Статья посвящена обзору исследований в области аналитики сотрудничества (Collaboration Analytics) и их применению для анализа совместного обучения в высшем образовании. На основе систематического поиска и сопоставления работ выявлены ключевые конструкты сотрудничества - участие, координация и когнитивная регуляция, а также подходы к их теоретической интерпретации. Показано, что в университетской практике наиболее востребованы данные об активности студентов в цифровых платформах (логи сообщений, временные метки, сетевые связи), результаты содержательного анализа коммуникации (кодирование дискурса, семантические карты), а также мультимодальные индикаторы взаимодействия (например, временные ряды действий и распределение ролей в группах). Для их обработки активно применяются методы сетевого анализа, эпистемической сетевой аналитики (ENA), машинного обучения и визуализации цифровых следов. Эти подходы позволяют преподавателям диагностировать командную динамику, формировать более точную обратную связь и поддерживать развитие метакомпетенций студентов. В качестве сравнительного контекста рассмотрены исследования корпоративной аналитики, что позволило выявить модели мониторинга и визуализации вклада участников, потенциально применимые в университетской среде. Практическая значимость результатов состоит в том, что обзор даёт преподавателям и исследователям в области образования инструменты для осмысленного выбора аналитических методов и индикаторов, а также очерчивает направления возможного переноса корпоративных практик в университетские модели совместного обучения. Для читателей интерес статьи заключается в систематизации разрозненных исследований и выявлении перспективных подходов, которые могут повысить качество групповой работы студентов и её оценки.
Идентификаторы и классификаторы
- SCI
- Образование
Сотрудничество (кооперация, коллаборация) как характеристика совместной деятельности играет важную роль в образовании и признано одним из наиболее важных навыков XXI века, необходимых для успешного обучения и профессиональной эффективности, способствующим генерации идей, поддержанию инновации, усилению конкурентоспособности и повышению качества выполнения профессиональных задач. Исследования в области совместного обучения охватывают как обучение в процессе сотрудничества, так и обучение сотрудничеству [1].
Если у вас возникли вопросы или появились предложения по содержанию статьи, пожалуйста, направляйте их в рамках данной темы.
Список литературы
1. Schneider B., Dowell, N., Thompson K. Collaboration analytics - current state and potential futures // Journal of Learning Analytics. 2021. Vol. 8. No. 1. P. 1-12. DOI: 10.18608/jla.2021.7447 EDN: KTYADW
2. Martinez-Maldonado R., Kay J., Shum S.B., Yacef K. Collocated collaboration analytics: Principles and dilemmas for mining multimodal interaction data // Human-Computer Interaction. 2017. Vol. 34. No. 1. P. 1-50. DOI: 10.1080/07370024.2017.1338956
3. Martinez-Maldonado R., Gašević D., Echeverria V., Fernandez Nieto G., Swiecki Z., Shum S.B. What Do You Mean by Collaboration Analytics? A Conceptual Model // Journal of Learning Analytics. 2021. Vol. 8. No. 1. P. 126-153. DOI: 10.18608/jla.2021.7227 EDN: LGVSBU
4. Балышев П.А. Универсальные психолого-педагогические механизмы формирования компетенции командной работы студентов вузов / П.А. Балышев // Мир науки. Педагогика и психология. 2023. Т. 11. № 6. EDN: NVJSFH
5. Guitert Catasús M., Romeu Fontanillas T., Raffaghelli J.E., Cerro Martínez J.P. Collaborative Learning Analytics: Centring the Ethical Implications around Teacher and Student Empowerment. A Systematic Review // Journal of Learning Analytics. 2025. Vol. 12. No. 1. P. 201-214. DOI: 10.18608/jla.2025.8489 EDN: DCPLOQ
6. Huang X., Ochoa X. Charting the Development of Collaboration Skills through Collaborative Learning Analytics Systems // Journal of Learning Analytics. 2025. Vol. 12. No. 1. P. 338-366. DOI: 10.18608/jla.2025.8523 EDN: DYQOFA
