929

УДК 004:378

ЦИФРОВИЗАЦИЯ СФЕРЫ ВЫСШЕГО ОБРАЗОВАНИЯ: ТЕНДЕНЦИИ И ПЕРСПЕКТИВЫ РАЗВИТИЯ

Л.В. Шалаева, ФГБОУ ВО Пермский ГАТУ, г. Пермь, Россия

Email: shalaewa2013@yandex.ru

Аннотация. В статье рассмотрены основные индикаторы цифровизации сферы высшего образования. Дана сравнительная оценка уровня цифровизации. Обозначены ключевые аспекты совершенствования образовательных технологий и повышения их эффективности.

Ключевые слова: цифровизация, образование, тенденции, перспективы.

ВВЕДЕНИЕ Стратегия цифровизации экономики России и иных сфер дея-

тельности, рассчитанная изначально на 5–10 лет, поставила вузы перед решением проблем становления и развития онлайн-обучения. В условиях пандемии решать данные проблемы пришлось максимально оперативно, что стало возможно благодаря наличию технических средств и кадров.

МЕТОДИКА В таблице 1 представлены индикаторы и дана сравнительная

оценка уровня цифровизации организаций сферы высшего образования и в целом организаций РФ по данным официальной статистики на конец 2018 г. [1, 2, 3].

Сравнительная оценка уровня цифровизации вузов и в целом организаций РФ позволила сделать вывод о том, что сфера высшего образования опережает по уровню цифровизации общий уровень по РФ. К 100% приближается показатель использования интернета (95,5%) и электронной почты (94,1%), высок уровень показателя использования широкополосного фиксированного интернета (88,5%) и наличия веб-сайта (83,0%). Наибольшее опережение наблюдается по показателям наличия веб-сайта (+32,1%) и использования облачных сервисов (+12,9%).

РЕЗУЛЬТАТЫ В таблице 2 представлена динамика использования программ-

ных средств в ВУЗах РФ за 2017-2018 гг.

Таблица 2

Динамика использования программных средств (в % от общего числа организаций сферы высшего образования)

По всем направлениям использования программных средств наблюдается положительная тенденция. Почти 100% вузов используют в образовательном процессе электронные библиотечные системы, электронные учебники, электронные справочно-правовые системы и т.п.

Высокий уровень имеется по использованию ПО по отдельным предметам или темам, тестированию, ПО для решения организационных, управленческих и экономических задач, средств контентфильтрации доступа к интернету, электронного документооборота.

111

Более 50% вузов используют в образовательном процессе специальное ПО для научных исследований и тренажеры.

В таблице 3 представлена статистика применения электронного обучения вузами на начало 2019/2020 учебного года.

Таблица 3

Электронное обучение в вузах РФ (на начало 2019/2020 учебного года)

Более 20% студентов обучаются с применением электронного обучения. В большей степени электронные технологии используются по программам магистратуры (22,4%).

В таблице 4 представлена статистика использования дистанционных образовательных технологий ВУЗами РФ на начало 2019/2020 учебного года.

Таблица 4

Использование дистанционных образовательных технологий в вузах РФ (на начало 2019/2020 учебного года)

112

Литература

Индикаторы цифровой экономики: 2020 : статистический сборник / Г. И. Абдрахманова, К. О. Вишневский, Л. М. Гохберг и др.; Нац. исслед. ун-т И60 «Высшая школа экономики». – М.: НИУ ВШЭ, 2020. – 360 с.

2.Россия в цифрах. 2020: Крат.стат.сб./Росстат- M., 2020. – 550 с.

3.Территориальный орган Федеральной службы государственной стати-

стики по Пермскому краю [Электронный ресурс] / Режим доступа:

Трудности и перспективы цифровой трансформации образования [Текст] / А. Ю. Уваров, Э. Гейбл, И. В. Дворецкая и др. ; под ред. А. Ю. Уварова, И. Д. Фрумина ; Нац. исслед. ун-т «Высшая школа экономики», Ин-т образования. — М.: Изд. дом Высшей школы экономики, 2019. — 343 с.

