SlideShare une entreprise Scribd logo
1  sur  23
IKT studentų nubyrėjimo dėl
akademinių įsiskolinimų ypatumai
Dr. Saulius Preidys
VU ESEC direktorius
saulius.preidys@esec.vu.lt
Tyrimo problema ir aktualumas
 IT specialistų stygius – jau daug metų yra didelė Lietuvos problema.
 Nors juos ruošia ir universitetai, ir kolegijos, tačiau šių specialistų
poreikis vis didėja.
Infobalt, 2014
Esama situacija: priežastys ir pasekmės
 Nuo 2008 priėmimas į IT pakraipos studijas kritęs 35%, o nuo 2005 m.
priėmimas sumažėjęs daugiau nei perpus !
 IT sektoriaus atstovai kaip vieną pagrindinių kritusio susidomėjimo IT
studijomis priežasčių įvardija mokyklinės programos nepatrauklumą ir tuo
pačiu mažą neformalaus ugdymo su IT turiniu pasiūlą.
Šaltinis: LR Statistikos
departamentas, Švietimo
informacinių technologijų centras
Priėmimas į IT studijas
 Pagal pirmą pageidavimą IT
studijų paklausa absoliučiu
dydžiu iš visų studijų krypčių
didėjo labiausiai, kartu su
medicinos studijomis
 Auga gaunančių valstybės
finansavimą skaičius
 Toliau daugėja stojančiųjų į
mokamas vietas
Infobalt, 2014
IKT studijų problemos(1)
 Praktiniai įgūdžiai. Pačių studijų programų įvairovė ir verslo dalyvavimas IT
studijose pamažu auga, tačiau išlieka nedidelis. Aukštosios mokyklos iki šiol
studijų programose neplanuoja ir neapskaito, kiek valandų studijose turi būti
ir yra skiriama praktiniams užsiėmimams už mokymo įstaigų ribų, kuriant į
realias situacijas ir problemas orientuotus produktus, sprendžiant praktinius
verslo iškeltus uždavinius.
 Studijų tarptautiškumas. Tose programose, su kurių rezultatais teko
susipažinti, labai nedaug atvykstančių iš užsienio dėstytojų, tačiau yra gerų
pavyzdžių (pvz. savo profesionalus iš užsienio atsiunčia Barclays technologijų
centras ir kt. tarptautinės kompanijos). Studijos anglų kalba tik pradedamos,
užsienio studentų skaičius taip pat labai nežymus.
(Infobalt, 2014)
IKT studijų problemos(2)
 Baigiančių studijas skaičius.
Rimtu iššūkiu lieka apie 50%
siekiantis „nubyrėjimas“ tiek per
3 metus kolegijose, ar 4 metų
studijų laikotarpį universitetuose,
nors tikėtina, kad dalis jų ateina
dirbti į IT sektorių.
(Infobalt, 2014)
Kodėl toks didelis studentų nubyrėjimo procentas
universitetuose ir kolegijose?
Studentų nubyrėjimas JAV universitetuose
 Neįdomūs užsėmimai (47 %)
 Praleista per daug paskaitų (43 %)
 Praleista daug laiko su neįdomiais žmonėmis (42 %)
 Buvo per daug laisvės ir per mažai taisyklių (38 %)
 Sutrukdė akademiniai įsiskolinimai (35 %)
JAV universitetų tyrimo ataskaita (Bridgeland, DiIulio Jr., and Burke, 2006)
Studentų nubyrėjimas Europos universitetuose
 Autoriai išskiria šešis veiksnius, kurie įtakoja studentus mesti mokslus:
1. socialiniai ir kultūriniai,
2. struktūriniai,
3. politiniai,
4. instituciniai,
5. asmeniniai,
6. mokymosi.
 Autoriai akcentuoja, jog atskirose šalyse nubyrėjimo priežastys yra
skirtingos (pvz. Italijoje didelę reikšmę turi studentų tėvų
išsilavinimas).
QUINN, Jocey. (2013) . Drop-out and Completion in Higher
Education in Europe among Students from under-Represented
Groups
Kokios „nubyrėjimo“ priežastys Lietuvoje?
 Sveikatos problemos
 Psichinės sveikatos pablogėjimas (nuolatinis nuovargis, nemiga, galvos
skausmai, apatija)
 Kiti negalavimai (dažna sloga, kosulys, alkis, pykinimas, pilvo skausmai,
skausmai širdies plote, bendras išsekimas)
 Asmenybės ypatumai
 Atsakomybės stoka
 Nepasitikėjimas savimi
 Žalingi įpročiai, priklausomybės
(V. Gudžinskienė, 2006)
„Nubyrėjimo“ priežastys pagal atskiras sritis
ŠMM, 2005
VU MIF studentų tyrimas
Studijų grupė Metai 1991 1992 1993 1996 1999 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012
Informatikos
Bioinformatika 322 126 75 101 43
Informacinės technologijos 286 318 394 366 327
Informatika 61 53 20 193 546 923 1259 1521 2722 2646 2825 2797 1919 902 830 567 395
Programų sistemos 355 344 868 918 1097 924 765 846 1020 600 495
Matematikos
Ekonometrija
112 115 117 340 320 248 307 321 317 357 232 148
Finansų ir drausimo
matematika
179 149 75 174 266 218 226 315 243 291 177 141
Matematika
24 39 25 147 171 232 278
Pradiniai tyrimo duomenys
 asm_id – studento identifikatorius,
 semestras – semestras, kuriame studentas turėjo akademinį įsiskolinimą,
 dalykas – mokymosi dalykas, kuriame studentas turėjo akademinį
įsiskolinimą
 neigiamas – kiek kartų studentas turėjo neigiamą pažymį už šį mokymosi
dalyką
 teigiamas – ar pavyko atsiskaityti? (0 – nepavyko, 1 – pavyko)
 busena_id – studento būsenos identifikatorius
 busena – tiesiogiai susijęs su prieš tai buvusiu lauku – studento
būsena (P-pašalintas, S-studijuoja, B-baigė)
 last_semestras – paskutinis semestras, kuriame studentas turėjo
akademinį įsiskolinimą,
 pozymis – duomenų gavimo požymis,
 metai – studijų metai,
 programa – studijų programa, kurioje studijavo studentas.
Unikalūs tyrimo respondentai
Informatikos studijų programų grupės įsiskolinimai
Matematikos studijų programų grupės įsiskolinimai
Akademinės skolos
pagal studijų
programas
• Praktiškai kiekvienoje studijų
programoje „pirmauja“
matematiniai dalykai.
• Kai kurie dalykai (Matematinė
analizė, Kompiuterių
architektūra) kartojasi visose
studijų programose.
Akademinių skolų
skaičius pagal
metus
Akademinių įsiskolinimų skaičius pagal studijų
programas
Informatikos studijų programų grupė Matematikos studijų programų grupė
Analitikos modelis, skirtas akademinių
įsiskolinimų analizei
Studijų informacinė sistema
Duomenų parengimas
Specialybės ir ne specialybės
dalykų atskyrimas
Statistikos, duomenų tyrybos
metodų pritaikymas
Statistinių ataskaitų ir įžvalgų
pateikimas
Akademinių įsiskolinimų
atranka
Parengų duomenų įkėlimas į
duomenų sandėlį
Išskirčių skaičiavimas ir palyginimas abiejose
tiriamosiose grupėse
Išvados
 IT specialybių darbuotojų šiuo metu darbo rinkoje labai trūksta
 Apie 50% IT studentų nebaigia studijų universitetuose bei kolegijose
 Studentai palieka studijas pradedant 1 semestru, baigiant 8-tu.
 Dėl ne specialybinių dalykų skolų studijų nebaigia apie 50% buvusių
VU MIF studentų.
 Daugiausiai studentų palieka IT studijas dėl matematinių dalykų ir
užsienio kalbų.
 Problemos sprendimas – realiai veikianti modulinė studijų sistema.
 Sukurtas modelis gali būti panaudotas kitų studijų programų analizei.
 Klausimai?

