту во время космического полета. Основные режимы работы – автономный (робот самостоятельно обучается новому поведению или собирает и обрабатывает новые данные для последующей совместной работы), дистанционный (обучение/программирование осуществляется удаленными экспертами) и дуальный, когда функции обучения/программирования берет на себя космонавт.

К перечисленным формам можно добавить и другие, которые связаны с коллективным, совместным эргатическим, смешанным и др. обучением. Успешная реализация рассмотренных форм обучения имеет значимую экономическую ценность, т.к. в перспективе позволит сократить затраты на доставку/спуск роботизированных помощников и космонавтов, осуществлять отработку новых, а также более разнообразных и сложных сценариев на орбите.

Оставив в стороне вопросы дистанционного управления/обучения экзоскелетоном и роботом, а также программирования поведения автономных систем, специфицируем некоторые задачи обучения в условиях дополненной реальности – ARL-системы должны:

• предоставлять образовательный контент с учетом конструкционных и технологических особенностей аппаратного обеспечения, в том числе:
  • аудио/видео (шире – мультимедийные) учебные ресурсы,
  • дополненный контент (формат представления – предмет будущих и очень перспективных исследований);
• осуществлять тренинг и контроль, определяя необходимый и допустимый уровень освоения компетенций;
• идентифицировать потребности в обучении, подбирать подходящий контент и оптимизировать программу обучения;
• автоматизировано формировать новый образовательный контент в случае отсутствия готового или инициировать и контролировать его разработку/доставку удаленными помощниками;
• осуществлять помощь (поддержку) в преподавании (обучении) космонавтом других членов экипажа, роботизированных помощников.

В заключении хочется отметить, что все рассмотренные подходы обозначены довольно поверхностно и для реализации отдельных контуров специализированного учебного ситуационного центра подготовки и обучения космонавтов требуется дополнительная проработка.

В предыдущих постах были определены ключевые направления развития систем подготовки космонавтов на базе ИКТ, а также рассмотрена специфика применения традиционных образовательных технологий. Здесь же речь пойдет о создании и совершенствовании программно-технических систем «обучения по требованию».

В условиях постоянно возрастающих объемов учебных материалов и их номенклатуры, а также серьезной нехватки времени и других ресурсов требуется разработка новых эффективных механизмов обучения.  Концепция «обучения по требованию» (Learning-on-Demand – LOD) сформировалась относительно недавно, однако ее прародители – множество технологий «изучения по требованию» уже хорошо известны, и ими активно пользуются в тех профессиях и задачах, где нет возможности или целесообразности изучения всех потенциально затребованных знаний.

В качестве примера можно привести профессии юриста (адвоката или патентоведа), который изучает прецеденты и отдельные нормативные документы в зависимости от конкретного дела, и журналиста, который погружается в предметную область при подготовке проблемной статьи или телепередачи.

На мой взгляд, главным отличием LOD должно являться формирование специального образовательного контента, а не просто информационного поля или базы знаний для «погружения» в задачу и тонкости ее решения. Соответственно, для автоматизации LOD необходимо создавать особый класс обучающих систем (шире ‑ систем управления знаниями), а для информационной поддержки – использовать поисковые системы или разнообразные аналитические инструменты поддержки принятия решений.

На практике эти два подхода являются скорее полюсами, чем альтернативными вариантами, между которыми существует множество промежуточных решений. Детальный обзор подходов к LOD выходит за рамки этого поста, поэтому приведу лишь несколько примеров:

