Андрей Николаевич Кохичко, доктор педагогических наук, заведующий кафедрой педагогики
AuthorID: 354381
ул. Капитана Егорова, 15, Мурманск, 183038
Andrey Nikolaevich Kokhichko, Doctor of Pedagogical Sciences, Head of the Department of Pedagogy
15 Kapitan Egorov st., Murmansk, 183038
Цель исследования — разработать педагогическую модель формирования компетенций работы с технологиями больших данных у обучающихся аграрных направлений и экспериментально проверить ее результативность в условиях цифровой трансформации агропромышленного комплекса. Двухгодичный лонгитюдный педагогический эксперимент (2023–2025 гг.) с участием 156 студентов Мурманского арктического университета (контрольная и экспериментальная группы по 78 человек). Модель включала четыре компонента: когнитивный, операционально-деятельностный, мотивационно-ценностный и рефлексивно-оценочный. Экспериментальная группа осваивала модульный курс «Большие данные в цифровом АПК» (72 ч), практикум на отраслевых датасетах с пропусками до 18 % (36 ч) и проекты на базе агрохолдингов (48 ч). Статистическая обработка — критерии χ² Пирсона, Манна–Уитни, корреляция Спирмена. Доля студентов с высоким интегральным уровнем компетенции в экспериментальной группе возросла с 7,7% до 47,4% (в контрольной — с 7,7% до 17,9%). Различия статистически значимы: χ² = 22,14 при χ²крит = 9,21 (p ≤ 0,01, df = 2). Наибольший прирост зафиксирован по операционально-деятельностному компоненту (+25,5 балла), наименьший — по мотивационно-ценностному (+13,5 балла). Коэффициенты ранговой корреляции между компонентами составили ρ = 0,62–0,74, что подтверждает системную целостность компетенции. Предложенная четырехкомпонентная модель статистически значимо превосходит традиционный подход к формированию цифровых компетенций аграрных специалистов. Модель рекомендуется к многоцентровой апробации в иных федеральных округах.
The objective of the study was to develop a pedagogical model for developing big data technology competencies in students majoring in agriculture and to experimentally test its effectiveness in the context of the digital transformation of the agro-industrial complex. The study involved a two-year longitudinal pedagogical experiment (2023–2025) involving 156 students from Murmansk Arctic University (control and experimental groups of 78 students each). The model included four components: cognitive, operational-activity, motivational value, and reflective-evaluative. The experimental group completed a modular course entitled «Big Data in the Digital Agro-Industrial Complex» (72 hours), a practical course on industry datasets with up to 18% omissions (36 hours), and projects based on agricultural holdings (48 hours). Statistical analysis included Pearson’s χ² test, Mann–Whitney test, and Spearman correlation. The proportion of students with a high integrated competency level in the experimental group increased from 7.7% to 47.4% (in the control group, from 7.7% to 17.9%). The differences are statistically significant: χ² = 22.14 with χ²crit = 9.21 (p ≤ 0.01, df = 2). The greatest increase was recorded for the operational-activity component (+25.5 points), and the smallest for the motivational-value component (+13.5 points). The rank correlation coefficients between the components were ρ = 0.62–0.74, confirming the systemic integrity of the competency. The proposed four-component model statistically significantly outperforms the traditional approach to developing digital competencies in agricultural specialists. The model is recommended for multi-center testing in other federal districts.
The authors declare that there are no conflicts of interest present.