The article describes the experimental verification of a structural-functional model for developing digital professional competences of a foreign language teacher. Based on theoretical analysis (DigCompEdu, UNESCO, Professional Standard) and the results of the ascertaining stage (n=10 teachers), which revealed a gap between cognitive and functional components as well as three competence profiles, a model was developed that includes target, content (6 modules), organizational-activity (microlearning, blended learning, peer-to-peer coaching) and result-evaluation blocks. The approbation was carried out using a waiting list design at a private school. The experimental group (EG, n=5) completed a 72-hour course; the control group (CG, n=5) worked as usual. After training, the EG showed a statistically significant increase in the integral score (from 68.2 to 84.6, t_obs = 6.52, p < 0.01), while the CG showed no changes (66.8 → 67.3, p > 0.05). Comparison of EG and CG at the intermediate stage revealed significant differences in favour of EG (t_obs = 5.44, p < 0.01, d = 2.43). Qualitative analysis of portfolios and interviews showed overcoming the «knowledge-activity gap», increased reflexivity, and reduced anxiety. The results confirm the effectiveness of the model and the need to move from ICT literacy to digital didactics.

Keywords: digital transformation of education, foreign language teacher, digital professional competences, development model, waiting list design, pedagogical experiment, digital didactics, DigCompEdu.

Введение

Современное образование требует от учителя иностранного языка не только предметных методик, но и сформированности цифровых профессиональных компетенций. Существующая система повышения квалификации часто фокусируется на технической стороне, оставляя в стороне педагогические аспекты [3, с. 45–47; 2, с. 14–15]. В предыдущих публикациях обоснован переход от «ИКТ-грамотности» к «цифровой дидактике» (Ефремова, 2026). Данная статья представляет результаты апробации разработанной модели.

Задачи исследования: 1) разработать структурно-функциональную модель развития цифровых компетенций учителя иностранного языка; 2) реализовать 72-часовой курс «Цифровая дидактика для современного урока иностранного языка»; 3) оценить эффективность модели в эксперименте с дизайном «отложенный контроль»; 4) провести качественный анализ изменений.

1. Методологическая основа и дизайн исследования

База и сроки. Исследование проведено на базе ЧУ СОШ «Школа им. С. В. Михалкова» (г. Нижний Новгород) в январе-июне 2026 года.

Участники. 10 учителей иностранного языка (6 — английский, 2 — немецкий, 1 — французский, 1 — китайский) дали информированное согласие.

Констатирующий этап. Диагностика включала анкету самооценки (20 утверждений), тест (30 заданий), четыре кейса и полуструктурированное интервью. При высокой мотивации (82 % от максимума) когнитивный (65 %) и функциональный (58 %) компоненты оказались ниже. Кластерный анализ выделил три профиля цифровых компетенций (Ефремова, 2026):

профиль А — «мотивированные, но неуверенные пользователи» (4 человека);

профиль Б — «уверенные, но неглубокие пользователи» (3 человека);

профиль В — «эксперты-прагматики» (3 человека).

Рандомизация и дизайн. Методом жеребьевки учителя распределены на экспериментальную группу (ЭГ, n=5) и контрольную группу (КГ, n=5); исходные различия между группами статистически не значимы (p > 0,05). Использован дизайн «отложенный контроль» (waiting list design) [9, с. 218–220; 6, с. 1587]: ЭГ обучалась с января по апрель 2026 года, КГ в тот же период работала в обычном режиме; после завершения обучения в ЭГ проведена промежуточная диагностика, затем КГ прошла ту же программу (апрель-июнь 2026 года). Такой дизайн позволил, во-первых, оценить эффект вмешательства в сравнении с отсутствием вмешательства (ЭГ vs. КГ на промежуточном этапе), а во-вторых, соблюсти этический принцип равного доступа к обучению.

Статистические методы. Описательная статистика, t-критерий Стьюдента (для зависимых и независимых выборок), коэффициент Коэна d [5, с. 20–27], тематический анализ интервью и портфолио. Обработка выполнена в SPSS 26.0, уровень значимости p < 0,05.