Contenu connexe

Similaire à 3. Saulius PREIDYS. IKT studentų nubyrėjimo dėl akademinių įsiskolinimų ypatumai

Pavalkis, Dainius „Švietimo prioritetai ir informacinės technologijos. Kas ka...
Pavalkis, Dainius „Švietimo prioritetai ir informacinės technologijos. Kas ka...Pavalkis, Dainius „Švietimo prioritetai ir informacinės technologijos. Kas ka...
Pavalkis, Dainius „Švietimo prioritetai ir informacinės technologijos. Kas ka...Lietuvos kompiuterininkų sąjunga
 
Jau į pabaigą ar dar tik pradedam? Ričardas Ališauskas, Švietimo, mokslo ir s...
Jau į pabaigą ar dar tik pradedam? Ričardas Ališauskas, Švietimo, mokslo ir s...Jau į pabaigą ar dar tik pradedam? Ričardas Ališauskas, Švietimo, mokslo ir s...
Jau į pabaigą ar dar tik pradedam? Ričardas Ališauskas, Švietimo, mokslo ir s...Lyderių laikas
 
Strategijos įgyvendinimas_nuomonės surinkimo sistema
Strategijos įgyvendinimas_nuomonės surinkimo sistemaStrategijos įgyvendinimas_nuomonės surinkimo sistema
Strategijos įgyvendinimas_nuomonės surinkimo sistemaKnowledge Economy Forum
 
Darbo rinka technologinių ir fizinių mokslų srityje
Darbo rinka technologinių ir fizinių mokslų srityjeDarbo rinka technologinių ir fizinių mokslų srityje
Darbo rinka technologinių ir fizinių mokslų srityjePyciukas
 