7. Dillenbourg P., Järvelä S., Fischer F. The evolution of research on computer-supported collaborative learning: From design to orchestration // Technology-enhanced learning: Principles and products. Dordrecht: Springer Netherlands, 2009. P. 3-19. DOI: 10.1007/978-1-4020-9827-7_1
8. Schubert P. Areas of Collaboration Analytics // Procedia Computer Science. 2025. Vol. 256. P. 458-471. DOI: 10.1016/j.procs.2025.02.142
9. Gašević D., Dawson S., Siemens G. Let’s not forget: Learning analytics are about learning // TechTrends. 2015. Vol. 59. No. 1. P. 64-71. DOI: 10.1007/s11528-014-0822-x
10. Ochoa X., Worsley M. Augmenting learning analytics with multimodal sensory data // Journal of Learning Analytics. 2016. Vol. 3. No. 2. P. 213-219. DOI: 10.18608/jla.2016.32.10
11. Wise A.F., Shaffer D.W. Why theory matters more than ever in the age of big data // Journal of Learning Analytics. 2015. Vol. 2. No. 2. P. 5-13. DOI: 10.18608/jla.2015.22.2
12. Praharaj S., Scheffel M., Drachsler H., Specht M. Literature review on co-located collaboration modeling using multimodal learning analytics - Can we go the whole nine yards? // IEEE Transactions on Learning Technologies. 2021. Vol. 14. No. 3. P. 367-385. DOI: 10.1109/TLT.2021.3097766 EDN: RMCYZA
13. Schneider B., Sung G., Chng E., Yang S. How can high-frequency sensors capture collaboration? A review of the empirical links between multimodal metrics and collaborative constructs // Sensors. 2021. Vol. 21. No. 24. P. 81-85. DOI: 10.3390/s21248185 EDN: JSJVYP
14. Дацун Н.Н. Совместное оценивание деятельности обучающихся в массовых открытых онлайн-курсах: систематический обзор литературы // Мир науки (электронный научный журнал). 2015. № 3. С. 10. EDN: VJVEXL
15. Рузибоев С.К.У., Демидов А.В. Оценка академического поведения обучаемых в системах электронного обучения: систематический обзор литературы // Академическая наука. 2025. № 1 (январь - март). С. 135-140. DOI: 10.24412/3034-4042-2025-2-135-140 EDN: OFXPCK
16. Суханова Т.В. Развитие цифровых образовательных ресурсов в зарубежных странах (США, Великобритания, Китай, Бразилия, Германия). Обзор // Ценности и смыслы. 2021. № 4 (74). С. 38-73. DOI: 10.24412/2071-6427-2021-4-38-73 EDN: BZSQEY
17. Swiecki Z. Measuring the impact of interdependence on individuals during collaborative problem-solving // Journal of Learning Analytics. 2021. Vol. 8. No. 1. P. 75-94. DOI: 10.18608/JLA.2021.7240 EDN: OMDMTB
18. Vujovic M., Tassani S., Hernández-Leo D. Motion capture as an instrument in multimodal collaborative learning analytics // European Conference on Technology Enhanced Learning. Cham: Springer International Publishing, 2019. P. 604-608. DOI: 10.1007/978-3-030-29736-7_49
19. Just M., Schubert P., Blatt J., Delfmann P. Data Preprocessing for Cross-System Analysis: The DaProXSA Approach // Procedia Computer Science. 2024. Vol. 239. P. 1635-1644. DOI: 10.1016/j.procs.2024.06.340
20. Zamecnik A., Kovanović V., Joksimović S., Grossmann G., Ladjal D., Pardo A. The perceptions of task cohesion in collaborative learning teams // International Journal of Computer-Supported Collaborative Learning. 2024. Vol. 19. P. 369-393. DOI: 10.1007/s11412-024-09424-5 EDN: EFJIXC
21. Poquet O., Kitto K., Jovanović J., Dawson S., Siemens G., Markauskaite L. Transitions through lifelong learning: Implications for learning analytics // Computers and Education: Artificial Intelligence. 2021. Vol. 2. Article no. 100039. DOI: 10.1016/j.caeai.2021.100039 EDN: WJRFCU
22. Liu Z., Liu H., Tian Y., Nie X., Liu M. Relationships between interactive network patterns and students’ cognitive and emotional processes: Evidence from the individual and group levels // Computers & Education. 2025. Vol. 232. P. 105-109. DOI: 10.1016/j.compedu.2025.105309 EDN: GYAWTK
23. Ouyang F., Zhang L., Wu M., Jiao P. Empowering collaborative knowledge construction through the implementation of a collaborative argument map tool // The Internet and Higher Education. 2024. Vol. 62. P. 100-146. DOI: 10.1016/j.iheduc.2024.100946 EDN: LLEFEM