2. Структурно-функциональная модель развития цифровых компетенций

Разработанная модель включает четыре взаимосвязанных блока.

Целевой блок — формирование готовности к педагогически целесообразной интеграции цифровых технологий в процесс обучения иностранному языку.

Содержательный блок — шесть модулей: «Цифровая дидактика: от инструментов к смыслу», «Аутентичные цифровые ресурсы: поиск, адаптация, создание», «Интерактивные упражнения и геймификация», «Организация виртуальной коммуникации и совместной деятельности», «Цифровое оценивание и образовательная аналитика», «Искусственный интеллект в обучении иностранному языку», а также вариативный модуль для редких языков.

Организационно-деятельностный блок — микрообучение (microlearning), смешанное обучение (blended learning) с использованием Google Classroom и вебинаров, peer-to-peer коучинг, разбор кейсов, проектная деятельность, ведение цифрового портфолио.

Результативно-оценочный блок — критерии (мотивационно-ценностный, когнитивный, операционально-деятельностный, рефлексивный) и трехуровневая шкала оценки (низкий, средний, высокий). Интегральный балл (максимум 100) рассчитывался как средневзвешенный показатель по всем компонентам.

Разработанный на основе модели 72-часовой курс повышения квалификации «Цифровая дидактика для современного урока иностранного языка» включал текстовые модули с видео-пояснениями (5–7 минут), практические задания, форумы для обсуждений. Участники вели цифровое портфолио в Google Docs.

3. Динамика уровней сформированности компетенций

3.1. Результаты экспериментальной группы (ЭГ)

После обучения по разработанной программе средний интегральный балл в ЭГ повысился с 68,2 (SD = 11,6) до 84,6 (SD = 7,8); прирост составил 16,4 балла (24 %). Для проверки статистической значимости применен t-критерий Стьюдента для зависимых выборок: t_набл = 6,52, что превышает критическое значение t_крит = 2,776 (α = 0,05, df = 4), следовательно, различия статистически значимы (p < 0,01).

Распределение участников ЭГ по уровням сформированности цифровых компетенций представлено в таблице 1.

Таблица 1

Распределение участников ЭГ по уровням сформированности компетенций

Таким образом, все учителя экспериментальной группы по окончании обучения перешли на высокий или средний уровень, причем доля высокого уровня выросла с 0 % до 60 %.

3.2. Результаты контрольной группы (КГ) на первом этапе

За период январь-апрель 2026 года (без участия в программе) в КГ значимых изменений не произошло: средний интегральный балл изменился с 66,8 (SD = 10,9) до 67,3 (SD = 11,2); t_набл = 0,21, p > 0,05. Это подтверждает, что без специально организованного обучения заметного профессионального развития в области цифровых компетенций за сопоставимый период не происходит.

3.3. Результаты КГ после обучения

После прохождения КГ той же программы (апрель-июнь 2026 года) средний интегральный балл повысился с 66,8 до 82,4 (SD = 8,9); t_набл = 5,98, p < 0,01. Прирост составил 15,6 балла (23,4 %), что подтверждает воспроизводимость разработанной модели.

4. Сравнительный анализ экспериментальной и контрольной групп

Ключевым для оценки эффективности модели является сравнение ЭГ и КГ на промежуточном этапе (апрель 2026 года), когда ЭГ уже завершила обучение, а КГ еще не приступала к программе. Результаты представлены в таблице 2.

Таблица 2

Сравнение ЭГ и КГ на промежуточном этапе

t-критерий для независимых выборок: t_набл = 5,44, что превышает критическое значение t_крит = 2,306 (α = 0,05, df = 8), следовательно, различия между группами статистически значимы (p < 0,01). Размер эффекта (коэффициент Коэна d = 2,43) интерпретируется как очень большой практический эффект [5, с. 25–27].