Darbo rinka technologinių ir fizinių mokslų srityje
Darbo rinka technologinių ir fizinių mokslų srityjeDarbo rinka technologinių ir fizinių mokslų srityje
Darbo rinka technologinių ir fizinių mokslų srityjePyciukas
 
IKT TAIKYMO ANALIZĖ NEFORMALAUS UGDYMO/ŠVIETIMO SEKTORIUJE
IKT TAIKYMO ANALIZĖ NEFORMALAUS UGDYMO/ŠVIETIMO SEKTORIUJEIKT TAIKYMO ANALIZĖ NEFORMALAUS UGDYMO/ŠVIETIMO SEKTORIUJE
IKT TAIKYMO ANALIZĖ NEFORMALAUS UGDYMO/ŠVIETIMO SEKTORIUJEIndrė Aš
 
Ikt infrastruktūra ir ištekliai
Ikt infrastruktūra ir ištekliaiIkt infrastruktūra ir ištekliai
Ikt infrastruktūra ir ištekliaiGreta Gervytė
 
R. Augaitienė ir A. Augaitis "Matematikos dėstymo iššūkiai rengiant inžinerij...
R. Augaitienė ir A. Augaitis "Matematikos dėstymo iššūkiai rengiant inžinerij...R. Augaitienė ir A. Augaitis "Matematikos dėstymo iššūkiai rengiant inžinerij...
R. Augaitienė ir A. Augaitis "Matematikos dėstymo iššūkiai rengiant inžinerij...LieDM asociacija
 
Valstybinė švietimo strategija ir 2014-2020 m. Lietuvos švietimo veiksmų prog...
Valstybinė švietimo strategija ir 2014-2020 m. Lietuvos švietimo veiksmų prog...Valstybinė švietimo strategija ir 2014-2020 m. Lietuvos švietimo veiksmų prog...
Valstybinė švietimo strategija ir 2014-2020 m. Lietuvos švietimo veiksmų prog...Lyderių laikas
 
Dr. Karolis Žibas. Migracija ir įvairovė švietime
Dr. Karolis Žibas. Migracija ir įvairovė švietimeDr. Karolis Žibas. Migracija ir įvairovė švietime
Dr. Karolis Žibas. Migracija ir įvairovė švietimeLyderių laikas
 
Įvairios šalys - skirtingi mąstymo būdai skaičiuojant ir algoritmuojant. Vale...
Įvairios šalys - skirtingi mąstymo būdai skaičiuojant ir algoritmuojant. Vale...Įvairios šalys - skirtingi mąstymo būdai skaičiuojant ir algoritmuojant. Vale...
Įvairios šalys - skirtingi mąstymo būdai skaičiuojant ir algoritmuojant. Vale...Lietuvos kompiuterininkų sąjunga
 
Ikt taikymo analizė aukštojo mokslo sektoriuje
Ikt taikymo analizė aukštojo mokslo sektoriujeIkt taikymo analizė aukštojo mokslo sektoriuje
Ikt taikymo analizė aukštojo mokslo sektoriujerutuke
 
Ikt taikymo analize_1_kd_3
Ikt taikymo analize_1_kd_3Ikt taikymo analize_1_kd_3
Ikt taikymo analize_1_kd_3Roma Romanova
 

Similaire à 3. Saulius PREIDYS. IKT studentų nubyrėjimo dėl akademinių įsiskolinimų ypatumai (14)

Pavalkis, Dainius „Švietimo prioritetai ir informacinės technologijos. Kas ka...
Pavalkis, Dainius „Švietimo prioritetai ir informacinės technologijos. Kas ka...Pavalkis, Dainius „Švietimo prioritetai ir informacinės technologijos. Kas ka...
Pavalkis, Dainius „Švietimo prioritetai ir informacinės technologijos. Kas ka...
 
Jau į pabaigą ar dar tik pradedam? Ričardas Ališauskas, Švietimo, mokslo ir s...
Jau į pabaigą ar dar tik pradedam? Ričardas Ališauskas, Švietimo, mokslo ir s...Jau į pabaigą ar dar tik pradedam? Ričardas Ališauskas, Švietimo, mokslo ir s...
Jau į pabaigą ar dar tik pradedam? Ričardas Ališauskas, Švietimo, mokslo ir s...
 
