---
title: "Анализ опроса школьников Казахстана и России по интересу к инженерии"
author: "Ермоленко Максим"
date: "2026-01-16"
output: 
  html_document:
    toc: true
    toc_float: true
    theme: flatly
    code_folding: hide
---





1. Общая информация об опросе

<div class="figure" style="text-align: center">
<img src="Airbrush-Collage-2026-01-15T23_11_40.png" alt="Интервьюирование школьников" width="50%" />
<p class="caption">Интервьюирование школьников</p>
</div>

· Метод исследования: Онлайн-опрос через Google Forms
· Объем выборки: 109 респондентов
· Период проведения: 10–12 июля 2025 года
· География участников: Казахстан (72%), Россия (28%)
· Возрастная группа: 65% — школьники 15–17 лет
· Классы обучения: 60% — учащиеся 9–11 классов

2. Интерес к инженерии


``` r
# ИСПРАВЛЕНО: проценты должны суммироваться в 100%
interest_data <- data.frame(
  category = c("Очень интересно", "Скорее интересно", "Скорее не интересно", "Не интересно", "Не определились"),
  percent = c(36, 16, 8, 5, 35)  # Сумма = 100%
)

# Создаем круговую диаграмму для интереса
interest_pie <- create_pie_chart(
  interest_data,
  "Уровень интереса школьников к инженерии",
  c("#2E86AB", "#A23B72", "#F18F01", "#C73E1D", "#6B818C")
)

interest_pie

Вывод: Большинство школьников (91% вместе взятые “Очень интересно”, “Скорее интересно”, “Да”) проявляют интерес к инженерии, однако значительная часть (35%) еще не определилась с профессиональным выбором.

3. Профессиональные планы

# ИСПРАВЛЕНО: проценты должны суммироваться в 100%
plans_data <- data.frame(
  category = c("Да, определенно", "Возможно", "Не определились", "Нет"),
  percent = c(44, 39, 13, 4)  # Сумма = 100%
)

# Создаем круговую диаграмму для планов
plans_pie <- create_pie_chart(
  plans_data,
  "Планы работать в инженерной или IT-сфере",
  c("#4682B4", "#87CEEB", "#B0C4DE", "#D3D3D3")
)

plans_pie

4. Любимые учебные предметы (ТОП-7)

# ИСПРАВЛЕНО: для этой диаграммы можно использовать проценты от общего числа респондентов
subjects_data <- data.frame(
  subject = c("Информатика", "Биология", "Математика", "Физика", 
              "Химия", "Гуманитарные", "Технология"),
  percent = c(44, 38, 35, 32, 23, 24, 20)  # Проценты от общего числа респондентов
)

# Создаем круговую диаграмму для предметов
subjects_pie <- plot_ly(
  subjects_data,
  labels = ~subject,
  values = ~percent,
  type = 'pie',
  textinfo = 'label+percent',
  insidetextfont = list(color = '#FFFFFF', size = 12),
  hoverinfo = 'label+percent',
  marker = list(
    colors = c("#1E90FF", "#32CD32", "#FF4500", "#FFD700", 
               "#8A2BE2", "#FF6347", "#20B2AA"),
    line = list(color = '#FFFFFF', width = 1)
  ),
  hole = 0.4
) %>%
  layout(
    title = list(
      text = "Распределение любимых предметов среди школьников (в % от числа опрошенных)",
      font = list(size = 16, family = "Arial", color = "#333333")
    ),
    showlegend = TRUE,
    legend = list(font = list(size = 10)),
    paper_bgcolor = 'rgba(0,0,0,0)',
    plot_bgcolor = 'rgba(0,0,0,0)'
  )

subjects_pie

5. Опыт участия в STEM-проектах

# ИСПРАВЛЕНО: проценты должны суммироваться в 100%
exp_data <- data.frame(
  category = c("Олимпиады/конкурсы STEM", "Хакатоны/чемпионаты", 
               "Научные/инженерные проекты", "Нет опыта"),
  percent = c(41, 30, 20, 9)  # Сумма = 100%
)

# Создаем круговую диаграмму для опыта
exp_pie <- create_pie_chart(
  exp_data,
  "Опыт участия в STEM-активностях",
  c("#DC143C", "#FF8C00", "#9932CC", "#708090")
)

exp_pie

6. Сложности при старте проектов

# ИСПРАВЛЕНО: проценты должны суммироваться в 100%
diff_data <- data.frame(
  category = c("Не знали, с чего начать", "Немного сложно", 
               "Никогда не пробовали", "Всё понятно"),
  percent = c(29, 33, 19, 19)  # Сумма = 100%
)

# Создаем круговую диаграмму для сложностей
diff_pie <- create_pie_chart(
  diff_data,
  "Сложности при начале проектной работы",
