Введение

Электроэнергетика относится к отраслям, где ошибочное решение обходится особенно дорого: от действий персонала зависят надежность энергоснабжения, сохранность оборудования и безопасность людей. Профессиональный стандарт для работников оперативно-технологического управления тепловыми электростанциями относит к трудовым функциям организацию ведения заданного режима работы оборудования, оперативные действия по ликвидации технологических нарушений и аварий, а также их профилактику; среди необходимых умений в нем названо умение прогнозировать возможное развитие аварии и последствия предпринимаемых действий1.

Наиболее трудны для персонала нештатные ситуации. А. А. Башлыков и А. П. Еремеев, разрабатывающие интеллектуальные системы поддержки принятия решений для объектов энергетики, связывают их назначение прежде всего с поддержкой управляющих решений оперативного персонала в нештатных ситуациях и относят их к системам реального времени [1]. Сведения о развитии событий поступают постепенно, состояние оборудования может измениться уже после первых действий, а времени на размышление остается немного.

Меняется и само понимание инженерной деятельности. В. С. Шейнбаум и В. С. Никольский рассматривают ее как систему, не тождественную деятельности отдельных инженеров, и приходят к выводу, что «инженерное мышление дополняется опережающим и ответственным мышлением» [2, с. 9]. В трехуровневой модели инженерного мышления, предложенной Л. М. Андрюхиной, Б. Н. Гузановым и С. В. Анаховым, помимо технологического уровня, выделены регулятивно-целевой и ценностно-смысловой [3]. Подготовка инженера, следовательно, не может сводиться к освоению расчетных процедур.

Отсюда вытекают требования к организации обучения. В. Г. Мартынов и В. С. Шейнбаум описывают инженерную деятельность как открытую динамическую систему и называют необходимыми новые формы учебного процесса, в том числе проектные методы обучения, тренажеры и игровые формы [4]. Сущность проблемного метода В. В. Карпов видит в том, чтобы студенты, опираясь на полученные знания, самостоятельно решали различные профессиональные ситуации [5]. Тем не менее в расчетных курсах по-прежнему распространены задания с полным и однозначно заданным набором исходных данных: студент получает условие, выбирает один вариант, сдает ответ, и на этом работа заканчивается. Ситуации, в которых условия меняются после первоначального выбора, такая схема не воспроизводит.

Приблизить учебную задачу к производственной помогает моделирование. А. В. Новиков, А. И. Злобин и Е. Н. Хорошинина, обсуждая подготовку специалистов-электроэнергетиков к оперативным переключениям, предлагают дополнять компьютерные методы обучения практикой на физической модели оборудования, которая воссоздает обстановку реального производства и заставляет осознать серьезность возможных ошибок [6]. Виртуальная среда дает возможность выполнять операционные задачи на реалистичных моделях подстанции без угрозы для людей и оборудования; иммерсивный тренажер такого рода, ориентированный на безопасность работ, был хорошо принят техническим персоналом энергокомпании [7].

Не менее важен рефлексивный анализ. Э. Г. Крылов и Е. П. Пономаренко связывают рефлексию с анализом ситуации, осмыслением собственных действий и их последствий [8]. Применительно к инженерной задаче это означает, что студент оценивает обоснованность выбранного варианта, выявляет риски и определяет, что следует изменить при поступлении новых данных.

Ключевым понятием исследования выступает готовность к принятию профессиональных решений. В психолого-педагогических работах готовность к деятельности описывается через взаимосвязанные структурные компоненты; Т. Б. Крюкова, сопоставляя такие модели применительно к электроэнергетической отрасли, рассматривает психологическую готовность как интегральное состояние, отражающее соответствие характеристик человека требованиям деятельности [9]. С опорой на эту традицию готовность к принятию профессиональных решений определена здесь как интегративная характеристика будущего инженера-энергетика, позволяющая ему идентифицировать профессиональную проблему, анализировать имеющиеся и недостающие сведения, прогнозировать последствия, выбирать и обосновывать рациональный вариант действий, а также оценивать и корректировать собственное решение. Выделенные в ней когнитивный, аналитический, прогностический, проектировочный и рефлексивный компоненты являются авторскими: каждый соотнесен с одним из этапов принятия профессионального решения (опора на знания о режимах, анализ информации, прогноз последствий, разработка и выбор варианта, оценка и корректировка).

Для работы в условиях неопределенности существенна устойчивость к ней. М. В. Сокольская и О. Ю. Богомолова установили прямую связь между толерантностью студентов к ситуации неопределенности и уровнем их психологической готовности к профессиональной деятельности [10]. L. Kolyvanova и соавторы рассматривают готовность выпускников к работе в условиях неопределенности в связи с выбором альтернативных способов решения неотложных профессиональных задач [11].

В исследовании введено понятие «учебная инженерная неопределенность», под которой понимается профессионально ориентированная учебная ситуация, где часть исходной информации отсутствует или непрерывно изменяется, а поступление новых данных может потребовать коррекции принятого решения. Подобную ситуацию удобно воспроизводить средствами имитационного моделирования: как отмечает А. В. Антошков, оно позволяет исследовать сложные сценарии, оценивать последствия различных решений и менять ход событий, приучая студентов принимать решения в условиях неопределенности [12]. Учебная неопределенность, таким образом, становится педагогическим условием, приближающим учебную деятельность к той, с которой выпускник столкнется на производстве.