Strategijos įgyvendinimas_nuomonės surinkimo sistema
Strategijos įgyvendinimas_nuomonės surinkimo sistemaStrategijos įgyvendinimas_nuomonės surinkimo sistema
Strategijos įgyvendinimas_nuomonės surinkimo sistema
 
Darbo rinka technologinių ir fizinių mokslų srityje
Darbo rinka technologinių ir fizinių mokslų srityjeDarbo rinka technologinių ir fizinių mokslų srityje
Darbo rinka technologinių ir fizinių mokslų srityje
 
Darbo rinka technologinių ir fizinių mokslų srityje
Darbo rinka technologinių ir fizinių mokslų srityjeDarbo rinka technologinių ir fizinių mokslų srityje
Darbo rinka technologinių ir fizinių mokslų srityje
 
Ikt taikymo analize_1_uzduotis_sablonas (1)
Ikt taikymo analize_1_uzduotis_sablonas (1)Ikt taikymo analize_1_uzduotis_sablonas (1)
Ikt taikymo analize_1_uzduotis_sablonas (1)
 
IKT TAIKYMO ANALIZĖ NEFORMALAUS UGDYMO/ŠVIETIMO SEKTORIUJE
IKT TAIKYMO ANALIZĖ NEFORMALAUS UGDYMO/ŠVIETIMO SEKTORIUJEIKT TAIKYMO ANALIZĖ NEFORMALAUS UGDYMO/ŠVIETIMO SEKTORIUJE
IKT TAIKYMO ANALIZĖ NEFORMALAUS UGDYMO/ŠVIETIMO SEKTORIUJE
 
Ikt infrastruktūra ir ištekliai
Ikt infrastruktūra ir ištekliaiIkt infrastruktūra ir ištekliai
Ikt infrastruktūra ir ištekliai
 
R. Augaitienė ir A. Augaitis "Matematikos dėstymo iššūkiai rengiant inžinerij...
R. Augaitienė ir A. Augaitis "Matematikos dėstymo iššūkiai rengiant inžinerij...R. Augaitienė ir A. Augaitis "Matematikos dėstymo iššūkiai rengiant inžinerij...
R. Augaitienė ir A. Augaitis "Matematikos dėstymo iššūkiai rengiant inžinerij...
 
Valstybinė švietimo strategija ir 2014-2020 m. Lietuvos švietimo veiksmų prog...
Valstybinė švietimo strategija ir 2014-2020 m. Lietuvos švietimo veiksmų prog...Valstybinė švietimo strategija ir 2014-2020 m. Lietuvos švietimo veiksmų prog...
Valstybinė švietimo strategija ir 2014-2020 m. Lietuvos švietimo veiksmų prog...
 
Dr. Karolis Žibas. Migracija ir įvairovė švietime
Dr. Karolis Žibas. Migracija ir įvairovė švietimeDr. Karolis Žibas. Migracija ir įvairovė švietime
Dr. Karolis Žibas. Migracija ir įvairovė švietime
 
Įvairios šalys - skirtingi mąstymo būdai skaičiuojant ir algoritmuojant. Vale...
Įvairios šalys - skirtingi mąstymo būdai skaičiuojant ir algoritmuojant. Vale...Įvairios šalys - skirtingi mąstymo būdai skaičiuojant ir algoritmuojant. Vale...
Įvairios šalys - skirtingi mąstymo būdai skaičiuojant ir algoritmuojant. Vale...
 
Ikt taikymo analizė aukštojo mokslo sektoriuje
Ikt taikymo analizė aukštojo mokslo sektoriujeIkt taikymo analizė aukštojo mokslo sektoriuje
Ikt taikymo analizė aukštojo mokslo sektoriuje
 
Ikt taikymo analize_1_kd_3
Ikt taikymo analize_1_kd_3Ikt taikymo analize_1_kd_3
Ikt taikymo analize_1_kd_3
 

Plus de Lietuvos kompiuterininkų sąjunga

Eimutis KARČIAUSKAS. Informatikos mokymo pasiekimų vertinimų analizė
Eimutis KARČIAUSKAS. Informatikos mokymo pasiekimų vertinimų analizėEimutis KARČIAUSKAS. Informatikos mokymo pasiekimų vertinimų analizė
Eimutis KARČIAUSKAS. Informatikos mokymo pasiekimų vertinimų analizėLietuvos kompiuterininkų sąjunga
 
B. Čiapas. Prekių atpažinimo tyrimas naudojant giliuosius neuroninius tinklus...
B. Čiapas. Prekių atpažinimo tyrimas naudojant giliuosius neuroninius tinklus...B. Čiapas. Prekių atpažinimo tyrimas naudojant giliuosius neuroninius tinklus...
B. Čiapas. Prekių atpažinimo tyrimas naudojant giliuosius neuroninius tinklus...Lietuvos kompiuterininkų sąjunga
 
D. Dluznevskij. YOLOv5 efektyvumo tyrimas „iPhone“ palaikomose sistemose
D. Dluznevskij.  YOLOv5 efektyvumo tyrimas „iPhone“ palaikomose sistemoseD. Dluznevskij.  YOLOv5 efektyvumo tyrimas „iPhone“ palaikomose sistemose
D. Dluznevskij. YOLOv5 efektyvumo tyrimas „iPhone“ palaikomose sistemoseLietuvos kompiuterininkų sąjunga
 
