Dostosowanie kształcenia matematycznego do specyfiki kierunku na przykładzie wybranych kierunków prowadzonych w Politechnice Łódzkiej, przypisanych do dyscypliny matematyka

• Autorzy: Wachowicz Artur

Identyfikatory

DOI

10.32016/1.76.07

Warianty tytułu

EN

Adaptation of mathematical education to the specificity of the field of study on the example of selected fields of study at the Lodz University of Technology, assigned to the discipline of mathematics

• Konferencja: Innowacje dydaktyczne w matematyce akademickiej (I ; 24.06.2024 ; Gdańsk ; Polska)
• Języki publikacji: PL

Abstrakty

PL

W artykule zostaną omówione wybrane aspekty dostosowania kształcenia matematycznego do specyfiki kierunku na przykładzie trzech kierunków matematycznych prowadzonych w Politechnice Łódzkiej. Analiza porównawcza będzie dotyczyć podejścia do kształcenia w ramach przedmiotów podstawowych, takich jak analiza matematyczna, algebra czy statystyka matematyczna oraz wpływu jego zróżnicowania na sylwetkę absolwenta. Wnioski końcowe dotyczą uzyskania pewnej uniwersalności tak prowadzonego kształcenia. Dzięki niemu kadra akademicka stale rozwija swoje kompetencje dydaktyczne, uwzględniając nowe trendy (metody kształcenia), w tym także pogłębiając umiejętności informatyczne. Swego rodzaju benefitem jest podniesienie atrakcyjności kierunków matematycznych wśród kandydatów na studia w Politechnice Łódzkiej oraz równolegle idące zainteresowanie pracodawców absolwentami tych kierunków.

EN

The article discusses selected aspects of adapting mathematical education to the specifics of the field of study using the example of three mathematical fields of study conducted at the Lodz University of Technology. The comparative analysis concerns the approach to education within basic subjects, such as mathematical analysis, algebra, and mathematical statistics, and the impact of its differentiation on the graduate's profile. The fields discussed have a lot in common, but they also have significant differences. The common denominator is the mathematical competences possessed. The differences concern the distribution of: individual branches of mathematics, forms of classes, scope, or teaching methods used (including active methods such as flipped classroom, project based learning, case teaching), but also specialist issues. The final conclusions concern achieving a certain universality of education conducted in this way. Thanks to it, the academic staff continuosly develop their teaching competences, taking into account new trends (active methods of education), including deepening their IT skills. A certain benefit is the increase in the attractiveness of mathematical fields among candidates for studies at the Lodz University of Technology and the parallel interest of employers in graduates of these fields.

Słowa kluczowe

PL

program studiów; dydaktyka nauczania; matematyka; kierunkowe efekty uczenia się; dobór; treści kształcenia; metody kształcenia

EN

study programme; math didactics; mathematics; teaching methods; field-specific learning outcomes; selection; teaching content

• Wydawca: Wydział Elektrotechniki i Automatyki Politechniki Gdańskiej
• Czasopismo: Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej
• Rocznik: 2024
• Tom: nr 76
• Strony: 41--45
• Opis fizyczny: Bibliogr. 12 poz., tab.

Twórcy

autor

Wachowicz Artur

• Politechnika Łódzka, Wydział Fizyki Technicznej, Informatyki i Matematyki Stosowanej, Instytut Matematyki tel.: [phone]

Bibliografia

• 1. Ustawa Prawo o szkolnictwie wyższym z dnia 20 lipca 2018 r., Dz. U. 2018, poz. 1668, art. 53.
• 2. Kozłowski K., Nowak A.: Przygotowanie absolwentów studiów matematycznych do wymagań rynku pracy, Kwartalnik Edukacja, Nr 3, Wydawnictwo Uniwersytetu im. Adama Mickiewicza, Poznań 2017, s. 79-92.
• 3. Dąbrowski M.: Rola matematyki w kształceniu inżynierskim w kontekście wymagań rynku pracy, Wydawnictwo Edukacyjne, Warszawa 2018, s. 14-21.
• 4. Wysocki P., Sobczak M.: Matematyka w kształceniu wyższym a potrzeby pracodawców–analiza przypadków, Studia Pedagogiczne, t. 45, Wydawnictwo Uniwersytetu Jagiellońskiego, Kraków 2020, s. 103-117.
• 5. Cochrane J. H.: Asset Pricing, Princeton University Press, 2005.
• 6. McNeil A. J., Frey R., Embrechts P., Quantitative Risk Management: Concepts, Techniques and Tools, Princeton University Press, 2015.
• 7. Bury P., Małecki M., Radzikowska E.: Matematyka w ubezpieczeniach: teoria ryzyka i reasekuracja, PWN, 2007.
• 8. Strang G.: Linear Algebra and Its Applications, Cengage Learning, 2016.
• 9. Hastie T., Tibshirani R., Friedman J., The Elements of Statistical Learning: Data Mining, Inference, and Prediction, Springer Science & Business Media, 2009.
• 10. Murphy K.P., Machine Learning: A Probabilistic Perspective, MIT Press, 2012.
• 11. Leskovec J., Rajaraman A., Ullman J., Mining of Massive Datasets, Cambridge University Press, 2nd ed., 2012.
• 12. Strona internetowa Uniwersytetu w Twente (Holandia): https://www.utwente.nl/en/education/bachelor/programmes/applied-mathematics/study-programme, data dostępu 24.08.2024.

Uwagi

Opracowanie rekordu ze środków MNiSW, umowa nr POPUL/SP/0154/2024/02 w ramach programu "Społeczna odpowiedzialność nauki II" - moduł: Popularyzacja nauki (2025).