• LOD как образовательный портал (образовательное пространство, среда), в котором учащемуся «предоставляется доступ не только к формальному обучению, управляемому через LMS, но и к различным ресурсам (таким как памятки, формы, регламенты, положения и другие документы), совместному опыту (блоги и workspaces), директориям экспертов и многочисленным готовым учебным электронным курсам» и т.д. [Евгения Скиба, Trainings.ru, 2008 г.]. Более подробно опыт IBM, на который ссылается статья, можно изучить в отчете «On demand learning: blended learning for today’s evolving workforce» (2005 г.).
• LOD как система (сервис) получения конкретного знания или умения. В далеком будущем, которое нам ярко нарисовали фантасты, необходимые знания и умения планируется загружать прямо в мозг через инфо-когнитивный интерфейс, а навыки тела – через системы «мышечной прокачки и программирования». Сегодня же можно довольствоваться ответами в форумах и специальных системах (например, Ответы Mail.ru, Google Вопросы и ответы), а для более сложных задач использовать экспертные системы с функциями объяснения или комплексные информационно-аналитические системы (например, ситуационные центры). Вместе с тем есть и специальные технологии, например «хирургическое обучение» (surgical learning) ‑ метод организации обучающего процесса, направленный на получение знаний и навыков по узкой теме / аспекту текущей работы сотрудника [см. кейс компании Procter & Gamble].
• LOD как технология обучения во время работы. В этом подходе акценты ставятся на выстраивании и балансировке системы обучения для специалистов, которым нужно повышать квалификацию для оптимизации своей деятельности. Успешность и эффективность обучения в этом случае достигается за счет правильной корреляции работы и обучения, закрепление новых компетенций на практике. Дополнительно можно посмотреть статьи: A New Organizational Learning Model: Learning On-Demand и From Knowledge Management to Learning on Demand. Здесь также можно провести параллели с технологиями Work-based Learning (WBL).

Создание программно-технических систем LOD для космонавтов безусловно имеет свою специфику, однако ключевые задачи носят достаточно универсальный характер:

• формирование коллекции учебного контента и привязка его к информационной базе знаний;
• разработка информационных сервисов (образовательной среды, портала или персональной информационной системы) для доступа к учебным материалам и другим необходимым ресурсам;
• первичное структурирование (упорядочивание) контента, разработка навигаторов, поисковых механизмов;
• оценивание учебных материалов, разработка критериев и средств аспектной разметки, тематическая (онтологическая) рубрикация;
• дедупликация образовательных ресурсов на базе технологий адаптивной кластеризации, применении закона Бредфорда, экспертных оценок и т.д.
• ранжирование контента под конкретные задачи, сценарии, а также методическая разметка компетенций, ЗУН и др.

Полномасштабное решение указанных задач в настоящее время труднодостижимо даже в узких предметных областях, поэтому подборка и ранжирование контента может осуществляться в нескольких режимах:

• экспертный – на основе предварительной автоматизированной разметки и связывания материалов;
• прецедентный ‑ на основе сбора информации из HCT-контура системы обучения и ситуационного центра (см. предыдущие посты);
• автоматический – на базе специально разработанных методик контент-анализа содержимого учебных материалов.

Одним из важных результатов работы по предварительному формированию и разметке коллекции должны стать «паспорта учебных материалов» и онтологии предметных областей. На их основе в перспективе можно создавать системы автоматической сборки контента и формирования образовательных траекторий. В случае отсутствия необходимого образовательного контента источниками знаний должны служить эксперты и преподаватели, «компетентностные паспорта» которых также должны вноситься в систему и привязываться к онтологиям.

Для полноты картины (точнее ‑ поверхностного взгляда на задачи построения информационных систем обучения космонавтов) осталось рассмотреть вопросы обучения автоматизированных и автономных СППР, роботизированных помощников, и систем дополненной реальности. Об этом мой следующий пост…

В предыдущем посте были определены ключевые направления развития систем подготовки космонавтов, в том числе HCT (Human Cognitive Technologies), под которыми подразумеваются традиционные технологии обучения (познания) с учетом специфики предметной области.

В настоящее время существует большое число методических наработок и отлаженная система подготовки космонавтов, которая включает в себя процедуры многоступенчатого отбора, физической и психологической подготовки, обучения базовым дисциплинам и регулярного повышения квалификации для освоения нового оборудования, проведения исследовательских или технических работ. Немного больше об этом можно узнать из книги «Космическая Академия» (1987 г.), которая также доступна в аудио-формате.

