Балльно-рейтинговая система оценивания обучающихся как источник формирования «больших данных» в учебном процессе

Н.Ю. Фаткуллин

В достаточно кратком изложении суть эффекта «больших данных» («Big Data») заключается в том, что понятие связывают изначально с именем Клиффорда Линча, редактора журнала «Nature», и его публикацией «Как могут повлиять на будущее науки технологии, открывающие возможности работы с большими объёмами данных?». Вводимый им термин «большие данные» аналогичен метафорам «большая руда», «большая вода» и содержит в своем значении признаки философского принципа перехода количественных изменений в качественные [8].

В настоящее время при современном уровне развития цифровых технологий фактически каждая область жизнедеятельности человека связана с формированием индивидуального «цифрового выброса». Под этим термином можно понимать фактически любой вид информации, описывающий обучение, поведение, местоположение, различные личностные характеристики индивидуума, параметры, оценивающие его здоровье и т.п.

По мнению Д. Клейнберг, значение «больших данных» заключается в том, что они позволяют определить «горячие точки, в которых начинаются процессы, которые станут господствующими в будущем» [7]. А. Петланд высказывает следующее мнение по этой проблеме: «Потенциальные улучшения в социальных системах отсылают нас к тому, о чем я уже говорил: современные социальные структуры построены на усредненных показателях, индексах и т.п. <...> Но в реальности все эти тенденции складываются из миллионов и миллионов маленьких деталей межчеловеческого взаимодействия. «Большие данные» позволят нам увидеть эти детали и спроектировать системы, которые работают на индивидуальном уровне. Нас больше не будут воспринимать усредненными единицами» [4].

Е.Ю. Малышева, С.М. Бобровский, Д.Л. Вавилов обращают внимание на многообразие «больших данных» в системе образования: «...область образование вносит свой существенный вклад в проблему больших данных. Можно выделить несколько направлений, где накапливаются большие объемы структурированных и плохо структурированных электронных данных: это online-системы обучения с учебно-методическими материалами, результатами тестирования, данными об участии слушателей и преподавателей в учебном процессе, участии в форумах, данные о результатах обучения; это данные, постоянно накапливаемые в информационных системах высших учебных заведений, которые помимо данных учебного процесса включают в себя информацию о научной деятельности студентов и преподавателей, внеучебной деятельности студентов, требованиях работодателей и трудоустройстве студентов; наконец, это данные о дошкольном и школьном образовании – электронные учебники, электронные журналы, тесты и результаты государственной итоговой аттестации и единых государственных экзаменов» [3].

В. Майер-Шенбергер отмечает, что «большие данные» в дальнейшем окажут существенное влияние на то, как решения, принимаемые на их основе, будут дополнять или отклонять человеческие суждения. Исследователь ссылается на опыт компании по дистанционному обучению «Coursera», которая собирает и исследует «выбросы данных (например, какой раздел видеолекции студенты просматривали повторно), чтобы узнать возможные неясные или особенно интересные моменты, которые следует учесть в разработке курсов. Раньше у преподавателей не было такой возможности, но ситуация изменилась и педагогика уже не станет прежней» [2, с. 149]. Созвучна этому мнению позиция В.В. Синельникова: «Пока данные проще всего собирать разработчикам электронных учебников, онлайн-курсов или систем смешанного обучения. Они используются тут же, помогая подстраивать систему под ученика «на лету»: чем больше данных - тем точнее» [6].

Приведенные выше факты ставят перед нами вопрос о том, насколько значимым является эффект «больших данных» в образовании, повседневной педагогической практике? С одной стороны, например, выставление преподавателем оценок ученикам по пятибалльной шкале - процесс рутинный и, можно сказать, многовековой. Но в настоящее время вместе с эпохой бумажных журналов все индивидуальные достижения обучающихся, отметки об их психологических особенностях, отклонениях в поведении и т.п. фактически уходят в прошлое. Зачастую эта информация оказывается потерянной, забытой, невостребованной, анализ ее невозможен. Таковы были реалии еще 20-10-ти и даже 5-летней давности. По утверждению В.В. Синельникова, «большие данные» - это всего лишь «архив, хранящий накопленную информацию. Очень большой архив с миллионами записей или «датапойнтов» - единиц данных. Это могут быть фамилии учеников, их годовые оценки, пропуски по болезни, количество потерянных учебников или забитых на физкультуре голов. Раньше такие данные никто не собирал, потому что не хватило бы ресурсов на учет, хранение и, тем более, на анализ» [6]. А. Петланд, анализируя роль «больших данных» в современных реалиях, считает, что они («большие данные») являются основой для «перехода от мышления, основанного на средних показателях классов и рынков, к пониманию конкретных взаимодействий между индивидами, к системам, основанным на собирании данных по крупицам» [4].