DIGITALIZATION OF HIGHER EDUCATION: TRENDS AND

DEVELOPMENT PROSPECTS

Lyudmila Shalaeva

Perm State Agro-Technological University, Perm, Russia

Email: shalaewa2013@yandex.ru abstract

Abstract

The paper discusses the main indicators of digitalization of higher education. A comparative assessment of the level of digitalization is given. The key aspects of improving educational technologies and increasing their effectiveness are outlined.

Key words: digitalization, education, trends, prospects.

113

УДК 631.82:519.22

ОСОБЕННОСТИ ПРОВЕДЕНИЯ ФАКТОРИАЛЬНЫХ ОПЫТОВ С МИНЕРАЛЬНЫМИ УДОБРЕНИЯМИ

Д.Г. Шишков, В.Р. Олехов,

ФГБОУ ВО Пермский ГАТУ, г. Пермь, Россия

Email: danil.shishkov@gmail.com

Аннотация. Факториальные опыты с минеральными удобрениями обладают широким потенциалом применения как способ информатизации агрономической науки. В статье представлен краткий обзор их технологии закладки и проведения. Описаны отличия его от стандартных опытов, приведены преимущества и недостатки.

Ключевые слова: полевой опыт, минеральные удобрения, факториальный эксперимент

ВВЕДЕНИЕ Опыты по изучению действия доз минеральных удобрений на

урожайность и качество культур, а также показатели плодородия почвы не теряют своей актуальности. Изменяются условия антропогенного и не антропогенного влияния, появляются новые виды удобрений, сорта сельскохозяйственных культур, изменяются запросы производства. Чтобы выявить все эффекты от применения мелиорантов, необходимо закладывать большие по размеру опыты, что затратно с точки зрения средств и времени. Кроме того, из-за ошибки, являющейся следствием неоднородности плодородия почвы, которую можно снизить, но не исправить полностью, достоверность таких опытов снижается пропорционально увеличению количества вариантов.

Решить подобные проблемы возможно с помощью применения схем факториальных экспериментов, результаты исследований в которых встречаются в литературе достаточно редко в последнее время. Поэтому целью данной статьи является описание преимуществ данного вида полевых опытов для информатизации научных исследований в агрохимии.

114

МЕТОДИКА Данная статья носит обзорный характер. Методика закладки и

проведения факториальных опытов описана по учебным пособиям В.Н. Перегудова [1], Т.И. Ивановой [2]. В качестве примера использован длительный стационарный опыт, заложенный по неполной факториальной схеме 1/9 (6х6х6) в Пермском НИИСХ – филиале ПФИЦ УрО РАН в 1978 году.

РЕЗУЛЬТАТЫ Основная задача полевого опыта с удобрениями – выяснить

влияние доз удобрений, их форм, соотношений питательных элементов между собой и т.д. на изучаемые признаки (урожайность, качество продукции, плодородие почвы и т.д.). Однако на практике любой полевой эксперимент обладает относительно низкой точностью, наличием локального компонента варьирования плодородия почвы, способного внести нежелательные систематические ошибки, сезонностью проведения исследований, недостаточной воспроизводимостью результатов как во времени, так и в пространстве [1].Также, в полевых опытах достаточно сложно зафиксировать эффект от соотношения исследуемых факторов между собой. Именно этим проблемы пытаются решить проведением факториальных экспериментов: за один сезон получают большое количество данных, а также, используя специальные методики, сокращают ошибку от варьирования плодородия почвы до минимума.

