Преподавание математического моделирования в курсе эпидемиологии: организационные вопросы

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Обоснование. Одной из современных задач высшего медицинского образования в сфере эпидемиологии является преподавание методов математического и статистического моделирования распространения массовых заболеваний.

Цель исследования ― изучение сложившихся систем преподавания математического моделирования и прогнозирования с акцентом на имитационные агентные подходы в медицинских университетах в сравнении с немедицинскими и техническими вузами России.

Материалы и методы. В рамках описательно-оценочного исследования изучены рабочие программы соответствующих дисциплин для преподавания вопросов математического моделирования, которые реализуются в вузах на разных уровнях образования. В работу вошли рабочие программы немедицинских вузов (n = 31) и образовательных учреждений медицинского профиля (n = 16).

Результаты. В медицинских вузах преподавание математического моделирования организовано на разных уровнях подготовки: специалитет, бакалавриат, магистратура и аспирантура. Общая трудоёмкость рабочих программ составляет от 18 до 324 часов. Среди специфических вопросов, фигурировавших в тематических планах, отмечены следующие: математическая эпидемиология; SIR-модель и её модификации; обыкновенные дифференциальные уравнения; системы машинного обучения и имитационного моделирования в медицине и здравоохранении; имитационное моделирование медико-биологических процессов и др. По результатам исследования определены существенные отличия в организации преподавания математического моделирования в немедицинских университетах.

Заключение. На разных уровнях образования в медицинском вузе предусмотрен разбор некоторых аспектов прогнозирования и моделирования распространения инфекций. Имеется значительный потенциал преподавания соответствующих тем в ординатуре и аспирантуре. В медицинском вузе математические модели в области профилактической медицины и эпидемиологии выступают средством развития познавательного интереса, способствуют развитию мышления, положительно влияют на организацию профессиональной направленности будущих врачей, формируют математическую составляющую профессиональной компетентности образования.

Об авторах

Николай Валентинович Саперкин

Приволжский исследовательский медицинский университет

Автор, ответственный за переписку.
Email: saperkinnv@mail.ru
ORCID iD: 0000-0002-3629-4712
SPIN-код: 3318-6323

канд. мед. наук, доцент

Россия, Нижний Новгород

Список литературы

  1. Gelman VYa, Ushveridze LA, Serdyukov YuP. Teaching mathematical disciplines at the medical university. Education and science journal. 2018;20(2):88–107. doi: 10.17853/1994-5639-2018-2-88-107 EDN: YRHOFE
  2. Zharkova YuS. Teaching elements of mathematical modeling in the pedagogical institute a means of developing professional competencies. Herald of Chelyabinsk state pedagogical university. 2014;(9-1):85–93. EDN: TIGNML
  3. Silkova EW. The role of mathematical modelling for the formation of professional competence in applicants for medical education. In: The 6th International scientific and practical conference “Science, innovations and education: Problems and prospects”, 2022 Jan 13–15. Tokyo, Japan; 2022. P. 411–417.
  4. Kapkaeva LS. Formation of mathematical modeling methods of pedagogical students in the process of solving practice-oriented problems. Modern high technologies. 2022;(12-2):323–331. doi: 10.17513/snt.39480 EDN: BTEGVG
  5. Pushkareva TP. Mathematical modelling as necessary component of mathematical preparation. Sovremennye problemy nauki i obrazovaniya. 2014;(5):796. EDN: SZVUMD
  6. Samerhanova EK. Formation of competences in the field of mathematical modeling among teachers of vocational training in the conditions of the information and educational environment of the university. Vestnik Mininskogo universiteta. 2019;7(2):4. doi: 10.26795/2307-1281-2019-7-2-4 EDN: QOZYVM
  7. Ilyashenko LK, Krivosheeva YS, Razakov ShA, Minnebaeva EI. Modelling and methods of teaching mathematics in technical universities. Problemy i perspektivy razvitiya obrazovaniya v Rossii. 2014;(27):131–135. (In Russ.) EDN: SCTCFN
  8. Spooner K. Using mathematical modelling to provide students with a contextual learning experience of differential equations. Int J Mathem Educ Sci Technol. 2024;55(2):565–573. doi: 10.1080/0020739x.2023.2244472 EDN: EBJMOW
  9. Chiel HJ, McManus JM, Shaw KM. From biology to mathematical models and back: Teaching modeling to biology students, and biology to math and engineering students. CBE Life Sci Educ. 2010;9(3):248–265. doi: 10.1187/cbe.10-03-0022 EDN: NZKYJN
  10. Bazarbaev MI, Marasulov AF, Sayfullaeva DI. Mathematical modelling in biology and medicine. Tashkent: Tibbiyot nashriyoti matbaa uy; 2022. 216 p. (In Russ.)
  11. Toropova SI. Mathematical modeling in the content of students-ecologists’ training of mathematics. Statistics and economics. 2018;15(3):67–83. doi: 10.21686/2500-3925-2018-3-67-83 EDN: USKEDB
  12. Blokh AI, Pasechnik OA, Kotenko EN. Training general physicians in otoscopy skills applying simulator. Medical education and professional development. 2020;11(3):21–28. doi: 10.24411/2220-8453-2020-13002 EDN: SFFFSK
  13. Kosova AA, Chalapa VI, Kovtun OP. Methods for modellind and forecasting dynamics of infectious diseases. Ural medical journal. 2023;22(4):102–112. doi: 10.52420/2071-5943-2023-22-4-102-112 EDN: WBUHBG
  14. Galbraith P, Holton D. Mathematical modelling: A guidebook for teachers and teams. ACER IM2C; 2018. 85 p.
  15. Gaff H, Lyons M, Watson G. Classroom manipulative to engage students in mathematical modeling of disease spread: 1+1 = Achoo! Math Model Nat Phenom. 2011;6(6):215–226. doi: 10.1051/mmnp/20116611

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать
2. Рис. 1. Описание трудоёмкости дисциплин, заявленной в рабочих программах.

Скачать (646KB)
Метаданные

© Эко-вектор, 2025

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
 


Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».