24. Saqr M., López-Pernas S. The curious case of centrality measures: A large-scale empirical investigation // Journal of Learning Analytics. 2022. Vol. 9. No. 1. P. 13-31. DOI: 10.18608/jla.2022.7415 EDN: MSRATO
25. Saqr M., López-Pernas S., Murphy K. How group structure, members’ interactions and teacher facilitation explain the emergence of roles in collaborative learning // Learning and Individual Differences. 2024. Vol. 112. Article no. 102463. DOI: 10.1016/j.lindif.2024.102463 EDN: GKLGGH
26. Zhu X., Shui H., Chen B. Beyond reading together: Facilitating knowledge construction through participation roles and social annotation in college classrooms // The Internet and Higher Education. 2023. Vol. 59. Article no. 100919. DOI: 10.1016/j.iheduc.2023.100919 EDN: NUWABE
27. Ferreira M.A.D., Mello R.F., Kovanović V., Nascimento A., Lins R., Gašević D. NASC: Network analytics to uncover socio-cognitive discourse of student roles // LAK22: 12th International Learning Analytics and Knowledge Conference. 2022. P. 415-425. DOI: 10.1145/3506860.3506978
28. Bahles S., Schwade F, Schubert P. A Workspace Typology for Enterprise Collaboration Systems // Procedia Computer Science. 2022. Vol. 196. P. 296-304. DOI: 10.1016/j.procs.2021.12.017
29. Cornide-Reyes H., Riquelme F., Monsalves D., Noël R., Cechinel C. et al. A multimodal real-time feedback platform based on spoken interactions for remote active learning support //Sensors. 2020. Vol. 20. No. 21. Article no. 6337. DOI: 10.3390/s20216337 EDN: ZQYZWN
30. Worsley M., Anderson K., Melo N., Jang J.Y. Designing analytics for collaboration literacy and student empowerment // Journal of Learning Analytics. 2021. Vol. 8. No. 1. P. 30-48. DOI: 10.18608/JLA.2021.7242 EDN: BRKLSI
31. Cornide-Reyes H., Noёl R., Riquelme F., Gajardo M., Cechinel C. et al.Introducing low-cost sensors into the classroom settings: Improving the assessment in agile practices with multimodal learning analytics // Sensors. 2019. Vol. 19. No. 15. Article no. 3291. DOI: 10.3390/s19153291
32. Charitopoulos A., Vassiliadis S., Rangoussi M., Koulouriotis D.E. E-learning and blended learning in textile engineering education: a closed feedback loop approach. IOP Conference Series: Materials Science and Engineering. 2017. Vol. 254. No. 22. Article no. 222002. DOI: 10.1088/1757-899X/254/22/222002
33. Alshawabkeh R.O., Abu Rumman A.R., Al-Abbadi L.H. The nexus between digital collaboration, analytics capability and supply chain resilience of the food processing industry in Jordan //Cogent Business & Management. 2024. Vol. 11. No. 1. Article no. 2296608. DOI: 10.1080/23311975.2023.2296608 EDN: HBHJXV
34. Carvalho C.L., Pinto I.R., Costa-Lopes R., Páez D., Miranda M.P., Marques J.M. Social Dominance Orientation Boosts Collective Action Among Low-Status Groups // Frontiers in Psychology. 2021. Vol. 12. DOI: 10.3389/fpsyg.2021.681302 EDN: MMMMPH
35. Guo Z., Barmaki R. Deep neural networks for collaborative learning analytics: Evaluating team collaborations using student gaze point prediction // Australasian Journal of Educational Technology. 2020. Vol. 36. No. 6. P. 53-71. DOI: 10.14742/AJET.6436 EDN: ZCOJNZ
36. Spikol D., Li Z., Nolte A., Ohsaki A., Rapur K. Investigating Hackathons with Collaboration Analytics //Proceedings of the 8th International Conference on Game Jams, Hackathons and Game Creation Events. 2024. P. 1-8. DOI: 10.1145/3697789.3697797
37. Le Q., Hui B., Putri A., Phan K. Using GitHub Analytics to Assess the Quality of Collaboration in Software Engineering Teams // 2024 IEEE Frontiers in Education Conference (FIE). IEEE, 2024. P. 1-9. DOI: 10.1109/FIE61694.2024.10892887
38. Кутузов А.И. Инструменты оценки групповой и командной работы студентов в высшем образовании: систематический обзор литературы / А.И. Кутузов, А.В. Богданова // Высшее образование в России. 2025. № 4. С. 118-143. DOI: 10.31992/0869-3617-2025-34-4-118-143 EDN: FOVPZM