В подготовке космонавтов можно выделить несколько положительных особенностей, часто недоступных для широкой массы учащихся:

• Работа космонавтов преимущественно построена на отработке конкретных сценариев, поэтому цели подготовки (результаты обучения) могут быть определены достаточно четко.
• Для изучения основных и специализированных дисциплин могут привлекаться лучшие специалисты и преподаватели, использоваться самые передовые учебные ресурсы.
• Обучение проводится в малых группах или даже персонально, что позволяет учесть индивидуальные особенности учащихся.

Вместе с тем стоит отметить ряд моментов, осложняющих реализацию образовательного процесса в настоящее время или ближайшей перспективе:

• Необходимость увеличения числа курсов для опережающего обучения, которые могут не иметь разработанных сценариев, а значит и четко сформулированных целей обучения.
• Реализация международных космических программ приводит к необходимости привлечения для преподавания иностранных экспертов, решения проблем их доступности, организации взаимодействия, обеспечения безопасности и секретности.
• Организация дистанционного обучения на борту космического корабля требует создания единого виртуального (информационного) образовательного пространства.

Для преодоления указанных сложностей и учета других особенностей HCT-направление должно быть сосредоточено на решении следующих задач:

• Повышение эффективности образовательных технологий за счет использования ИКТ и других инновационных походов:
  • создание специализированных LMS (систем управления обучением);
  • увеличение динамики производства образовательного контента;
  • создание персональных информационных систем обучения и т.д.
• Развитие когнитивных способностей космонавтов, в том числе:
  • умение учиться (мотивация, приемы самообучения, прагматизм в выборе учебного материала и т.д.);
  • обучение через преподавание и формирование образовательного контента;
  • развитие творческого мышления, инновационности, умения решать нестандартные и слабоформализованные задачи.

Для иллюстрации одой из подзадач использования ИКТ на Рисунке 2 представлена укрупненная блок-схема процессов формирования учебного контента на основе имеющихся сценариев. Их автоматизация (создание информационной системы управления знаниями) позволит повысить эффективность организации обучения, увеличить динамику создания новых курсов и материалов, а также обеспечить контроль и управление ситуацией.

Рисунок 2

Информационной базой для подобной системы управления знаниями должны стать различные структуры (Рисунок 3), которые включают:

• библиотеку сценариев, для которой созданы структурные и поисковые навигаторы, система выбора типовых и аспектно-ориентированных сценариев;
• перечни задач, которые решаются в сценариях, и их соответствие наборам компетенций;
• типовые/целевые модели компетенций космонавтов (и других категорий специалистов);
• атлас образовательных портфолио с привязкой к другим информационным структурам;
• структурированный по областям знаний, компетенциям и сценариям образовательный контент;
• адаптивные траектории обучения;
• планируемый и текущий прогресс учащихся, другие оценки образовательной ситуации.

Рисунок 3.

В рамках второй задачи ‑ развитие когнитивных способностей космонавтов ‑ помимо информационных аспектов важно предварительно решить методические вопросы, которые в настоящее время еще недостаточно проработаны.

Например, для того, чтобы обеспечить и проверить глубину знаний и наличие когнитивных способностей можно воспользоваться современными образовательными технологиями: ассоциативными картами (mind map), когнемными методами обучения, а также игровыми технологиями (edutaiment): от разгадывания кроссвордов и решения других логических игр до полноценных симуляторов и систем дополненной реальности.

В следующем посте немного о технологиях обучения по требованию (LOD)…

Многие знают, что американцы называют (или раньше называли) Бауманку «Ракетным колледжем на Яузе». И на это они имеют веские основания – большинство бауманцев являются офицерами соответствующих родов войск, а ведущие преподаватели часто ведут научные разработки двойного назначения )) Так уж случилось, что и моя первая серьезная работа тоже была связана с космосом, с интересным проектом создания ситуационного центра в рамках советской программы «звездных войн». На старших курсах университета я даже работал в РНИИ КП, где мне завели трудовую книжку и сделали в ней первые записи. С тех пор моя научная и производственная деятельность иногда «летает в космос», а некоторые разработки имеют двойное назначение 😉 К счастью, ничего суперсекретного я не делаю…

Этим летом мне удалось сделать наброски к статье о перспективных образовательных технологиях подготовки космонавтов и создании профильного ситуационного центра (СЦ), которыми я и хочу поделиться.

