Добавил:
ivanov666
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз:
Предмет:
Файл:Цифровая образовательная среда методология и практики исследования. Монография.pdf
данных, выполняя диагностическую, аналитическую, информационную, управленческую функции [193, с. 65; 54], позволят создать объективную информационную базу для оптимизации образовательных процессов и принятия управленческих решений, развития доказательного образования. Решение задачи организации мониторинга цифровой образовательной среды с использованием цифровых технологий – сложная задача. О.А. Фиофанова отмечает, что «технологическая инфраструктура образования разнородна и не обладает интегральными сервисами для аналитики данных, что усложняет человеческую деятельность в связи с недостаточной разработанностью программных решений в отношении интегральной аналитики образовательных данных. Так как заказчики
выстраивают электронное образование на разных программных комплексах и
цифровых приложениях от разных производителей программного обеспечения,
решение задачи интегральной аналитики образовательных данных усложняется» [191, с. 6, 7]. Аналогичные суждения высказывают авторы Аналитического
доклада «Уроки стресс-теста»: «Очевидна бедность и недостаточная развитость
рынка системных продуктов и сервисов для управления обучением LMS
(Learning Management System), образовательным процессом EMS (Education
Management System) и виртуальных сред обучения VLE (Virtual Learning
Environment), обеспечивающих эффективную работу вуза» [53, с. 37].
В этом контексте на уровне образовательных организаций необходимы
апробация и масштабирование имеющегося знания в области доказательного
образования, в рамках служб мониторинга с целью накопления опыта и формирования готовности человеческих ресурсов к организации образовательной деятельности в цифровой среде с учетом возможностей доказательного образования, основанного на анализе больших данных. Необходима отработка опыта
сбора, обработки данных учащихся, необходимых для создания индивидуального профиля обучения, на основе данных которого возможно сопровождение
академической успешности формирование персональной образовательной траектории. В международном праве и практике персональные данные детей и
студентов находятся в зоне пристального внимания, так как эта группа рассматривается как уязвимая. Для защиты этой группы создаются отдельные этические стандарты. Образовательные организации преимущественно работают с
данными учащихся [60, 61].
Проблема и цель. Развитие информационных технологий определило
возможность развития доказательного образования (evidence-basededucation)
как технологии аналитики и прогнозирования на основе анализа образовательных данных. Цель доказательного образования в применении таких педагогических технологий, которые позволяли бы обучающимся достигать максимальных результатов в процессе обучения. Внедрение информационных технологий
сделало это возможным посредством цифровой аккумуляции разных данных о
субъекте образовательного процесса и цифрового анализа этих данных. Возникает уникальная возможность персонализации обучения, создания индивидуальных траекторий обучения для многих в противовес практикам массовизации
и унификации образования периода индустриальной эпохи. Авторы обращают-
21
ся к исследованию возможностей прикладного применения доказательного
подхода в образовании на основе применения информационных технологий в
образовательных организациях с целью создания индивидуальных образовательных траекторий обучающихся, рассматриваются возможности создания в
образовательной организации системы диагностики, мониторинга, адаптации, и
коррекции образовательных достижений обучающегося на основе анализа
«цифровых следов» образовательной деятельности субъекта учебного процесса.
Современная система образования под влиянием цивилизационных вызовов, природа которых разнообразна, переживает период существенных
трансформаций. Широкое проникновение информационных технологий проблематизирует традиционные вопросы педагогики «Кого учить, чему учить и
как учить?». С одной стороны, информационные технологии меняют методы
работы с обучающимися, изменяют роли педагога и учащегося, позволяют использовать разные форматы представления учебного материала, с другой стороны, позволяют оцифровать и накапливать данные о субъектах образования.
Накопление данных и возможности их анализа стало источником для развития
доказательного образования.
Исследования доказательного образования
. Доказательный подход в об-
разовании в российской науке еще только получает распространение, но уже
имеет устойчивую традицию в мировой исследовательской практике [180, с.