39. Oldeweme M., Konradt U., Brede M. The rhythm of teamwork: Discovering a complex temporal pattern of team processes // Group Dynamics: Theory, Research, and Practice. 2023. Vol. 27. No. 1. Article no. 50. DOI: 10.1037/gdn0000175 EDN: AYPQCN
40. Lämsä J., Uribe P., Jiménez A., Caballero D. Deep Networks for Collaboration Analytics: Promoting Automatic Analysis of Face-to-Face Interaction in the Context of Inquiry-Based Learning // Journal of Learning Analytics. 2021. Vol. 8. No. 1. P. 113-125. DOI: 10.18608/jla.2021.7118 EDN: BGSCOW
41. Lodge J.M., Knight S., Kitto K. Theory and Learning Analytics, a Historical Perspective // Bartimote K., Howard S.K., Gašević D. (eds) Theory Informing and Arising from Learning Analytics. Springer, Cham. 2024. P. 3-18. DOI: 10.1007/978-3-031-60571-0_1
42. Kitto K., Shum S., Gibson A. Embracing imperfection in learning analytics // Proceedings of the 8th international conference on learning analytics and knowledge. 2018. P. 451-460. DOI: 10.1145/3170358.3170413
43. Lockyer L., Heathcote E., Dawson S. Informing pedagogical action: Aligning learning analytics with learning design // American Behavioral Scientist. 2013. Vol. 57. No. 10. P. 1439-1459. DOI: 10.1177/0002764213479367
44. Тurvey K., Pachler N. Design principles for fostering pedagogical provenance through research in technology supported learning // Computers & Education. 2020. Vol. 146. Article no. 103736. DOI: 10.1016/j.compedu.2019.103736 EDN: UFUNDX
45. Zhou Q., Suraworachet W., Pozdniakov S., Martinez-Maldonado R., Bartindale T. et al. Investigating students’ experiences with collaboration analytics for remote group meetings // International Conference on Artificial Intelligence in Education. Cham: Springer International Publishing, 2021. P. 472-485. DOI: 10.1007/978-3-030-78292-4_38
46. Патаракин Е.Д., Вачкова С.Н. Сетевой анализ коллективных действий над цифровыми образовательными объектами // Вестник МГПУ. Серия: Педагогика и психология. 2019. № 4 (50). С. 101-112. DOI: 10.25688/2076-9121.2019.50.4.09 EDN: DVNVMI
Выпуск
Другие статьи выпуска
Настоящее исследование посвящено комплексному анализу научного дискурса, связанного с интеграцией искусственного интеллекта (ИИ) в образовательную среду, в период с 2015 по 2025 годы. Актуальность работы обусловлена стремительным проникновением технологий ИИ в образовательное пространство, что требует систематизации знаний о динамике исследовательских трендов, методологических подходах и концептуальных сдвигах. Научная новизна заключается в применении комбинированной методологии, объединяющей библиометрический анализ, латентное размещение Дирихле (LDA) для тематического моделирования и статистические методы, что позволило выявить структурные особенности дискурса и его эволюцию. На основе анализа 362 статей из базы данных Lens выделено 21 тематическое направление, отражающее ключевые исследовательские фокусы: от внедрения ИИ в школьное образование (K-12) до этических вызовов и антропоцентрических моделей. Результаты демонстрируют экспоненциальный рост публикационной активности с доминированием технологических исследований, при этом отмечается недостаточная репрезентация социогуманитарных дисциплин. Географический анализ выявил лидерство США, Великобритании и Китая, что подчёркивает региональную асимметрию в изучении проблемной топики «ИИ в образовании». Важным выводом является смена парадигмы восприятия ИИ: от автономных агентов к инструментам, дополняющим человеческие ресурсы, с акцентом на роль педагога и селективное применение технологий. Установлено, что перспективные направления смещаются в сторону анализа антропоцентрических моделей, персонализации обучения и этических аспектов генеративных языковых моделей. Исследование вносит вклад в понимание структурных изменений научного дискурса «ИИ в образовании» и в создание единого логического контура проблем-вызовов современного образования, обусловленного ролью и перспективами систем ИИ в образовании.