Мои предыдущие публикации в этом направлении представлены здесь, в том числе:

• Ситуационные центры: определения, структура и классификация
  Наверное, самая цитируемая моя статья, включена в несколько учебных пособий.
• Обучающие ситуационные центры
  Одна из первых российских статей по тематике учебных СЦ и обучения на их базе.
• Ситуационные центры в образовании
• Ситуационный центр стратегического и оперативного управления системой обучения ФТС России
• Интеграция и конвергенция методов моделирования информационно-аналитических систем для решения задач управления знаниями

ВВЕДЕНИЕ

Идеи о космических путешествиях уже давно не сходят со страниц фантастических романов о будущем человечества. Сегодня образы писателей уже постоянно воплощаются на экранах кинотеатров, телевизоров и оживают в компьютерных играх. Все чаще возникает ощущение, что это будущее, еще совсем недавно считавшееся невероятным, вот-вот наступит. Этому способствует бурное развитие технологий, среди которых особое положение занимает четверка нано-, био-, инфо- и когнитивных (НБИК) технологий.

Важно заметить, что когнитивные технологии играют в указанном квартете равнозначную, а в перспективе и доминирующую роль. Можно даже предположить, что через некоторое время распространенное сокращение «ИКТ» будет расшифровываться как «инфо-когнитивные технологии» в противовес текущей инфо-коммуникационной трактовке. Такое внимание к когнитивности вызвано все большей значимостью ментальных и особенно познавательных процессов человека – ведь, чем сложней окружающие нас программно-технические средства, тем больше и лучше нам надо учиться.

Потребность в непрерывном обучении и повышении квалификации уже хорошо осознана, и не только в космической индустрии, но и во всех высокотехнологичных отраслях. Управление знаниями в компаниях, создание экономики и общества, основанных на знаниях, являются одними из ключевых тенденций развития передовых стран.

В «космосе» задачи и проблемы традиционно носят более масштабный характер, поэтому и требования ко всем технологиям существенно выше. Целевые ориентиры в сфере когнитивных возможностей будущих покорителей внеземного пространства фантасты схематично уже набросали – нужно, как минимум (!!!), уметь починить космический корабль, если его потрепало, провести сложные научные эксперименты, освоить по необходимости новые миры и .. быть готовыми ко всему.

Зададимся вопросами о том, как же научить космонавта или его спутника – космического путешественника всему, что необходимо, возможно ли это сделать «сегодня», «завтра», когда-нибудь? К сожалению, ответы на эти вопросы пока носят отрицательный характер, вынуждая развивать альтернативные подходы – обучение критическим и базовым знаниям, акцентирование на способностях быстро учиться, обеспечение эффективных технологий «обучение по требованию» и др.

Когнитивные (познавательные) ограничения людей также способствуют развитию автоматизированных систем поддержки их деятельности и принятия решений, созданию дистанционных систем управления и обучения. Обобщая, можно выделить следующие приоритетные направления в обучении космонавтов (и других категорий специалистов):

• HCT (Human Cognitive Technologies) – развитие когнитивных технологий обучения человека;
• LOD (Learning-On-Demand) – создание и совершенствование программно-технических систем обучения по требованию;
• ARL (Additional Reality Learning, Adaptive Robotics Learning) – разработка инфо-когнитивных технологий обучения автоматизированных и автономных СППР, роботизированных помощников, и систем дополненной реальности.