I. Jakšaitytė. Nuotoliniai kursai informatikos mokytojų kvalifikacijai kelti:...
I. Jakšaitytė. Nuotoliniai kursai informatikos mokytojų kvalifikacijai kelti:...I. Jakšaitytė. Nuotoliniai kursai informatikos mokytojų kvalifikacijai kelti:...
I. Jakšaitytė. Nuotoliniai kursai informatikos mokytojų kvalifikacijai kelti:...Lietuvos kompiuterininkų sąjunga
 
E..Zikariene. Priziurima aplinkos duomenu klasifikacija, pagrista erdviniais ...
E..Zikariene. Priziurima aplinkos duomenu klasifikacija, pagrista erdviniais ...E..Zikariene. Priziurima aplinkos duomenu klasifikacija, pagrista erdviniais ...
E..Zikariene. Priziurima aplinkos duomenu klasifikacija, pagrista erdviniais ...Lietuvos kompiuterininkų sąjunga
 
V. Marcinkevičius. ARIS dirbtinio intelekto kurso mokymosi medžiaga, www.aris...
V. Marcinkevičius. ARIS dirbtinio intelekto kurso mokymosi medžiaga, www.aris...V. Marcinkevičius. ARIS dirbtinio intelekto kurso mokymosi medžiaga, www.aris...
V. Marcinkevičius. ARIS dirbtinio intelekto kurso mokymosi medžiaga, www.aris...Lietuvos kompiuterininkų sąjunga
 
Jolanta Navickaitė. Skaitmeninė kompetencija ir informatikos naujovės bendraj...
Jolanta Navickaitė. Skaitmeninė kompetencija ir informatikos naujovės bendraj...Jolanta Navickaitė. Skaitmeninė kompetencija ir informatikos naujovės bendraj...
Jolanta Navickaitė. Skaitmeninė kompetencija ir informatikos naujovės bendraj...Lietuvos kompiuterininkų sąjunga
 
Romas Baronas. Tarpdisciplininiai moksliniai tyrimai – galimybė atsiverti ir ...
Romas Baronas. Tarpdisciplininiai moksliniai tyrimai – galimybė atsiverti ir ...Romas Baronas. Tarpdisciplininiai moksliniai tyrimai – galimybė atsiverti ir ...
Romas Baronas. Tarpdisciplininiai moksliniai tyrimai – galimybė atsiverti ir ...Lietuvos kompiuterininkų sąjunga
 
Monika Danilovaitė. Informatikos metodų taikymas balso klosčių būklei įvertin...
Monika Danilovaitė. Informatikos metodų taikymas balso klosčių būklei įvertin...Monika Danilovaitė. Informatikos metodų taikymas balso klosčių būklei įvertin...
Monika Danilovaitė. Informatikos metodų taikymas balso klosčių būklei įvertin...Lietuvos kompiuterininkų sąjunga
 
Gražina Korvel. Lombardo šnekos ir jos akustinių ypatybių analizė
Gražina Korvel. Lombardo šnekos ir jos akustinių ypatybių analizėGražina Korvel. Lombardo šnekos ir jos akustinių ypatybių analizė
Gražina Korvel. Lombardo šnekos ir jos akustinių ypatybių analizėLietuvos kompiuterininkų sąjunga
 
Gediminas Navickas. Ar mes visi vienodai suvokiame sintetinę kalbą?
Gediminas Navickas. Ar mes visi vienodai suvokiame sintetinę kalbą?Gediminas Navickas. Ar mes visi vienodai suvokiame sintetinę kalbą?
Gediminas Navickas. Ar mes visi vienodai suvokiame sintetinę kalbą?Lietuvos kompiuterininkų sąjunga
 
Tomas Kasperavičius. Robotikos realizacija edukacinėje erdvėje
Tomas Kasperavičius. Robotikos realizacija edukacinėje erdvėjeTomas Kasperavičius. Robotikos realizacija edukacinėje erdvėje
Tomas Kasperavičius. Robotikos realizacija edukacinėje erdvėjeLietuvos kompiuterininkų sąjunga
 
Paulius Šakalys. Robotika: sąvoka, rūšys, pritaikymas edukacinėje erdvėje
Paulius Šakalys. Robotika: sąvoka, rūšys, pritaikymas edukacinėje erdvėjePaulius Šakalys. Robotika: sąvoka, rūšys, pritaikymas edukacinėje erdvėje
Paulius Šakalys. Robotika: sąvoka, rūšys, pritaikymas edukacinėje erdvėjeLietuvos kompiuterininkų sąjunga
 

Plus de Lietuvos kompiuterininkų sąjunga (20)

LIKS ataskaita 2021-2023
LIKS ataskaita 2021-2023LIKS ataskaita 2021-2023
LIKS ataskaita 2021-2023
 
Eimutis KARČIAUSKAS. Informatikos mokymo pasiekimų vertinimų analizė
Eimutis KARČIAUSKAS. Informatikos mokymo pasiekimų vertinimų analizėEimutis KARČIAUSKAS. Informatikos mokymo pasiekimų vertinimų analizė
Eimutis KARČIAUSKAS. Informatikos mokymo pasiekimų vertinimų analizė
 
B. Čiapas. Prekių atpažinimo tyrimas naudojant giliuosius neuroninius tinklus...
B. Čiapas. Prekių atpažinimo tyrimas naudojant giliuosius neuroninius tinklus...B. Čiapas. Prekių atpažinimo tyrimas naudojant giliuosius neuroninius tinklus...
B. Čiapas. Prekių atpažinimo tyrimas naudojant giliuosius neuroninius tinklus...
 