В фокусе статьи - обоснование направлений суверенизации интернационализации с позиции признания необходимости включения национального тренда в качестве ведущего в международное высшее образование. Рассматривается специфика российских практик интернационализации и фиксируются направления концептуализации стратегий российской суверенизации: использование международных образовательных коммуникаций как ресурса «мягкой силы» или отказ от неоглобализма при сохранении ответа на глобальные вызовы средствами внутренней интернационализации. Обосновывается приоритет концептуализации внутренней интернационализации над внешней и предлагаются направления институциональной перестройки высшего образования для её поддержания. В статье рассматривается суверенный интернационализм в контексте децентрализации мирового пространства и отказа от безоговорочного принятия иностранных институциональных моделей в направлении понимания обеспечения собственных институциональных и социокультурных оснований трансформации высшего образования. Авторы полагают, что в условиях глобальной турбулентности внутренняя интернационализация позволит достичь синергетического эффекта от интернационализации не только на национальном и локальном, но и на международном треках, обеспечит баланс между глобальными вызовами и суверенизацией. В качестве методологической основы концептуализации внутренней интернационализации, наряду с традиционно используемым инструментальным и институциональным подходом, в статье применяется социокультурный подход, так как суверенизация усиливает значение влияния социокультурного контекста на, казалось бы, «универсальный» институт интернационализации и инструменты её осуществления. С целью концептуализации внутренней интернационализации предлагается рассматривать этот процесс в различных сегментах образовательного пространства учебной и внеучебной деятельности с вовлечением всех участников интернационального взаимодействия. Эти пространственные сегменты должны образовывать связанные друг с другом сети реальных и виртуальных коммуникативных субъект-субъектных взаимодействий. Подчёркнута необходимость развития двух траекторий формирования компетенций для эффективного взаимодействия иностранных и российских участников внутренней интернационализации - теоретической и практической. В практическом аспекте предлагается обратить внимание на формирование поведенческой установки ответственного применения теоретически освоенных компетенций межкультурного взаимодействия и мотивации ко взаимной ответственности, а также убеждённости в допустимости иных ценностных ориентиров без отказа от собственных ценностей.
Решение проблем современной российской высшей школы требует поиска новых методологических подходов. Таким подходом может выступить поколенческий подход. Одним из ключевых вопросов применения данного подхода в социологии высшего образования, не нашедшим, однако, в научной литературе должного отражения, является поиск и обоснование критериев и границ поколений университетского сообщества. Научная новизна исследования заключается в попытке изучения представлений сотрудников современных российских университетов о критериях и границах поколений вузовских общностей. Впервые проведено качественное эмпирическое исследование (интервью) научно-педагогических и административно-управленческих работников вузов Уральского федерального округа (n=41). Оно позволило зафиксировать широкий перечень количественных (возраст, стаж работы) и качественных (система образования, в которой происходило становление работника; исторический период включения работника в систему высшего образования; должность как стадия освоения содержания труда; отношение к цифровым технологиям и степень владения ими; инициативность / знания и опыт; гибкость и адаптивность к изменяющимся внешним условиям и т. д.) критериев дифференциации университетского сообщества. Выявлены механизмы самоидентификации работников высшей школы с конкретным поколением. Установлено, что фундаментом, придающим устойчивость университету, выступает среднее поколение. Статья вносит вклад в только разворачивающуюся дискуссию о поколенческом устройстве университетского сообщества, предлагая эмпирические данные, обосновывающие актуальность и перспективность использования поколенческого подхода в высшем образовании. Результаты исследования позволяют расширить теоретическое понимание тех процессов, которые происходят в российской высшей школе, и дать практические рекомендации по разработке содержательной и дифференцированной политики возраста в университетах.
Целью университетов в 21 веке является не только предоставление качественного образования и проведение научных исследований, но и мобилизация знаний, преподавания и практики для общественного блага. Модели образовательных организаций, основанные на транзакционном обмене знаниями, уступают место новым способам работы, которые ориентированы на трансформационное партнёрство с двусторонним взаимодействием с социальными институтами и сообществами. В статье представлен анализ практик ведущих мировых университетов в сфере поддержания психологического благополучия населения. Анализ основан на открытых данных 102 университетов, входящих в рейтинг University Impact Rankings 2024. В 97 из них были выявлены и описаны 282 практики, направленные на сохранение психологического благополучия. Они охватывают широкий спектр инициатив, от оказания психологической помощи до просветительских и социальных проектов, и глубоко интегрированы в образовательную и исследовательскую деятельность университетов. Представлены результаты количественного и качественного анализа четырёх групп практик: психологическая помощь и поддержка, информационно-просветительские проекты, социальные инициативы и иные форматы поддержки благополучия - по 127 показателям, структурированным группами организационных условий, содержания и позиционирования практик внутри/вне университета, включая инвариантные (уровень, длительность, цели, темы, механизм привлечения, признание). Полученные данные показывают способность университетов системно содействовать повышению качества жизни населения, выходя за рамки университетских сообществ и решая общественно значимые проблемы. При сравнении зарубежных практик с отечественным опытом выявлены различия, обусловленные коммерческим характером зарубежного образования, локальной укоренённостью практик и разнообразием практик прямой психологической поддержки.