В следующих постах я подробней расскажу о каждом из указанных направлений…

Попытался сходу кратко описать все ключевые идеи и предложения, но не вышло, т.к. за 10 лет было сделано много и очень разных проектов. Безусловно, у меня есть желание все обобщить в единую методологию, но пока…  В общем для тех у кого-то есть интерес, силы и время освоить объемный материал, я попробую составить некий обобщенный навигатор.

1. Пожалуй, первой моей крупной разработкой в сфере проектирования требований к ИТ-специалистам и их подготовке, стало создание проекта ГОС по новой экспериментальной специальности «Компьютерная лингвистика и семиотика» (2002 г.). Тогда была проведена большая аналитическая работа по изучению потребностей и прогнозного развития соответствующих технологий, однако основные акценты были поставлены на академическую (научную) составляющую. Несмотря на то, что стандарт проектировался только одним экспертом (Филиппович Ю.Н.) и молодым специалистом (я) он оказался в достаточной степени проработанным и перспективным — спустя 10 лет он во многом остается актуальным. Кратко подвести итог всей работы довольно сложно, но я бы выделил несколько важных моментов:

• Для разработки ПС, ГОС, КТ и т.д. достаточно небольшой группы экспертов-методистов, чему я нашел подтверждение здесь и почти во всех аналогичных проектах.
• Более того, широкая апробация, обсуждение и анкетирование не внесли каких-либо серьезных изменений в содержание ГОС – они скорее носили характер формального подтверждение или решали задачи распространения результатов.
• В рамках этого проекта использовался преимущественно восходящий подход к проектированию компетенций выпускников, который опирался на реальный контент целевых знаний. Возможно, что для проектирования перспективных (будущих) направлений подготовки это единственный варинат, т.к. на текущий момент реальные потребности в бизнесе еще не сформированы.
• Разработка требований «до контента» сильно дисциплинирует и реально отсекает «фантазии», рожденные в различного рода прогнозах, форсайтах и т.д.

2. Вслед за первым ГОС последовала НИР (2003 г.) по дополнению существующих и созданию новых ГОС для подготовки специалистов в области ИАИС образовательной отрасли на основе существующих специальностей по ИКТ и новых – «Интегрированные автоматизированные информационные системы» и «Менеджмент интегрированных информационных технологий и систем». Этот проект является одним из первых примеров, когда бизнесом были сформулированы КТ (ПС) к специалистам по ИАИС, которые потом академическим сообществом были расширены образовательной составляющей и встроены в ГОС. В проекте принимали участие: Управление ИТ Минобра,Redlab, ФГУ МГУ, МГТУ им. Баумана, ВШЭ. Некоторые идеи и результаты этого проекта впоследствии нашли продолжение в разработках новых направлений ГОС и возможно (не берусь утверждать наверняка) даже в ПС ИТ.

• В этом проекте сначала применялся функциональный подход – эксперты ИТ-компании, часть из кот. также являлись преподавателями, пытались описать типовые роли и функции работников ИАИС (от идей широкого анкетирования отказались).
• Одна из особенностей проекта состояла в том, что надо было каждый шаг обосновывать. Думаю, что это требование было ненамеренным, скорее типичным для НИР, однако оно сыграло важную роль. В какой-то момент возник вопрос о полноте описанных ролей и функций. От анкет, кот. это якобы подтверждают, уже отказались, поэтому возникла идея опираться на стандарты ЖЦ информационных систем. Собственно до самих стандартов (точно уже не помню) дело так и не дошло, но системное представление процессов ЖЦ, разбиение их на этапы и т.д. показало эффективность выбранного подхода.
• Таким образом, в проекте отказались от идеи группировать требования по профессиям, и перешли к ролям. А для систематизации бизнес-функций и ролей стали опираться на модель ЖЦ. Примечательно, что ровно к этим же идеям пришли разработчики единой рамки ИТ-компетенций в Европе eCF.
• Из-за того, что ГОСы в то время были по специальностям, а болонский процесс еще не накрыл нашу страну с головой, перед нами (методистами УМО) стала сложная задача — как эти требования встроить в нормативные документы. Соответственно были предложены новые специальности, специализации и другие решения, которые частично описаны здесь в  сборнике ИТС и вестнике ИТО).