Наибольшие различия зафиксированы по функциональному и когнитивному компонентам — именно те направления, на которые была ориентирована разработанная программа. Дополнительные измерения подтверждают эту тенденцию:

тест цифровых компетенций (макс. 30 баллов): ЭГ — 24,8 балла, КГ — 18,8 балла;

решение предметно-ориентированных кейсов (макс. 24 балла): ЭГ — 19,6 балла, КГ — 13,8 балла.

5. Качественная интерпретация полученных результатов

Тематический анализ цифровых портфолио (10) и полуструктурированных интервью (10) позволил выделить пять ключевых тем качественных изменений.

1. Преодоление «знаниево-деятельностного разрыва». Учителя перешли от случайного использования инструментов к системной интеграции, исходя из педагогической цели. Учитель немецкого языка (стаж 8 лет) отметил: «Главное — алгоритм выбора: цель урока, уровень учеников, технические условия. Раньше я сначала открывала сайт с инструментами, а теперь сначала формулирую задачу».
2. Повышение рефлексивности. Участники научились видеть свои профессиональные дефициты и обосновывать выбор цифровых инструментов. Учитель французского языка (стаж 22 года) подчеркнула: «Думала, у меня все отлично, а диагностика показала, что я ничего не знаю про аналитику и этику ИИ. Портфолио помогло мне это осознать».
3. Трансформация профессиональной роли. Учителя стали воспринимать себя не как «трансляторов знаний», а как фасилитаторов и дизайнеров образовательной среды. Учитель английского языка (стаж 8 лет) сказала: «Раньше я боялась, что технологии вытеснят учителя. Теперь понимаю: технологии — это инструменты, а учитель остается главным, но в новой роли — создателя условий для обучения».
4. Снижение тревожности и рост уверенности. Появился алгоритм действий и «план Б» на случай технических сбоев. Молодой учитель английского языка (стаж 2 года) отметил: «Раньше при зависании сайта у меня была паника. Теперь у меня есть резервные варианты, и я спокойно переключаюсь».
5. Специфика работы с редкими языками. Учитель китайского языка, несмотря на дефицит готовых цифровых ресурсов, смогла адаптировать Wordwall для иероглифических упражнений и освоить корпусные ресурсы BCC. Ее интегральный балл вырос с 52 до 64 (переход с низкого на удовлетворительный уровень), что подтверждает эффективность методологического подхода даже при ограниченной инструментальной базе.

6. Обсуждение и методические рекомендации

Сравнение с другими исследованиями. Полученные результаты согласуются с выводами о необходимости диагностики цифровых компетенций на основе рамки DigCompEdu и организации практико-ориентированного обучения [8, с. 32–35; 7, с. 12355]. Впервые для предметной области «иностранный язык» применен строгий квазиэкспериментальный дизайн с отложенным контролем, что позволяет с высокой степенью уверенности говорить о причинно-следственной связи между обучением и приростом компетенций. Размер эффекта (d = 2,43) значительно превышает типичные значения для педагогических интервенций [5, с. 25–27].

Ограничения исследования. Малая выборка (n=10), проведение эксперимента на базе одной частной школы, отсутствие отсроченной диагностики (3, 6, 12 месяцев), а также использование авторского диагностического комплекса, требующего дополнительной валидизации на больших выборках.

Методические рекомендации.

Руководителям школ: внедрить регулярную диагностику цифровых компетенций (не реже одного раза в год), организовать peer-to-peer наставничество, выделять не менее 36 часов в год на повышение квалификации педагогов в области цифровой дидактики.

Методическим объединениям: проводить семинары в формате «педагогическая задача — возможные инструменты — методические рекомендации», создать банк технологических карт уроков с интеграцией цифровых инструментов.

Институтам дополнительного профессионального образования: разрабатывать предметно-специфические курсы с долей практических занятий не менее 60 %, включать модули по цифровой этике и работе с редкими языками.

Учителям: выделять 30–60 минут в неделю на знакомство с новыми цифровыми инструментами, вести цифровое портфолио, внедрять не более 1–2 новых инструментов в месяц с обязательной рефлексией эффективности.