  c("#FF4500", "#FFA500", "#32CD32", "#1E90FF")
)

diff_pie

7. Готовность к участию в инженерном чемпионате

# ИСПРАВЛЕНО: проценты должны суммироваться в 100%
ready_data <- data.frame(
  category = c("Хотят приглашение", "Возможно", "Не уверены"),
  percent = c(64, 27, 9)  # Сумма = 100%
)

# Создаем круговую диаграмму для готовности
ready_pie <- create_pie_chart(
  ready_data,
  "Готовность участвовать в инженерном чемпионате",
  c("#FFD700", "#DAA520", "#B8860B")
)

ready_pie

8. Привлекательные аспекты чемпионата

# ИСПРАВЛЕНО: проценты должны суммироваться в 100%
attr_data <- data.frame(
  category = c("Реальная задача", "Работа в команде", 
               "Презентация проекта", "Советы экспертов"),
  percent = c(30, 30, 22, 18)  # Сумма = 100%
)

# Создаем круговую диаграмму для мотиваторов
attr_pie <- create_pie_chart(
  attr_data,
  "Ключевые мотиваторы для участия в чемпионате",
  c("#9370DB", "#BA55D3", "#DA70D6", "#EE82EE")
)

attr_pie

9. Географическое распределение участников

# Эти проценты уже в сумме 100%
geo_data <- data.frame(
  country = c("Казахстан", "Россия"),
  percent = c(72, 28)
)

# Создаем круговую диаграмму для географии
geo_pie <- plot_ly(
  geo_data,
  labels = ~country,
  values = ~percent,
  type = 'pie',
  textposition = 'inside',
  textinfo = 'label+percent',
  insidetextfont = list(color = '#FFFFFF', size = 16, family = "Arial"),
  hoverinfo = 'label+percent',
  marker = list(
    colors = c("#008000", "#0000FF"),  # Зеленый для Казахстана, Синий для России
    line = list(color = '#FFFFFF', width = 3)
  ),
  hole = 0.5
) %>%
  layout(
    title = list(
      text = "Географическое распределение участников опроса",
      font = list(size = 18, family = "Arial", color = "#333333")
    ),
    showlegend = TRUE,
    legend = list(
      font = list(size = 14),
      orientation = "h",
      x = 0.5,
      y = -0.1
    ),
    paper_bgcolor = 'rgba(0,0,0,0)',
    plot_bgcolor = 'rgba(0,0,0,0)'
  )

geo_pie

10. Ключевые выводы и рекомендации

Основные выводы:

1. Высокий потенциальный интерес: 91% школьников проявляют интерес к инженерии, что свидетельствует о значительном потенциале для привлечения молодежи в технические специальности.
2. Потребность в профориентации: Несмотря на интерес, 35% респондентов не определились с профессиональным выбором, что указывает на необходимость системной работы по ознакомлению с инженерными профессиями.
3. Сильная предметная база: STEM-дисциплины пользуются популярностью среди школьников, особенно информатика (44%) и биология (38%), что создает благоприятную основу для инженерного образования.
4. Опыт участия в активностях: 41% школьников имеют опыт участия в олимпиадах и конкурсах STEM-направленности, что является хорошей базой для дальнейшего развития.
5. Барьеры для проектной работы: 62% респондентов испытывают трудности при начале проектной деятельности, основными проблемами являются непонимание стартовых шагов (29%) и общая сложность процесса (33%).
6. Высокая мотивация к соревнованиям: 64% школьников выразили желание получить приглашение на инженерный чемпионат, демонстрируя готовность к практической деятельности.

Рекомендации:

1. Разработать профориентационную программу, направленную на знакомство школьников с современными инженерными специальностями и IT-профессиями.
2. Создать систему поддержки старта проектов: разработать шаблоны, методические материалы и провести серию мастер-классов по началу проектной работы.
3. Организовать инженерный чемпионат с акцентом на: · Реальные практические задачи из различных отраслей · Командный формат работы · Возможность презентации результатов · Консультации и экспертные сессии с профессионалами
4. Вовлекать школьников через популярные предметы: использовать интерес к информатике и биологии как точку входа в инженерное творчество.
5. Развивать существующий опыт: привлекать школьников с опытом участия в олимпиадах к более сложным проектным заданиям.

```