Цель исследования – разработать педагогическую модель формирования готовности будущих инженеров-энергетиков к принятию профессиональных решений в условиях учебной инженерной неопределенности и экспериментально оценить ее результативность.

Материалы и методы исследования

Исследование проводилось на базе кафедры «Электрические станции» имени В. К. Шибанова Казанского государственного энергетического университета в осеннем семестре 2025/2026 учебного года. В нем участвовали 120 студентов третьего курса направления подготовки 13.03.02 «Электроэнергетика и электротехника»: контрольную группу составили 58 человек, экспериментальную – 62. Участие студентов было добровольным; они были ознакомлены с целями исследования и дали согласие на использование обезличенных результатов.

Эксперимент проводился в рамках дисциплины «Режимы работы электрических станций и подстанций» и продолжался 16 недель; занятия проходили дважды в неделю по два академических часа. Разработанная педагогическая модель объединяет пять взаимосвязанных блоков. Целевой блок задает формирование готовности к принятию профессиональных решений при неполноте и изменении исходной информации. Содержательно-процессуальный включает профессионально ориентированные ситуации, проблемно-ситуационное обучение, компьютерное моделирование, коллективное обсуждение и рефлексивный анализ. Этапный блок определяет последовательность действий: выявление проблемы, анализ имеющихся и недостающих сведений, разработку альтернатив, оценку рисков, выбор решения и его последующую корректировку. Диагностический блок предусматривает оценку общей готовности и дополнительных показателей, результативный фиксирует достигнутый уровень готовности.

Студенты контрольной группы рассчитывали типовые режимы по заданным исходным данным и после каждого задания готовили индивидуальный отчет. В экспериментальной группе обучение строилось на основе модели: задачи были приближены к производственным, исходные данные в них менялись, и первоначальное решение приходилось пересматривать. Студент определял проблему, выявлял недостающую информацию, оценивал возможные риски и обосновывал решение, а по ходу работы вводились дополнительные данные, требовавшие изменить выбранный вариант.

Основным средством служило компьютерное моделирование режимов работы электрических станций и подстанций. Студенты проводили первоначальный анализ, выбирали алгоритм действий и применяли его, затем проверяли, насколько эффективными оказались принятые меры, и при необходимости корректировали решение. Например, на модели подстанции 110/10 кВ с двумя трансформаторами в период максимума нагрузки один трансформатор выводился в ремонт; требовалось оценить допустимость режима оставшегося трансформатора, предложить меры по его разгрузке и обосновать выбранный вариант. После того как студент фиксировал первоначальное решение, поступали новые сведения, например о росте температуры масла работающего трансформатора или о недоступности резервного питания для части потребителей, и решение приходилось пересматривать с учетом изменившихся рисков. Полученные решения обсуждались коллективно, после чего каждый студент оформлял индивидуальный отчет, включавший рефлексивный анализ: оценку эффективности выбранного решения и обоснование выбора.

Готовность оценивалась по диагностической карте, включавшей когнитивный, аналитический, прогностический, проектировочный и рефлексивный компоненты. Каждый компонент оценивался от 0 до 20 баллов: 0–5 баллов соответствовали фрагментарному выполнению с существенными ошибками, 6–10 – частичному выполнению при недостаточной аргументации, 11–15 – в основном правильному выполнению с отдельными упущениями, 16–20 – полному, самостоятельному и обоснованному выполнению. Итоговый показатель равен сумме оценок по пяти компонентам и составляет от 0 до 100 баллов. Входной контроль и итоговые работы оценивались по единым критериям на сопоставимых по содержанию и профессиональной сложности задачах.

В ходе итогового контроля дополнительно фиксировались время принятия решения, количество предложенных альтернатив и число критических ошибок. Время измерялось с момента предъявления профессиональной ситуации до фиксации студентом окончательного решения.

Статистическая обработка включала расчет средних значений, стандартных отклонений, приростов и 95%-ных доверительных интервалов (ДИ). Характер распределения проверялся критерием Шапиро – Уилка, однородность дисперсий – критерием Левена. Независимые выборки сравнивались t-критерием Уэлча и U-критерием Манна – Уитни (для U-критерия p рассчитывалось с нормальной аппроксимацией), изменения внутри групп оценивались критерием Вилкоксона. Величина эффекта вычислялась как g Хеджеса для итоговых баллов и для приростов. Различия считались статистически значимыми при p < 0,05.

Результаты исследования и их обсуждение

До начала эксперимента средние показатели групп были близкими (табл. 1). Статистически значимых различий по входному баллу не выявлено (t = 0,43; p = 0,667; U = 1717; p = 0,672), поэтому исходный уровень общей готовности студентов можно считать сопоставимым.