77]. L. Wentworth, C. Mazzeo&F. Connolly отмечают, что в США интерес к по-
добным исследованиям был простимулирован принятыми нормативноправовыми актами, ставящими в приоритетное положение ситуацию достижения успеха каждым учащимся. Создание ситуации успеха авторы обосновывают в контексте использования данных об образовательной деятельности учащегося. Авторы ставят вопрос о том, какие данные об обучающемся и как могут
применяться для принятия управленческих решений, полагая, что решение этого вопроса связано с использованием исследовательской практики и стратегии
партнерства, приводят результаты пилотного проекта по изучению партнерств в
исследовательской практике [36]. C. Nelsonпредставляет обширные данные о
том, что образовательные организации, использующие анализ данных об обра-
зовательной деятельности учащихся, относятся к числу эффективных, но констатирует, что, несмотря на разработки и наличие положительного опыта их
применения, целостная практика использования данных для доказательного образования еще не сложилась. Более того, исследователь C. Nelson показывает
сложность дискуссии, которая развернулась по проблемам доказательного образования [26].
В исследовании N. Cowen затронуты социальные эффекты доказательного образования, автор говорит о доказательном образовании как инструменте
повышения качества государственных образовательных услуг [6]. Экономический аспект эффективности доказательного образования представлен в работе
R. Detrich, автор полагает, что включение данных об эффективности затрат в
оценку образовательной программы должно стать еще одним направлением в
развитии практики доказательного образования [8]. N. Ziebell, J. Skeat отмечают
22
практические аспекты доказательного образования, полагая, что его практическим результатом становится индивидуализация образования, когда студент
получает адресную поддержку в своей образовательной траектории, но в тоже
время авторы отмечают важность конструктивных контактов преподавателя и
студента в учебных взаимодействиях [43].
Marin L., Vargas H., Heradio R., De La Torre L., Diaz J.M., Dormido S. рассматривают вопросы доказательного образования в контексте обучения инженеров. Для современного инженерного образования, по мнению авторов, критически важно опираться на данные исследований, которые подтверждают, ка-
кие методы и инструменты обучения максимально эффективно применять в
обучении инженеров ввиду высокой социальной значимости и ответственности
современной инженерии, творческой инженерной деятельности. Отсутствие
эмпирических данных, подтверждающих результативность используемых ме-
тодик по освоению инженерного оборудования, по их мнению, препятствует
эффективности в подготовке инженеров. Инновационность инженерного образования связывается с доказательными исследованиями, с применением методов разных наук (социологии, психологии, статистики), которые позволили бы
проанализировать на глобальном и локальном уровнях компетенции, приобретаемые обучающимися. Теоретические положения авторы подкрепляют примером авторской методологии оценки использования интерактивного моделирования при обучении студентов (Папский католический университет Вальпараи-
со, Чили) [22].
Важно отметить, что целый ряд авторов отмечает сложности в развитии
доказательного образования, связывает развитие этого направления с необходимостью создания сетевого взаимодействия ученых разных стран мира.
Для ро
ссийской науки доказательное образование как направление исследований и практический проект достаточно ново. По запросу на ключевые
слова «доказательное образование» Национальная электронная библиотека
eLIBRARY.ru по состоянию на 12.05.2022 предлагает всего 5 публикаций: по
запросу на ключевые слова «анализ данных в образовании» публикаций нет. В
базе данных WebofScience только за 2022 г. в открытом доступе находится 48
публикаций по запросу «education educational research» [Web of Science. Элек-
тронный ресурс: URL:
https://www.webofscience.com/wos/woscc/summary/45e2d7df-82a1-4e46-96615812300b87aa-32061ce9/relevance/1 (дата обращения: 15.05.2022)]. В то же вре-
мя на ключевое слово «цифровой след» в Национальной электронной библиотеке elibrary.ru уже 295 публикаций (2017-2022 гг.) [147], причем число публикаций нарастает.
В то же время есть работы, посвященные отдельным проблемам исполь-
зования интеллектуального анализа данных в образовании. М.В. Лапенок,
В.Д. Лихачева анализируют опыт применения интеллектуальной системы, способной прогнозировать деятельность студентов, связанную с их посещением
или пропусками учебных занятий. Исследование проведено на базе УрГПУ (г.
Екатеринбург), авторы апробировали нейросетевую математическую модель
23
для анализа посещаемости студентов и выработки прогнозов их образовательной траектории. Результатом виртуального эксперимента стали выводы о наличии взаимосвязи мотивации, самоорганизации и посещаемости занятий [122, с.