3. Помимо крупных методических проектов с 2000 по 2003 гг. я принимал участие в становлении кафедры ИТ в МГУП, на которой в то время формировался новый молодежный состав преподавателей. В то время я читал 8 различных ИТ-дисциплин и разрабатывал соотв. учебное и нормативно-методическое обеспечение. Я на практике убедился, что любые требования ГОС, ПС и т.д. можно формально реализовать в учебных курсах, и что они почти не оказывают влияние на реальное содержание формируемых компетенций. Это особенно хорошо заметно, когда рецензируешь на гриф учебники – название и содержание соответствует, а контент может быть совсем разный. Таким образом, даже самое замечательное на свете требование к компетенции бесполезно без реального контента, описания метода ее формирования и инструмента ее оценивания.

4. В 2004 г. наиболее значимым методическим проектом для меня стало исследование наработок Болонского процесса и опыта реализации кредитных систем (КС, систем зачетных единиц). Результаты анализа и собственных наработок представлены в моей книге (можно также посмотреть материалы моих лекций).  Исследование дало много интересных выводов, но здесь я отмечу только некоторые:

• КС – отличный инструмент количественного измерения не только объема учебной нагрузки в часах, но и уровня, глубины освоения компетенций.
• Многие базовые идеи существующих рамок квалификаций (например, EQF) и компетенций взяты из наработок в области КС (см., например, уровни CATS Великобритании).
• Идеи неформального и информального обучения, а также механизмы монетизации (!!!) процессов освоения компетенций (см., например, американскую USCS), ранжирования компетенций по значимости и т.д.  также происходят из недр различных КС.

5. В 2004-2005 гг. я работал в качестве архитектора новых модулей SAP R/3, связанных с автоматизацией учебных и научных процессов, где попытался заложить соответствующий опыт в функциональность КИС. Это была серьезная проверка на работоспособность идей, т.к. в ИТ абстрактные соображения, не положенные в жесткую логику ТЗ и спецификаций, никому не нужны. Фактически автоматизация требует четкой формализации и заставляет по иному взглянуть на многие вещи. Именно поэтому критически важно знать, как устроены и работают модули управления компетенциями в крупных КИС, как они сопрягаются с HR и другими модулями. Также интерес представляют специализированные системы и соответствующие технологии управления знаниями (KM). Работа по автоматизации и внедрению КИС сделала меня сторонником процессного подхода и позволила приобрести новый практический опыт анкетирования, обследования и описания бизнес-процессов.

6. Впоследствии в своих методических разработках я стал выделять особый вид компетенций (предприятия, подразделения), которые отвечают за выполнение конкретного бизнес-процесса (!не функции). Собственно я их так и назвал – процессными компетенциями. К сожалению, публикаций по теме автоматизации учебного процесса не так много, но кому интересно – рекомендую посмотреть статьи по совместному проекту с ФОРС и Oracle о создании интеграционной платформы на базе технологий SOA, EDA, BPEL и MDA/MDE (Голосов А.О., Полотнюк И.С. Филиппович А.Ю. Автоматизация образовательных учреждений на базе интеграционной платформы. Часть 1 и 2 – ссылки на сайте устарели, обновлю при случае).

7. Некоторые интересные (на мой взгляд) идеи, полученные в призме задач автоматизации, представлены в ряде моих публикаций, связанных с концепцией использования ситуационных центров в образовании:

• СЦ мониторинга и координирования процессов интеграции российского инженерного образования в мировое образовательное пространство
• СЦ для контроля и моделирования развития кредитной системы в сфере образования.
• СЦ стратегического и оперативного управления системой обучения ФТС России
• Интеграция и конвергенция методов моделирования ИАС для решения задач управления знаниями
• Обучающие ситуационные центры

8. В 2005-2006 г. я руководил консалтинговым направлением УЦ «Сетевая академия Ланит», где реализовал несколько интересных проектов с предприятиями. Самый крупный из них – проект по созданию системы ИТ-обучения ФТС России (Разработка стратегии и программы подготовки кадров в области ИТ). В ходе масштабного обследования было выявлено огромное количество проблем и недостатков существовавшей на тот момент очень развитой системы обучения. Нашей проектной группой было сформулировано более 300!! конкретных рекомендаций и предложено много оригинальных решений. По понятной причине материалы этих наработок не опубликованы, но некоторые общие характеристики можно встретить у меня в презентациях и публикациях.