Основная задача многофакторного опыта состоит в одновременном исследовании действия и взаимодействия нескольких факторов, что позволяет извлечь из данных количественные эффекты этих факторов, а также величину и характер их взаимодействия [3].Основными объектами исследования в таких опытах являются факторы и градации. Фактор в факториальном эксперименте – это то, что нормируется или дозируется и эффективность чего может быть вычленена или высчитана [1]. Например, дозы азотных (N), фосфорных (P) и калийных (K) удобрений. Если в опыте какое-либо сочетание элементов остаётся неизменным, то оно считается не фактором, а фоном (S). Градации же – это непосредственно дозы, которые исследуются в опыте.В случае опыта в Пермском НИИСХ это шесть доз от

115

0 кг/га д.в до 150 кг/га д.в. с шагом в 30 кг/га д.в. Такой опыт в схеме записывается как 6х6х6 или 63, где степень – это количество факторов, а само число – количество градаций. Из данной записи следует также, что в данном опыте мы всего можем изучить 216 вариантов действий и взаимодействий.

Градации в факториальном опыте могут иметь качественное (способы обработки почвы, сорта) и количественное (дозы удобрений) выражение. Главными отличиями между ними являются математическая обработка результатов (дисперсионный анализ против регрессионного) и направление для увеличения точности опыта (увеличение числа повторности против увеличения числа точек градаций). И хотя, как было указано ранее, второй вариант всё меньше применяется в агрохимических исследованиях, варианты многофакторных экспериментов с качественными градациями достаточно популярны в растениеводстве и земледелии.

Перед закладкой полевого опыта принято проводить ряд мероприятий, направленных на нейтрализацию действия неоднородности почвенного плодородия, однако до конца её устранить невозможно [3]. Поэтому считается, что опыт должен иметь не более 16 вариантов в одной повторности [1]. Чтобы соблюсти это условие в факториальных опытах, в отличие от общепринятых методик, применяют выборки из полных факториальных схем (1/9 в случае опыта из примера).

Выборка может иметь несколько видов, но самым популярным является квазифакториальная схема. В случае факториального опыта в Пермском НИИСХ, к трём факторам, которые берут в двух градациях (0 и 3), добавлен условный фактор S, который с агрономической точки зрения может рассматриваться как фон, представленный в трёх градациях, и получена схема 2х2х2х3. Используя значения S1. S2. S3 (000, 111, 222 соответственно), на основании стандартной восьмерной схе-

мы (000, 001, 010, 100, 110, 101, 011, 111), разделяя на 2 блока чётные и нечётные значения, а затем преобразуя условный фактор непосредственно в соответствующие ему дозы, получены 2 блока:

1 блок: 000, 033, 303, 330, 111, 144, 414, 441, 222, 255, 525, 552 2 блок: 333, 003, 030, 300, 444, 114, 141, 411, 555, 225, 252, 522.

Таким образом, сформирована выборка 1/9 из полного факториального эксперимента (ПФЭ) 6х6х6. Сложным вычитанием из суммы

116

факторов, имеющих искомый фактор, суммы факторов, где искомый фактор не представлен, возможно рассчитать действие каждого фактора в каждой градации по полной схеме, даже если он не представлен на поле.

Факториальная схема позволяет всю информацию, доставляемую опытом, разбить на несколько категорий: главные эффекты факторов, их парные взаимодействия (первого порядка), их тройные взаимодействия (второго порядка) и т.д. Эти взаимодействия имеют разную практическую значимость. Исследованиями ВИУА [1, 2], было установлено, что при совместном изучении девяти факторов примерно 95 % информации об их действии и взаимосвязи сосредоточиваются в главных эффектах и парных взаимодействиях. Остальные взаимодействия высшего порядка (вплоть до восьмого), которых большинство, содержат в себе остальную, составляющую только 5% от общей, информацию. Поэтому при закладке полевого опыта по схемам с количеством градаций больше двух планируют распределение вариантов внутри повторения так, чтобы различия блоков совпадали с этими несущественными взаимодействиями высшего порядка. Важным условием является то, что количественные суммы градаций в столбцах и строках должны быть равны между собой. Сумма по блокам-столбцам в нашем случае равна 90, по блокам-строкам – 27. При данном расположении делянок влияние локальной ошибки, вызванной неоднородностью почвенного покрова, сводится к минимуму, она закреплена не внутри всего опыта, а внутри блоков.