91].
И. Г. Захарова, М. Г. Карпов, Д. С. Лобунцов приводят теоретический
анализ разных типов информационных сервисов, которые могут быть использованы для принятия управленческих решений в сфере образования на основе
данных, предлагают методологию проектирования информационно-аналитического обеспечения управления образовательным процессом. Авторская методика информационно-аналитического обеспечения включает 4-шаговый алгоритм: 1) извлечение данных в удобном для обработки формате; 2) мониторинг с
целью диагностики; 3) прогнозирование последствий, выявленных в процессе
мониторинга нежелательных ситуаций; 4) принятие управленческих решений
на основе рекомендаций, вытекающих из анализа образовательных данных
[102, с. 105-106].
М. С. Воробьева, Д. С. Лобунцов обращаются к вопросам прогнозирова-
ния образовательных результатов с применением технологий и методов машинного обучения по данным цифрового следа студентов (исследование проведено на базе Тюменского государственного университета, Россия). Результаты данного практико-ориентированного исследования позволили создать систему информационной поддержки всех участников образовательного процесса
(преподаватели, студенты, специалисты учебного процесса) [82, 102].
Ю. В. Боганюк, А. М. Воробьев представляют результаты применения
метода, где на основе слов, извлеченных из текстов вакансий, происходит обновление рабочих программ дисциплин и образовательных стандартов. Цель
авторов – показать возможности применения метода поиска ассоциативных
правил, построенных с использованием данных, для корректировки содержания
образовательной программы в контексте требований рынка труда и уровня подготовки студента [68]. Л. Ю. Овсяницкая обращается к вопросам технологий
опережающего образования, проектирования таких технологий с использованием инструментов интеллектуального анализа и прогнозирования данных [154].
А. М. Атаян, Т. Н. Гурьева, Л. Ю. Шарабаева выполнили обзор научных работ,
в которых обсуждаются педагогические и информационные подходы, технологии, приложения для создания инновационного образовательного пространства
[57].
22-23 октября 2020 г. по инициативе Московского государственного
психолого-педагогического университета прошла одна из первых российских
научно-практических конференций «Доказательный подход в сфере образования», в рамках который были представлены точки роста доказательного образования в российской исследовательской практике [46]. Конференция получила
поддержку Всемирной ассоциации исследований образования (WERA – World
Educational Research Association) [39].
28 января 2021г. в рамках VIII зимней школы преподавателя 2021
«Тренды цифрового образования» состоялась панельная дискуссия «Исследо-
24
вания образования и анализ данных», в рамках которой состоялось обсуждение
Авторы
Компоненты цифровых следов
М.Е. Вайндорф-
данные, вводимые обучающимся или другими участниками
цифровых платформ [77].
И.А. Еремицкая
образовательные данные (конспекты лекций, рефлексия,
может быть собрано огромное количество данных [98, с. 253].
А.Н. Гущин
материалы всех выполняемых в курсе заданий в электронной обра-
ственно не требуемые дидактикой курса [93, с. 253].
А.А. Логинова,
А.Р. Денисов
файлы отчетов по практическим и лабораторным работам; файлы с
результатами работ; результаты анкетирования студентов; оценки
доказательного образования, основных трендов в развитии этого направления
[44]. Таким образом, в отечественной науке доказательный подход в сфере об-
разования начинает складываться как одно из практико-ориентированных направлений функциональной образовательной политики.
В октябре 2021 г. партнеры – Финансовый университет при Правитель-
стве РФ и Образовательная сеть Лань провели конференцию «Цифровые следы
в образовании», цель которой – обсуждение вопросов влияния цифровых следов на качество образования [212].
Анализ данных как инструмент для доказательного образования
. Разви-
тие доказательного образования возможно на основе систематического анализа
данных, получаемых о действиях обучающихся в цифровой образовательной
среде. Оставляя за скобками дискуссию о рисках и угрозах интеграции цифровых следов, которая представляет отдельную область исследования, обратимся
к возможностям, которые предоставляет анализ данных в образовании.