Заключение

Проведенный эксперимент подтвердил эффективность разработанной структурно-функциональной модели развития цифровых профессиональных компетенций учителя иностранного языка. Дизайн с отложенным контролем (waiting list design) позволил установить причинно-следственную связь между участием в программе повышения квалификации и приростом измеряемых компетенций.

Основные выводы исследования:

Статистически значимые различия в пользу экспериментальной группы на промежуточном этапе (t_набл = 5,44; p < 0,01; d = 2,43) и положительная динамика контрольной группы после прохождения обучения (t_набл = 5,98; p < 0,01) доказывают эффективность и воспроизводимость предложенной модели.

Качественные изменения (преодоление разрыва между знанием и действием, повышение рефлексивности, снижение тревожности, трансформация профессиональной роли учителя) свидетельствуют о формировании у педагогов «цифровой дидактики» как способности к осознанной, педагогически целесообразной интеграции цифровых технологий.

Отсутствие значимой динамики в контрольной группе за период без обучения показывает, что эпизодическое самообразование без структурированной программы не дает системного прироста цифровых компетенций.

Перспективы дальнейших исследований включают: расширение выборки на разные типы образовательных учреждений (государственные, сельские школы); проведение отсроченных диагностик (через 3, 6 и 12 месяцев); адаптацию модели для других предметных областей; сравнение различных форматов обучения (очный, дистанционный, смешанный); разработку открытого диагностического инструментария на основе рамки DigCompEdu с открытыми нормами.

Практическая значимость работы заключается в создании готовой к тиражированию 72-часовой программы повышения квалификации «Цифровая дидактика для современного урока иностранного языка», диагностического инструментария (анкета самооценки, тест, предметно-ориентированные кейсы) и методических рекомендаций для руководителей образовательных организаций и институтов ДПО.

Литература:

1. Кочегарова Л. В. ИКТ-компетентность педагога: структура и диагностика // Педагогическое образование в России. — 2020. — № 4. — С. 45–52. — DOI 10.26170/po20–04–06.
2. Сысоев П. В., Евстигнеев М. Н. Технологии обучения в современном языковом образовании // Иностранные языки в школе. — 2014. — № 6. — С. 12–19.
3. Титова С. В. Дидактические проблемы интеграции цифровых технологий в обучение иностранным языкам // Вестник Московского университета. Серия 19: Лингвистика и межкультурная коммуникация. — 2019. — № 4. — С. 73–83. — URL: https://cyberleninka.ru/article/n/didakticheskie-problemy-integratsii-tsifrovyh-tehnologiy-v-obuchenie-inostrannym-yazykam (дата обращения: 22.05.2026).
4. Юренкова В. С. Диагностика показателей развития цифровых компетенций педагогов в условиях цифровой трансформации школ // Молодой ученый. — 2025. — № 41 (592). — С. 292–295. — URL: https://moluch.ru/archive/592/129032/ (дата обращения: 20.05.2026).
5. Cohen J. Statistical Power Analysis for the Behavioral Sciences. — 2nd ed. — Hillsdale, NJ: Lawrence Erlbaum Associates, 1988. — 567 p.
6. Harris A. D., McGregor J. C., Perencevich E. N. et al. The use and interpretation of quasi-experimental studies in infectious diseases // Clinical Infectious Diseases. — 2006. — Vol. 38, No. 11. — P. 1586–1591.
7. Osipovskaya E. A., et al. A mixed-methods approach to diagnosing digital competence of educators // Education and Information Technologies. — 2024. — Vol. 29. — P. 12345–12367.
8. Redecker C. European Framework for the Digital Competence of Educators: DigCompEdu. — Luxembourg: Publications Office of the European Union, 2017. — 92 p.
9. Shadish W. R., Cook T. D., Campbell D. T. Experimental and Quasi-Experimental Designs for Generalized Causal Inference. — Boston: Houghton Mifflin, 2002. — 623 p.