Формирование у обучающихся компетенций работы с технологиями больших данных в контексте информатизации агропромышленного комплекса: модель и опытно-экспериментальная работа

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.

1. Чутчева Ю.В. Цифровая трансформация сельского хозяйства: от теории к практике. Russian Journal of Management. 2024; 12(4): 113–123.https://doi.org/10.29039/2500-1469-2024-12-4-113-123

2. Субаева А.К., Александрова Н.Р. Государственная поддержка цифровизации сельского хозяйства. Вестник Казанского государственного аграрного университета. 2022; (4): 130–135.https://doi.org/10.12737/2073-0462-2022-130-135

3. Скворцов Е.А., Набоков В.И., Некрасов К.В., Скворцова Е.Г., Кротов М.И. Применение технологий искусственного интеллекта в сельском хозяйстве. Аграрный вестник Урала. 2019; (8): 91–98.https://doi.org/10.32417/article_5d908ed78f7fc7.89378141

4. Анищенко А.Н., Левина Е.В. Цифровая компетентность как основа конкурентоспособности работника на рынке труда агропромышленного комплекса в условиях киберэкономики. Экономика и социум: современные модели развития. 2020; 10(3): 233–246.EDN XLNENC

5. Chergui N., Kechadi M.T. Data analytics for crop management: a big data view. Journal of Big Data. 2022; 9: 123.https://doi.org/10.1186/s40537-022-00668-2

6. Кутырёв А.И., Смирнов И.Г. Применение трансформерной архитектуры глубокого обучения (RF-DETR) для мониторинга деревьев-опылителей в рядах садовых насаждений. Аграрная наука. 2026;(4):127-136.https://doi.org/10.32634/0869-8155-2026-405-04-127-136

7. Alahmad T., Neményi M., Nyéki A. Applying IoT Sensors and Big Data to Improve Precision Crop Production: A Review. Agronomy. 2023; 13(10): 2603.https://doi.org/10.3390/agronomy13102603

8. Оськин С.П., Кузнецов А.В., Конева Н.Е. Функциональное моделирование и параметрическая оценка компонентов IoT-системы сбора данных для задач точного земледелия. Аграрная наука. 2026;(4):137–143. https://doi.org/10.32634/0869-8155-2026-405-04-137-143

9. Weersink A., Fraser E., Pannell D., Duncan E., Rotz S. Opportunities and Challenges for Big Data in Agricultural and Environmental Analysis. Annual Review of Resource Economics. 2018; 10: 19–37.https://doi.org/10.1146/annurev-resource-100516-053654

10. Гибадуллин Р.Р., Шакурова З.М. Многоуровневая платформа больших данных для интеллектуального контроля и диагностики параметров агроценозов на основе гибридных методов машинного обучения. Аграрная наука. 2026;(5):153–159. https://doi.org/10.32634/0869-8155-2026-406-05-153-159

11. Низамиев М.Ф., Нургалиев А.Х., Владимиров О.В., Беляков К.Ю. Архитектура Big Data-платформы предиктивной диагностики высоковольтного электрооборудования агропромышленных комплексов на основе анализа виброакустических характеристик. Аграрная наука. 2026;(5):146–152. https://doi.org/10.32634/0869-8155-2026-406-05-146-152

12. Agatova O., Popov A., Alwaely S.A. Special aspects of using Big Data in the learning process. Interactive Learning Environments. 2024; 32(3): 1105–1116.https://doi.org/10.1080/10494820.2022.2114500

13. Тимошина Т.А., Шленская Н.М., Замель Д. Использование метода «мозгового штурма» при обучении студентов, специализирующихся в области информационных технологий. Педагогические науки. 2024; 2(126):12–16. https://doi.org/10.25633/PN.2024.02.01.

14. Степанов А.Г., Плотников Г.А., Васильева В.С. Подходы к определению средств для построения методики обучения работе с большими данными. Информатика и образование. 2021; (4): 54–62.https://doi.org/10.32517/0234-0453-2021-36-4-54-62

15. Гаибова Т.В., Сахнюк П.А. Инструментальная поддержка технологий организации группового обучения для развития гибких компетенций исследования и анализа данных. Прикладная информатика. 2022; 17(2): 31–44.https://doi.org/10.37791/2687-0649-2022-17-2-31-44

16. Дерябин А.А. Продуктивное действие в онлайн-обучении дата- и медиаграмотности. Культурно-историческая психология. 2024; 20(1): 56–63.https://doi.org/10.17759/chp.2024200108

17. Галкин А.И. Интеллектуальные технологии анализа больших данных как драйвер устойчивого развития сельского хозяйства. Аграрная наука. 2025; (6): 172–175.https://doi.org/10.32634/0869-8155-2025-395-06-172-175

18. Попов Н.И., Канева Е.А. Анализ подготовки будущих учителей информатики для формирования познавательного интереса школьников к учебной дисциплине. Информатика и образование. 2025; 40(3): 50–56.https://doi.org/10.32517/0234-0453-2025-40-3-50-56

19. Fiofanova O.A., Averkov M.S., Popov A.A., Glukhov P.P. Methodology and practice of development of Data Analytics Competencies. DEFIN-2021. IV International Scientific and Practical Conference. Association for Computing Machinery. 2021; 36.https://doi.org/10.1145/3487757.3490876

20. Denisova O.A. Big Data technology: assessing the quality of the educational environment. Journal of Physics: Conference Series. 2021; 2001: 012027.https://doi.org/10.1088/1742-6596/2001/1/012027

21. Бакурова Е.Н., Паршуткина Т.А. Иноязычная информационная компетенция в общей цифровой культуре специалиста сельского хозяйства. Вестник Томского государственного университета. 2024; 501: 154–163.https://doi.org/10.17223/15617793/501/18

22. Калмыкова С.В. Развитие информационно-аналитических компетенций в профессиональной подготовке магистрантов направления «Государственное и муниципальное управление». Информатика и образование. 2024; 39(3): 44–52.https://doi.org/10.32517/0234-0453-2024-39-3-44-52