D. Dluznevskij. YOLOv5 efektyvumo tyrimas „iPhone“ palaikomose sistemose
D. Dluznevskij.  YOLOv5 efektyvumo tyrimas „iPhone“ palaikomose sistemoseD. Dluznevskij.  YOLOv5 efektyvumo tyrimas „iPhone“ palaikomose sistemose
D. Dluznevskij. YOLOv5 efektyvumo tyrimas „iPhone“ palaikomose sistemose
 
I. Jakšaitytė. Nuotoliniai kursai informatikos mokytojų kvalifikacijai kelti:...
I. Jakšaitytė. Nuotoliniai kursai informatikos mokytojų kvalifikacijai kelti:...I. Jakšaitytė. Nuotoliniai kursai informatikos mokytojų kvalifikacijai kelti:...
I. Jakšaitytė. Nuotoliniai kursai informatikos mokytojų kvalifikacijai kelti:...
 
G. Mezetis. Skaimenines valstybes link
G. Mezetis. Skaimenines valstybes link G. Mezetis. Skaimenines valstybes link
G. Mezetis. Skaimenines valstybes link
 
E..Zikariene. Priziurima aplinkos duomenu klasifikacija, pagrista erdviniais ...
E..Zikariene. Priziurima aplinkos duomenu klasifikacija, pagrista erdviniais ...E..Zikariene. Priziurima aplinkos duomenu klasifikacija, pagrista erdviniais ...
E..Zikariene. Priziurima aplinkos duomenu klasifikacija, pagrista erdviniais ...
 
V. Jakuška. Ką reikėtu žinoti apie .lt domeną?
V. Jakuška. Ką reikėtu žinoti apie .lt domeną?V. Jakuška. Ką reikėtu žinoti apie .lt domeną?
V. Jakuška. Ką reikėtu žinoti apie .lt domeną?
 
V. Marcinkevičius. ARIS dirbtinio intelekto kurso mokymosi medžiaga, www.aris...
V. Marcinkevičius. ARIS dirbtinio intelekto kurso mokymosi medžiaga, www.aris...V. Marcinkevičius. ARIS dirbtinio intelekto kurso mokymosi medžiaga, www.aris...
V. Marcinkevičius. ARIS dirbtinio intelekto kurso mokymosi medžiaga, www.aris...
 
Jolanta Navickaitė. Skaitmeninė kompetencija ir informatikos naujovės bendraj...
Jolanta Navickaitė. Skaitmeninė kompetencija ir informatikos naujovės bendraj...Jolanta Navickaitė. Skaitmeninė kompetencija ir informatikos naujovės bendraj...
Jolanta Navickaitė. Skaitmeninė kompetencija ir informatikos naujovės bendraj...
 
Raimundas Matylevičius. Asmens duomenų valdymas
Raimundas Matylevičius. Asmens duomenų valdymasRaimundas Matylevičius. Asmens duomenų valdymas
Raimundas Matylevičius. Asmens duomenų valdymas
 
Romas Baronas. Tarpdisciplininiai moksliniai tyrimai – galimybė atsiverti ir ...
Romas Baronas. Tarpdisciplininiai moksliniai tyrimai – galimybė atsiverti ir ...Romas Baronas. Tarpdisciplininiai moksliniai tyrimai – galimybė atsiverti ir ...
Romas Baronas. Tarpdisciplininiai moksliniai tyrimai – galimybė atsiverti ir ...
 
Monika Danilovaitė. Informatikos metodų taikymas balso klosčių būklei įvertin...
Monika Danilovaitė. Informatikos metodų taikymas balso klosčių būklei įvertin...Monika Danilovaitė. Informatikos metodų taikymas balso klosčių būklei įvertin...
Monika Danilovaitė. Informatikos metodų taikymas balso klosčių būklei įvertin...
 
Rima Šiaulienė. IT VBE 2021 teksto maketavimo užduotis
Rima Šiaulienė. IT VBE 2021 teksto maketavimo užduotisRima Šiaulienė. IT VBE 2021 teksto maketavimo užduotis
Rima Šiaulienė. IT VBE 2021 teksto maketavimo užduotis
 
Gražina Korvel. Lombardo šnekos ir jos akustinių ypatybių analizė
Gražina Korvel. Lombardo šnekos ir jos akustinių ypatybių analizėGražina Korvel. Lombardo šnekos ir jos akustinių ypatybių analizė
Gražina Korvel. Lombardo šnekos ir jos akustinių ypatybių analizė
 
Gediminas Navickas. Ar mes visi vienodai suvokiame sintetinę kalbą?
Gediminas Navickas. Ar mes visi vienodai suvokiame sintetinę kalbą?Gediminas Navickas. Ar mes visi vienodai suvokiame sintetinę kalbą?
Gediminas Navickas. Ar mes visi vienodai suvokiame sintetinę kalbą?
 