Как уже было сказано, при таком расположении делянок действие локального фактора почвенного плодородия должно нивелироваться, и средняя урожайность внутри блоков должна быть одинакова. На практике это не всегда происходит, и отличия всё-таки имеются, поэтому методикой проведения факториального опыта предусмотрено проведение корректировки результатов. Для этого считают средние значения в каждом блоке по повторностям, среднее значение по всему опыту и вычисляют отклонение от этого среднего. Поправками по блокам будут являться эти отклонения, а для вычисления поправки к урожайности с каждой делянки проводят перекрёстное суммирование и деление полученного числа на количество вариантов в блоке.

117

После корректировки данных приступают непосредственно к созданию математической модели изменения искомых показателей. Так как на итоговый показатель в агрохимических исследованиях действует большое количество факторов, предсказания на основе математической модели носят вероятностный, статистический характер.

Общий вид уравнения представлен в формуле (1), уравнение, получившееся в исследованиях в длительном стационарном опыте Пермского НИИСХ, представлено в формуле (2).

Y – расчётная урожайность, ц/га;

a0 – свободный член, характеризующий урожайность без удобрений;

а1-а6 – коэффициенты, предназначенные для описания направленности, силы действия удобрения и их взаимодействия;

m1-m6 – степени главных факторов и факторов первого порядка. Главной характеристикой уравнения является коэффициент детерминации (R2), который указывает на степень качественной зависимости изменения одной части уравнения от другой (Y от f(x)). Также от этого коэффициента зависит насколько сильно расчётные данные после развёртывания полной схемы факториального уравнения, будут совпадать с данными, которые получились бы при закладке этого опыта по полной схеме в натуре. Такой метод математической обработки результатов принципиально отличает факториальный опыт от обычного полевого опыта, где достоверность полученных данных можно определить только, вычислив наименьшую существенную раз-

ницу (НСР) после проведения дисперсионного анализа [3]. ВЫВОДЫ

Факториальный опыт обладает рядом преимуществ по сравнению с традиционным полевым опытом. Методикой закладки первого предусмотрен расчёт по экспериментальным данных остальных вариантов в схеме, в то время как для вывода по итогам эксперимента в

118

традиционном полевом опыте необходимо наличие в натуре всех исследуемых вариантов. В факториальном опыте нивелируется ошибка, которую вносит неоднородность почвенного плодородия и строится математическая модель, которую, после верификации, возможно использовать в условиях отличных от тех, в которых изначально находился опыт. Вместе с тем подготовка к проведению факториального эксперимента и обработка его результатов достаточно сложны и трудоёмки. Тем не мене, мы считаем, что современной агрохимической науке стоит снова обратить внимание на данный вид полевого опыта в целях информатизации научных исследований и формализации получаемых закономерностей.

Литература

1.Перегудов В.Н. Планирование многофакторных полевых опытов с удобрениями и математическая обработка их результатов. – М.: «Колос», 1978. – 184 с.

2.Иванова Т.И. Прогнозирование эффективности удобрений с использованием математических моделей. – М.: Агропромиздат, 1989. – 235 с.

3.Доспехов Б.А. Методика полевого опыта (с основами статистической обработки результатов исследований). – М.: Книга по Требованию, 2012. – 352 с.

FEATURES OF FACTORIAL EXPERIMENTS WITH MINERAL

FERTILIZERS

Danil Shishkov

Vladimir Olekhov

Perm State Agro-Technological University, Perm, Russia

Email: danil.shishkov@gmail.com

Abstract

Factorial experiments with mineral fertilizers have a wide application potential as a way of informatization of agronomic science. The paper provides a brief overview of their technology of bookmarking and conducting. Its differences from standard experiments are described, advantages and disadvantages are given.

Key words: field experiment, mineral fertilizer, factorial experiment

119