• Некоторое время назад Дима Изместьев (директор «СА Ланит») разрешил, за что ему большое спасибо, опубликовать рабочую (экспериментальную) интернет-версию системы ИТ-компетенций (фактически ПС). В ней содержание ~100 компетенций и 500+ индикаторов не окончательное, и база курсов представлена только для примера.
• Представленная система компетенций является переводной. В дальнейшем она была несколько раз доработана и кастомизирована для различных клиентов. Немного про этот проект и Онтологию ИТ-компетенций (мы ее так назвали) можно узнать из презентации лекции «Разработка учебных программ с учетом требований работодателей (на примере области ИКТ)»
• …продолжение следует…

Вынужден прерваться на самом интересном, но как только появится еще немного свободного времени (скорее всего, после отпуска), то продолжу этот «навигатор-аннотатор».

Ответы на вопросы в Facebook-группе «Национальная система квалификаций«, пост Александра Костина об итогах семинара ФИРО «Национальная рамка квалификаций в РФ» в июне 2012 г. 

Уважаемые коллеги, к сожалению, каким-то «сверхрешением» или панацеей от всех наших сложностей по созданию НСКК и ПС я не владею, да и не верю, что оно может быть. У меня также как и у вас есть личный опыт, который показывает жизнеспособность или неработоспособность некоторых идей, методов и т.д. Я уважительно отношусь ко всем существующим наработкам и разработкам (даже к тем, которые совсем мне не нравятся, и я их критикую), т.к. это, прежде всего, результат труда и значительных усилий многих достойных людей. Это мой принцип, и я считаю, что это ключевой принцип каждого нормального преподавателя и ученого. Я также как и все люблю конструктивную критику ) Теперь по делу…