Eugenijus Valavičius. Hiperteksto kelias
Eugenijus Valavičius. Hiperteksto keliasEugenijus Valavičius. Hiperteksto kelias
Eugenijus Valavičius. Hiperteksto kelias
 
Tomas Kasperavičius. Robotikos realizacija edukacinėje erdvėje
Tomas Kasperavičius. Robotikos realizacija edukacinėje erdvėjeTomas Kasperavičius. Robotikos realizacija edukacinėje erdvėje
Tomas Kasperavičius. Robotikos realizacija edukacinėje erdvėje
 
Paulius Šakalys. Robotika: sąvoka, rūšys, pritaikymas edukacinėje erdvėje
Paulius Šakalys. Robotika: sąvoka, rūšys, pritaikymas edukacinėje erdvėjePaulius Šakalys. Robotika: sąvoka, rūšys, pritaikymas edukacinėje erdvėje
Paulius Šakalys. Robotika: sąvoka, rūšys, pritaikymas edukacinėje erdvėje
 
Olga Kurasova. Dirbtinis intelektas ir neuroniniai tinklai
Olga Kurasova. Dirbtinis intelektas ir neuroniniai tinklaiOlga Kurasova. Dirbtinis intelektas ir neuroniniai tinklai
Olga Kurasova. Dirbtinis intelektas ir neuroniniai tinklai
 