Современное развитие цифровых технологий привело к введению электронных ведомостей, журналов, дневников, сетевому обмену данными, электронному документообороту, созданию банков данных ГИА, ЕГЭ и пр. Обращаясь к повседневной практике учебного процесса глазами педагога-практика и педагога-исследователя, можно увидеть, что, например, при прохождении нескольких отчетных этапов балльно-рейтинговой системы оценки знаний группой, состоящей из 25-30 обучающихся, в вузе накапливается значительный по объему массив индивидуальных данных, достаточно тяжело поддающихся интерпретации и визуализации [1, с. 62-63]. Данные успеваемости по учебным дисциплинам в укрупненном виде (зачетные и экзаменационные ведомости, данные аттестации) скапливаются в базах данных деканатов, потом в еще более укрупненном, сгруппированном, формате поступают в учебно-методическое управление вуза, затем – в ректорат и т.д. Кроме того, как справедливо отмечается в работе А. Пентланд, «...задачи оценивания, решаемые в очных курсах (начального, формирующего и итогового), необходимо решать и в дистанционных курсах. Объем слушателей и невозможность личностной оценки со стороны дистанционно удаленных от учеников учителей требует разработки и применения принципиально других способов оценивания» [4]. Таким образом, в современных реалиях этапы развития и обучения каждого индивидуума на протяжении всего жизненного цикла имеют характер «цифрового выброса» - набора индивидуальных данных, начиная с раннего детства и заканчивая зрелым возрастом. В целом, в совокупности своих характеристик каждый индивидуум – огромный кластер информационных данных по параметрам: образование, состояние здоровья, трудоспособность, профессиональная подготовка и пр. По нашему мнению, весь этот накапливаемый в настоящее время объем информации по каждому че-

Балльно-рейтинговая система оценивания обучающихся как источник формирования «больших данных» в учебном процессе

Н.Ю. Фаткуллин

ловеку есть материал, требующий квалифицированного и эффективного анализа в режиме реального времени. Данный взгляд подкрепляется тем неоспоримым фактом, что человеческий ресурс – один из важнейших ресурсов государства, а правильное управление, сбережение, использование, мониторинг состояние и прогнозирование развития данного ресурса в различных направлениях - важнейшая задача государственного уровня. Таким образом, можно утверждать, что сформированность умений преподавателей и сотрудников образовательного учреждения ориентироваться в потоках профессиональной информации становится актуальной проблемой организации учебного процесса в вузе.

Зададимся вопросом, возможно ли некое упущение преподавателем в учебном процессе при анализе его характеристик как составной части «больших данных» и к чему могут привести подобные упущения? Для ответа на этот вопрос осуществим переход от несколько глобального уровня до более узкого и более детализированного. Рассмотрим конкретный пример функционирования балльно-рейтинговой системы оценки знаний в учебной группе.

В условиях интенсификации учебного процесса, роста объема информации по учебной дисциплине, снижения количества часов, выделяемых на аудиторные занятия, при одновременном увеличении объема учебного времени на самостоятельную работу обучающихся, а также обязательного независимого контроля уровня усвоения студентами учебного материала нагрузка и ответственность за квалифицированное исполнение обязанностей по ведению учебного процесса на преподавателя существенно возрастают.