В сфере образования возможен анализ следующих данных: персональ-
ные данные; данные об использовании обучающимися учебных материалов в
цифровой образовательной среде; данные об эффективности учебных материалов; административные данные; прогнозные данные [85]. Использование таких
данных имеет позитивные примеры. Университет Содружества Виргинии совместно с исследовательской компанией
Education Advisory Board на основе
больших данных провел анализ успеваемости и посещаемости, что позволило
выявить учащихся в группе риска, с которыми впоследствии была организована
дополнительная работа, в результате чего число учащихся, переведенных на
следующий курс обучения, выросло на 8% [9].
В то же время дискуссионность содержания цифрового следа и его
компонентов сохраняется в силу инновационности феномена. Исследователи
фиксируют и обобщают опыт, что ценно для широкого распространения
практик работы с цифровыми следами. Рассмотрим некоторые подходы к
содержанию цифровых следов (таблица 1.1):
Таблица 1.1 – Компоненты цифровых следов
Сысоева,
В.В. Пчелякова
образовательного процесса;
данные автоматизированной фиксаций с помощью различных
загруженные на проверку работы обучающихся), из любой фиксации
зовательной среде;
любые материалы в электронной образовательной среде, непосред-
25
студенческих работ; результаты аттестаций; отзывы и комментарии
к работам и курсам и так далее;
статистические индикаторы общения на форуме [126, с. 204].
Л.И. Евсеева,
В.В. Евсеев
набор данных о результатах интеракций студента за всё время
работы, рецензии и научные статьи и др. активности) [195, с. 1026].
С.А. Зайцева,
активные цифровые следы (информация, которую пользователь
т.п.) [111, с. 1026].
данные цифровой образовательной среды и систем дистанционного
обучения: время сеанса; тип выполняемых заданий; время
выполнения задания; число посещений страниц ресурса;
Е.Г. Поздеева,
О.Д. Шипунова,
В.А. Смирнов
обучения (а именно, реферативные обзоры, презентации, аудио- и
видеозаписи докладов, отчеты по проектной практике, выпускные
сознательно оставляет о себе в цифровой среде (размещение
материалов и т.п.))
пассивные цифровые среды (результаты действий в цифровой среде,
например, обращения к ресурсам, просмотры виртуальных страниц и
Типология данных, составляющих цифровой след, как результат
обобщения представлена в стандарте цифрового следа, разработанного
университетом 2035:
(1) данные диагностики;
(2) данные о намерениях;
(3) данные образовательного содержания;
(4) данные образовательного процесса;
(5) данные образовательного опыта;
(6) данные участия в деятельности;
(7) данные оценки образовательных результатов;
(8) данные о состояниях [179].
Появление стандарта цифрового следа стало значимым шагом в развитии
технологии доказательного образования и технологии мониторинга на основе
анализа больших данных. Следующим значимым шагом становится появление
типовых процедур, возможных для масштабирования в образовательных
организациях.
В сфере доказательного образования имеют значения данные о взаимодействии обучающихся с электронными образовательными системами, данные
об эффективности учебных материалов.
Если данные о взаимодействии обучающихся с электронными образовательными системами полезны в создании персональной образовательной траектории студента, то данные о качестве цифровых учебных материалов имеют
значение для педагогического дизайна, который становится самостоятельным
направлением в педагогических науках.
Все вместе создает условия улучшения качества образования, повышения
включенности обучающихся, создания ситуации успешности для обучающегося (рисунок 1.11).
26
Рисунок 1.11 – Схема организации анализа данных как базы
для доказательного образования в университете
На основе междисциплинарной конвергенции достижений в области социальных, педагогических науки информационных технологий возможно создание в образовательной организации системы диагностики, мониторинга,
адаптации и коррекции образовательных достижений обучающегося на основе
анализа данных, содержащихся в электронной информационно-образовательной среде. Эффективность обучения будет носить доказательный характер.
Анализ данных в образовательных мониторинговых исследованиях.
Целью данного исследования является рассмотрение возможности создания в образовательной организации системы диагностики, мониторинга, адаптации и коррекции образовательных достижений обучающегося на основе анализа «цифровых следов» образовательной деятельности субъектов учебного
процесса.