3. Saulius PREIDYS. IKT studentų nubyrėjimo dėl akademinių įsiskolinimų ypatumai

  • 1. IKT studentų nubyrėjimo dėl akademinių įsiskolinimų ypatumai Dr. Saulius Preidys VU ESEC direktorius saulius.preidys@esec.vu.lt
  • 2. Tyrimo problema ir aktualumas  IT specialistų stygius – jau daug metų yra didelė Lietuvos problema.  Nors juos ruošia ir universitetai, ir kolegijos, tačiau šių specialistų poreikis vis didėja. Infobalt, 2014
  • 3. Esama situacija: priežastys ir pasekmės  Nuo 2008 priėmimas į IT pakraipos studijas kritęs 35%, o nuo 2005 m. priėmimas sumažėjęs daugiau nei perpus !  IT sektoriaus atstovai kaip vieną pagrindinių kritusio susidomėjimo IT studijomis priežasčių įvardija mokyklinės programos nepatrauklumą ir tuo pačiu mažą neformalaus ugdymo su IT turiniu pasiūlą. Šaltinis: LR Statistikos departamentas, Švietimo informacinių technologijų centras
  • 4. Priėmimas į IT studijas  Pagal pirmą pageidavimą IT studijų paklausa absoliučiu dydžiu iš visų studijų krypčių didėjo labiausiai, kartu su medicinos studijomis  Auga gaunančių valstybės finansavimą skaičius  Toliau daugėja stojančiųjų į mokamas vietas Infobalt, 2014
  • 5. IKT studijų problemos(1)  Praktiniai įgūdžiai. Pačių studijų programų įvairovė ir verslo dalyvavimas IT studijose pamažu auga, tačiau išlieka nedidelis. Aukštosios mokyklos iki šiol studijų programose neplanuoja ir neapskaito, kiek valandų studijose turi būti ir yra skiriama praktiniams užsiėmimams už mokymo įstaigų ribų, kuriant į realias situacijas ir problemas orientuotus produktus, sprendžiant praktinius verslo iškeltus uždavinius.  Studijų tarptautiškumas. Tose programose, su kurių rezultatais teko susipažinti, labai nedaug atvykstančių iš užsienio dėstytojų, tačiau yra gerų pavyzdžių (pvz. savo profesionalus iš užsienio atsiunčia Barclays technologijų centras ir kt. tarptautinės kompanijos). Studijos anglų kalba tik pradedamos, užsienio studentų skaičius taip pat labai nežymus. (Infobalt, 2014)
  • 6. IKT studijų problemos(2)  Baigiančių studijas skaičius. Rimtu iššūkiu lieka apie 50% siekiantis „nubyrėjimas“ tiek per 3 metus kolegijose, ar 4 metų studijų laikotarpį universitetuose, nors tikėtina, kad dalis jų ateina dirbti į IT sektorių. (Infobalt, 2014)
  • 7. Kodėl toks didelis studentų nubyrėjimo procentas universitetuose ir kolegijose?
  • 8. Studentų nubyrėjimas JAV universitetuose  Neįdomūs užsėmimai (47 %)  Praleista per daug paskaitų (43 %)  Praleista daug laiko su neįdomiais žmonėmis (42 %)  Buvo per daug laisvės ir per mažai taisyklių (38 %)  Sutrukdė akademiniai įsiskolinimai (35 %) JAV universitetų tyrimo ataskaita (Bridgeland, DiIulio Jr., and Burke, 2006)
  • 9. Studentų nubyrėjimas Europos universitetuose  Autoriai išskiria šešis veiksnius, kurie įtakoja studentus mesti mokslus: 1. socialiniai ir kultūriniai, 2. struktūriniai, 3. politiniai, 4. instituciniai, 5. asmeniniai, 6. mokymosi.  Autoriai akcentuoja, jog atskirose šalyse nubyrėjimo priežastys yra skirtingos (pvz. Italijoje didelę reikšmę turi studentų tėvų išsilavinimas). QUINN, Jocey. (2013) . Drop-out and Completion in Higher Education in Europe among Students from under-Represented Groups
  • 10. Kokios „nubyrėjimo“ priežastys Lietuvoje?  Sveikatos problemos  Psichinės sveikatos pablogėjimas (nuolatinis nuovargis, nemiga, galvos skausmai, apatija)  Kiti negalavimai (dažna sloga, kosulys, alkis, pykinimas, pilvo skausmai, skausmai širdies plote, bendras išsekimas)  Asmenybės ypatumai  Atsakomybės stoka  Nepasitikėjimas savimi  Žalingi įpročiai, priklausomybės (V. Gudžinskienė, 2006)
  • 11. „Nubyrėjimo“ priežastys pagal atskiras sritis ŠMM, 2005
  • 12. VU MIF studentų tyrimas Studijų grupė Metai 1991 1992 1993 1996 1999 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 Informatikos Bioinformatika 322 126 75 101 43 Informacinės technologijos 286 318 394 366 327 Informatika 61 53 20 193 546 923 1259 1521 2722 2646 2825 2797 1919 902 830 567 395 Programų sistemos 355 344 868 918 1097 924 765 846 1020 600 495 Matematikos Ekonometrija 112 115 117 340 320 248 307 321 317 357 232 148 Finansų ir drausimo matematika 179 149 75 174 266 218 226 315 243 291 177 141 Matematika 24 39 25 147 171 232 278
  • 13. Pradiniai tyrimo duomenys  asm_id – studento identifikatorius,  semestras – semestras, kuriame studentas turėjo akademinį įsiskolinimą,  dalykas – mokymosi dalykas, kuriame studentas turėjo akademinį įsiskolinimą  neigiamas – kiek kartų studentas turėjo neigiamą pažymį už šį mokymosi dalyką  teigiamas – ar pavyko atsiskaityti? (0 – nepavyko, 1 – pavyko)  busena_id – studento būsenos identifikatorius  busena – tiesiogiai susijęs su prieš tai buvusiu lauku – studento būsena (P-pašalintas, S-studijuoja, B-baigė)  last_semestras – paskutinis semestras, kuriame studentas turėjo akademinį įsiskolinimą,  pozymis – duomenų gavimo požymis,  metai – studijų metai,  programa – studijų programa, kurioje studijavo studentas.
  • 15. Informatikos studijų programų grupės įsiskolinimai
  • 16. Matematikos studijų programų grupės įsiskolinimai
  • 17. Akademinės skolos pagal studijų programas • Praktiškai kiekvienoje studijų programoje „pirmauja“ matematiniai dalykai. • Kai kurie dalykai (Matematinė analizė, Kompiuterių architektūra) kartojasi visose studijų programose.
  • 19. Akademinių įsiskolinimų skaičius pagal studijų programas Informatikos studijų programų grupė Matematikos studijų programų grupė
  • 20. Analitikos modelis, skirtas akademinių įsiskolinimų analizei Studijų informacinė sistema Duomenų parengimas Specialybės ir ne specialybės dalykų atskyrimas Statistikos, duomenų tyrybos metodų pritaikymas Statistinių ataskaitų ir įžvalgų pateikimas Akademinių įsiskolinimų atranka Parengų duomenų įkėlimas į duomenų sandėlį
  • 21. Išskirčių skaičiavimas ir palyginimas abiejose tiriamosiose grupėse
  • 22. Išvados  IT specialybių darbuotojų šiuo metu darbo rinkoje labai trūksta  Apie 50% IT studentų nebaigia studijų universitetuose bei kolegijose  Studentai palieka studijas pradedant 1 semestru, baigiant 8-tu.  Dėl ne specialybinių dalykų skolų studijų nebaigia apie 50% buvusių VU MIF studentų.  Daugiausiai studentų palieka IT studijas dėl matematinių dalykų ir užsienio kalbų.  Problemos sprendimas – realiai veikianti modulinė studijų sistema.  Sukurtas modelis gali būti panaudotas kitų studijų programų analizei.