1. ФА – это тема серьезная и требует детального обсуждения, однако я попытаюсь кратко, а потому несколько схематично, сформулировать свои соображения. Фундаментальная (менее громко – базовая) проблема ФА кроется в двух понятиях – «функция» и «анализ». Не углубляясь в математику, все-таки напомню о том, что окружность как не крути, но одной функцией представить невозможно. Это означает, что сложный производственный или другой процесс, когда люди работают параллельно и их работа зависит друг от друга, как-то пересекается (почти любой реальный процесс), не может быть описан одной функцией. Мы вынуждены описывать круг двумя функциями, а процесс – несколькими. Вот здесь и наступает время «анализа» ‑ метода исследования, при котором целое разбивается на части. В общем случае это приводит к стратегии редукционизма, в рамках которого поведение целого (системы) объясняется через его отдельные части. Однако, при таком подходе происходит утеря так называемых эмерджентных свойств системы, или в просторечье – системности.
2. От функций к процессам. Не берусь отвечать за все области деятельности, но в ИТ это поняли очень давно, когда пытались создавать АСУ по функциям и объектам проф. деятельности. Собственно в советской истории автоматизации к этому пониманию пришли на стыке 90-х. На западе примерно в то же время, однако там средства автоматизации продолжили развитие и привели к появлению «процессного подхода» и не только в автоматизации, но и в управлении вообще. Ключевые идеи много где излагаются. Мне понравилась книга SAP http://www.ozon.ru/context/detail/id/2992628/, специалисты которой пытаются донести соотв. идеи до… немного (~на 20 лет) отставших от жизни руководителей.  Учитывая, что «управление проектами» в некотором смысле предвестник процессного подхода, думаю, понятна моя ирония относительно современных успехов руководства по активному освоению PM (справедливости ради стоит отметить, что сейчас эти подходы переплетаются). Кстати, это очень четко видно в стандартах (например качества), — стандартизировать стали процессы.
3. От производства к услугам. Мир не стоит на месте, и от индустриального общества мы уже перешли к постиндустриальному (когда услуг потребляется больше, чем товаров), а некоторые и к информационному (когда большая часть услуг носит информационный характер). Это очень сильно все поменяло. Фактически это привело к кардинальной перестройке (реинжинирингу) бизнес-процессов, самой архитектуры их построения (SOA). Системы управления б-процессами стали гетерогенными и асинхронными (EDA). С точки зрения стандартов это тоже нашло отражение (например, ITIL). Более подробно – см. «сервисные науки».
4. От стадии к ЖЦ. Внедрение новых управленческих практик и средств автоматизации заставило пересмотреть фрагментарный подход и перейти к более целостному, который условно можно назвать как «управление жизненным циклом» (CALS-технологии). Переход к сервисам привел к тому, что, например, в новой версии ITIL стандартизировано понятие ЖЦ услуги.
5. BPM. Для того, чтобы взять под контроль буйство динамически изменяющихся процессов, сервисов и т.д,. стали активно развиваться методы управления эффективностью бизнеса (BPM), построенные на использовании сначала простых технологий (индикационном анализе на базе KPI, BSC), а затем более сложных моделях (Системной динамики, ситуационного управления, системах управления бизнес-активностью – BAM и т.д. )
6. Управление знаниями. Ну, про экономику знаний, думаю писать много не надо – собственно задачи «управления компетенциями» выросли и задач BPM, когда были описаны бизнес-процессы и формализованы влияния конкретных людей (компетенций) на эффективность работы компании. Лучшие практики были систематизированы и положены в основу различных стандартов. Одним из примеров являются рекомендации по улучшению процессов управления персоналом (и знаниями) и росту их зрелости в стандарте People CMM.
7. Управление временем. В новую эпоху из-за динамики изменения бизнес-процессов, полный уход от Смитовского разделения труда и др. факторов время становится все более значимым ресурсом. Технологии TM также изменяются: если в первом поколении больше говорили о правильном планировании и протоколировании (фактически персональное управление проектами), а во втором – о системном выстраивании стратегических целей, то сейчас из-за разрастающегося обилия и непредсказуемости процессов популярность приобретают подходы с сохранением «энергии», равновесия и потенциала. Аспекты TM пока мало отражаются в моделях и рамках компетенций, но вероятно скоро они там появятся.
8. Хм.. это все конечно здорово, но как это все связано с ПС, НСК и т.д.? Самым непосредственным образом. Если вы хорошо знаете историю развития систем компетенций, квалификаций, ПС и т.д. в области ИКТ, то вы без особого напряжения увидите соотв. следы. Все рассказывать очень долго, поэтому приведу только несколько важных примеров.
   1. В развитых странах постепенно отказываются от идеи формализации требований к конкретной профессии, переходят к ролям и наборам (конструкторам) компетенций.
   2. Учитывая задачи управления, компетенции измеряют уровнями и индикаторами (в противовес ЗУН), которые выявляют в процессе наблюдения (а-ля старинные «карты дня»), а не анкетирования.
   3. Компетенции каскадируются от бизнес-целей к конкретным людям (или знаниевым активам)
   4. Для полноты описания компетенций все чаще использует процессные модели, объединяя их по этапам ЖЦ (сравни с известными замкнутыми профес. циклами Деминга). В качестве примера – см. eCF.
   5. Многоаспектность компетенций и их моделей все чаще описывается в матричной форме (см., например, eCF, Unesco ICT CFT и др.).
   6. Разрабатывать модели компетенций с «нуля» очень дорого и долго, поэтому все чаще предлагают типовые (или просто уже готовые) модели, которые тюнингуются.

Что касается моих наработок, наработок моих коллег, то об этом в следующем посте…