Для достижения цели поставлены задачи теоретического анализа использования больших данных в образовании как инструмента доказательного образования; предложить вариант прикладного применения инструментов доказательного образования в практике образовательной организации. Методология и
методы исследования: теоретический анализ источников, а также анализ данных социологического исследования, проведенного на базе вузов г. Новосибирска, Россия (осень 2020 г.). В исследовании приняли участие студентыбакалавры (1 – 4 курс), студенты-магистранты (1 – 2 курс), всего 1844 человека,
студенты STEM-направлений, направлений бизнеса, рекламы и маркетинга.
Во многих университетах сложилась устойчивая практика мониторинговых исследований, которые превратились в эффективную социальную технологию управления качеством образования [137]. Хотя единого подхода в содер-
жательной части мониторинга не сложилось как в отечественной, так и миро-
27
вой практике. Разные университеты выбирают разные темы и индикаторы для
7,2
9,1
4
17,4
24,4
15,9
10
42
37,8
37,7
37,2
33
28,8
42,4
49,7
Дисциплинированность и
Владение иностранным языком
Владение информационными
Профессиональные навыки, умения
Нет
Скорее нет, чем да
Скорее да, чем нет
Да
мониторинга качества образования. Тем не менее, наличие служб мониторинга
в университетах является важной предпосылкой для развития и проектирования
информационно-аналитических служб на основе интеллектуального анализа
данных. Интеллектуальный анализ данных вносит значимое дополнение в
функции мониторинга, сбор информации перестает быть только контролирующим инструментом. Традиционно мониторинговые исследования в университетах направлены на выявление оценок обучающимися учебного процесса, знаний и навыков, получаемых в период обучения в университете.
Мониторинговые обследования дают общую картину мнений обучающихся, отражают оценки и ожидания отдельных групп студентов, предоставляют общую картину по образовательной организации. В то же время, дополненный интеллектуальным анализом данных мониторинг начинает отражать
индивидуальные достижения и трудности и создавать доказательную базу для
индивидуальных образовательных траекторий.
Опрос студентов был направлен на выявление оценок и ожиданий в освоении образовательных программ и получении профессиональных и мягких
навыков. На вопрос «Какие навыки Вы хотели бы получить в период обучения
в университете» были получены результаты, отраженные на рисунках 1.12 и
1.13:
технологиями
организованность
Рисунок 1.12 – Представления студентов о навыках, которые хотелось
бы развивать в университете (%, N=1864 студента)
28
18,2
28,1
18,8
6,1
27,5
35,1
31,2
17,7
32,9
22,5
31,5
41,5
21,4
14,3
18,6
34,7
Творческие способности
Предпринимательские навыки
Лидерские качества
Умение работать в команде
Да
Скорее да, чем нет
Скорее нет, чем да
Нет
Рисунок 1.13 – Представления студентов о навыках, которые
хотелось бы развивать в университете (%, N=1864 студента)
Студенты проявляют интерес к командной работе и формированию на-
выков самоорганизации, обращают внимание на недостаточность наполнения
программ навыками предпринимательства и лидерства.
ловек) и проанализированы мнения о навыках и компетенциях, фактически развиваемых в период обучения. Распределение ответов представлено на рисунке
1.14. Исходя из ответов, профессиональные навыки в образовательных программах преобладают над soft skills.
Далее была выделена группа студентов STEM-направлений (N=1460 че-
29
21,2
16,3
17,4
34,6
23,7
32
7,9
3,5
78,8
83,7
82,6
65,4
76,3
68
92,1
96,5
Лидерские качества
Творческие способности
Предпринимательские навыки
Дисциплинированность и организованность
Владение иностранным языком
Умение работать в команде
Владение информационными технологиями
Профессиональные навыки, умения
Да
Нет
Рисунок 1.14 – Представления студентов STEM направлений о навыках,
в большей степени развиваемых в университете (%, N=1460 студента)
Проведение мониторинговых исследований позволяет корректировать
содержание учебных дисциплин и модулей, направлять организацию самостоятельной и исследовательской работой студентов, формировать портфолио обучающихся и их индивидуальную образовательную траекторию.
В контексте общественных запросов и стратегии развития образовательной организации возникает потребность в развитии сервисов, которые аккуму-
30