Статья исследует функции, возможности и ограничения цифровых аватаров как медиаторов образовательного взаимодействия и формулирует условия их успешной интеграции в учебные практики. Под цифровым аватаром в исследовании понимается визуальный виртуальный агент, выступающий в роли представителя человека или искусственного интеллекта, способный к коммуникации и взаимодействию в цифровой образовательной среде. Работа опирается на социотехнический подход и рассматривает цифровой аватар не только как технологическое решение, но и как нового актора образовательного взаимодействия. На основе тематического обзора литературы (2020-2025 гг.), анализа кейсов EdTech-компаний и рефлексивного эксперимента автора выявлены ключевые функции и ограничения использования цифровых аватаров в образовании и предложена четырёхуровневая модель, объединяющая техническое, психолого-педагогическое, социокультурное и этическое измерения медиативной роли аватаров. Полученные результаты раскрывают сложный социотехнический характер цифровых аватаров, педагогический потенциал и социальные вызовы их внедрения в образовательную деятельность. Исследование демонстрирует потенциал использования цифровых аватаров для повышения краткосрочной вовлечённости и мотивации учащихся, облегчения мультиязычной передачи контента и сокращения времени на подготовку видеоуроков. Делается вывод, что аватар следует рассматривать не как замену педагогу, а как мощный вспомогательный инструмент, дополняющий и расширяющий его возможности, а эффективность его внедрения напрямую зависит от готовности образовательной системы к изменениям: от разработки продуманных стратегий и подготовки педагогических кадров до создания чётких этических рамок. В заключении сформулирован ряд принципов создания и внедрения цифровых аватаров как медиаторов образовательного взаимодействия и предложены ключевые направления для дальнейших научных и практических исследований.
Описаны результаты исследования социальных ожиданий представителей руководства образовательных организаций высшего образования и специалистов вузовских психологических служб относительно востребованности и эффективности психологического сопровождения высшего образования. Значительное внимание уделено анализу сходств и, что представляется особенно важным, противоречий во взглядах по вопросам эффективности и включённости психологической службы в достижение стратегических целей вуза, востребованности психологической помощи и профессиональных компетенций вузовских психологов и др. Методологической основой стала концепция выращивания институтов на основе направленных институциональных изменений, в рамках которой согласованность позиций «агентов влияния и спроса» («курирующие» и «некурирующие» проректоры) и «сил поддержки» (вузовские психологи) рассматривалась как необходимое условие успешной институционализации психологической службы в качестве неотъемлемой структурной единицы университета. В социологическом опросе участвовал 241 респондент - проректоры, курирующие и не курирующие организацию психологической помощи в вузе, а также руководители и специалисты психологической службы - из 170 вузов, что составляет 38% от генеральной совокупности с сохранением структуры в части ведомственной принадлежности. Согласно данным, абсолютное единодушие всех «должностных» категорий респондентов зафиксировано относительно востребованности психологической помощи в системе высшего образования. При этом со стороны представителей руководства вузов сохраняются значительные негативные оценки отраслевой компетентности некоторой части психологов и преобладающей у них ориентации на собственные профессиональные интересы. Выявлены основные институциональные вызовы, ограничивающие становление вузовской психологической службы, определённые как отраслевая индифферентность, несоответствие компетенций задачам, отсутствие отраслевого контекста, профессиональный эгоизм и отраслевой негативизм. Сформулированы ключевые векторы, позволяющие ускорить процесс институциализации психологической службы в вузе. Делается вывод о критическом значении согласованности позиций руководства (в лице проректоров) и психологов для успешной институционализации психологической помощи в системе высшего образования.
Издательство
- Издательство
- МОСКОВСКИЙ ПОЛИТЕХ
- Регион
- Россия, Москва
- Почтовый адрес
- 107023, г Москва, р-н Соколиная Гора, ул Большая Семёновская, д 38
- Юр. адрес
- 107023, г Москва, р-н Соколиная Гора, ул Большая Семёновская, д 38
- ФИО
- Миклушевский Владимир Владимирович (РЕКТОР)