По окончании эксперимента положительная динамика наблюдалась в обеих группах: средний балл вырос на 6,28 (95% ДИ [5,63; 6,93]) в контрольной и на 20,27 (95% ДИ [19,19; 21,35]) в экспериментальной группе. Изменения внутри каждой группы статистически значимы (критерий Вилкоксона, p < 0,001).

Итоговый показатель экспериментальной группы превысил результат контрольной в среднем на 13,13 балла (95% ДИ [10,31; 15,95]; t = 9,22; df = 108,1; p = 2,7·10⁻¹⁵). U-критерий Манна – Уитни подтвердил различие (U = 450,5; z = –7,08; p = 1,5·10⁻¹²). Величина эффекта для сравнения итоговых баллов групп составила g = 1,69 (95% ДИ [1,27; 2,10]).

Средний прирост в экспериментальной группе оказался выше на 13,99 балла (95% ДИ [12,73; 15,25]; t = 22,15; df = 99,1; p = 3,6·10⁻⁴⁰; U = 0; z = –9,44; p = 3,7·10⁻²¹; g = 3,95). Значение U = 0 объясняется тем, что диапазоны индивидуальных приростов в группах не пересекались. Различия по дополнительным показателям приведены в таблице 2.

Студенты экспериментальной группы принимали решение в среднем на 8,2 минуты быстрее, допускали меньше критических ошибок и рассматривали больше вариантов решения.

Таблица 1

Результаты входного и итогового контроля, баллы

Примечание: составлено автором по результатам исследования. M ± SD – среднее значение ± стандартное отклонение; ДИ – доверительный интервал.

Таблица 2

Дополнительные показатели итогового контроля

Примечание: составлено автором по результатам исследования. Показатели зафиксированы как средние значения по группам, поэтому статистическое сравнение по ним не проводилось.

Поскольку эти показатели получены на уровне групповых средних, они дополняют основной результат на описательном уровне. Сокращение времени при этом нельзя трактовать как поспешность: оно сочеталось с меньшим числом критических ошибок и большим числом рассмотренных вариантов. Вероятно, многократное прохождение цикла «анализ – решение – новые данные – корректировка» закрепляло у студентов последовательность действий, позволявшую быстрее ориентироваться в изменившейся обстановке. Проверить это предположение позволит анализ индивидуальных данных о времени решения.

Сходные изменения описаны и при тренажерной подготовке в электроэнергетике. S. Yang и соавторы, оценивая интеллектуальную систему имитационного обучения управлению энергосистемой, сообщают о росте точности выполнения процедур с 68 до 90%, снижении доли нарушений топологических ограничений с 32 до 11% и сокращении времени реакции со 120 до 72 с [13]. В настоящем исследовании сокращение времени и числа ошибок сопровождало работу с задачами, исходные данные которых менялись по ходу решения: изменение условий требовало повторного анализа ситуации, а иногда и полного пересмотра первоначального плана действий.

Рефлексивная составляющая модели включала как индивидуальный анализ, так и коллективное обсуждение вариантов. Сопоставление решений позволяло взвешенно оценить выбранную стратегию; при этом студенту приходилось обосновывать и само решение, и внесенные в него корректировки. С. А. Михеев показал, что сочетание онлайн-дискуссий с очными рефлексивными занятиями сопровождается улучшением рефлексивных навыков будущих инженеров [14], а в другой работе установил, что онлайн-дискуссии повышают навыки аргументации будущих инженеров на 20–30% [15]. Эти данные согласуются с тем, что студенты экспериментальной группы рассматривали больше альтернатив, хотя раздельный статистический анализ компонентов готовности в настоящем исследовании не проводился.

Ограничения исследования. Апробация модели проводилась на одной кафедре одного университета в рамках одной дисциплины и в течение одного семестра, что ограничивает перенос результатов на другие условия. Анализ выполнялся по суммарному баллу, поэтому динамика отдельных компонентов готовности статистически не сравнивалась; дополнительные показатели фиксировались только как групповые средние. Полученные различия отражают связь между реализацией модели и динамикой показателей, но не доказывают причинного влияния отдельных ее элементов. Дальнейшая проверка предполагает раздельный анализ компонентов, использование модели в других дисциплинах профессионального цикла и отсроченный контроль устойчивости сформированных умений.

Заключение

Разработана и экспериментально оценена педагогическая модель формирования готовности будущих инженеров-энергетиков к принятию профессиональных решений в условиях инженерной неопределенности. Ее особенность заключается в последовательном включении студентов в анализ производственных ситуаций, характеризующихся неполной и изменяющейся исходной информацией, с опорой на компьютерное моделирование режимов, коллективное обсуждение и рефлексивный анализ.

При сопоставимом исходном уровне средний прирост общей готовности составил 6,28 балла в контрольной группе и 20,27 балла в экспериментальной, итоговые баллы различались в среднем на 13,13 балла. Студенты экспериментальной группы быстрее принимали решения, рассматривали больше альтернатив и допускали меньше критических ошибок. Реализация модели сопровождалась более выраженным ростом готовности к принятию профессиональных решений; модель может применяться на практических занятиях по дисциплинам профессионального цикла при подготовке инженеров-энергетиков.