Очевидно, что анализ подобных массивов данных и ориентация в них весьма затруднительны, а зачастую и просто невозможны. Отметим, что речь не идет об арифметическом сложении и вычислении среднего балла по группе, речь идет о более глубоком анализе данных, позво- ляющем предвидеть события, прогнозировать успешность обучения. По мнению А.П. Седова, А.А. Крюкова: «Самая интересная модель работы на сегодняшний день с Big Data - это прогноз, где комбинация известных данных позволяет прогнозировать искомое неизвестное. Известные данные собираются из записей школьных систем, интернет-ресурсов, наблюдений во время экспериментов и опросов. Сбор таких данных – значимое дело, нужно знать, на что смотреть, и уметь выявлять нужную информацию. Модель работает для прогнозирования будущего или настоящего» [5, с. 506]. Проблемы в осуществлении подобного квалифицированного анализа и прогноза, а также отсутствие практического эффективного инструментария приводят, на наш взгляд, к значительным неблагоприятным последствиям. Невозможность прогнозирования и затруднения в определении важных тенденций развития учебного процесса ведут к нерациональному распределению времени и усилий преподавателя, следовательно, к неправильному выбору методики, технологии корректирующих воздействий. При такой типичной ошибке преподаватель, даже обладая таким эффективным инструментарием комплексной оценки достижений студентов, как балльнорейтинговая система, нерационально распределяет учебное время между обучающимися данной учебной группы. Неправильная или ошибочная дифференциация обучающихся по тем или иным признакам (чаще всего по степени успешности обучения по данной дисциплине) в конечном счете может привести к потере контингента. В целом же, в масштабе вуза мы можем иметь неверно сформированный, неэффективный затратный и малоуспешный, с недостатками в прогнозировании учебный процесс. Причем термин «неблагоприятные последствия» в отдельных негативных случаях уместнее заменить на более категоричный - «причинение ущерба». Пострадавшими сторонами могут выступать в первую очередь сами обучающиеся, не получившие адекватного личностно-ориентированного подхода в данном образовательном учреждении. Также, в силу очевидных причин, опосредованно пострадавшими могут выступать родители обучающихся или лица, их заменяющие. В качестве пострадавшей стороны можно рассматривать преподавателей того же вуза, не получивших возможности работать с отчисленными либо неуспешными обучающимися на старших курсах, а также администрацию вуза – за низкие показатели успешности обучения и их последствия при подведении мониторинга в системе Минобразования и т.д.

Именно данные балльно-рейтинговой системы как часть системы «больших данных» являются наиболее эффективными при анализе качества образовательного процесса, т.к. они содержат уникальную индивидуальную информацию, в которой содержится ключ к исследованию, прогнозированию обучения и поведения обучающихся. Собственно на этом этапе и целесообразно проводить педагогические исследования, т.к. в дальнейшем, при сборе, обработке и передаче информации на следующие иерархические уровни – кафедры, деканаты, управления, она обобщается, группируется, данные балльно-рейтинговой системы теряют индивидуальные свойства. По мнению В.В. Синельникова, анализ больших данных позволяет «ускорить решение научных, исследовательских и педагогических проблем», а «изучая статистику, можно работать и с индивидуальными траекториями и с глобальными образовательными системами» [6].

В исследовании А.П. Седовой, А.А. Крюковой высказывается мнение, согласно которому «Big Data» в сфере образования необходимо развивать в учебных заведениях с целью повышения качества образовательного процесса, чтобы быть уверенными в будущем» [5, с. 508]. Вместе с тем с позиций сегодняшнего дня также следует четко понимать, что принятие новых решений в об- разовании ведет к трансформации самих традиционных институтов образования. Таким образом, необходимо предпринять ряд мер по адаптации всех участвующих сторон учебного процесса к феномену «больших данных». В то же время, по нашему мнению, не следует избегать данного феномена, а наоборот, использовать его согласно изречению Конфунция: «Когда дует ветер перемен, одни строят стены, другие – ветряные мельницы», трактуя его как принцип «большие данные – большие возможности».

В целом, осознавая значимость «больших данных», задачи и масштабность их использования в учебном процессе, на наш взгляд, представляется рациональным на уровне образовательного учреждения:

• 1)    организовать сбор данных, прежде всего данных балльно-рейтинговой системы как достаточно простых, доступных и в то же время эффективных, с точки зрения комплексности учета достижений обучающихся, способствующих эффективности учебного процесса на всех уровнях образовательного учреждения;

• 2)    разработать эффективный инструментарий для обработки и анализа данных в масштабах кафедры, факультета, вуза;

• 3)    обеспечить повышение квалификации научно-педагогических работников через систему стажировок, дополнительного образования и пр. по данному направлению.

Данный перечень достаточно простых и относительно не затратных первоочередных мероприятий нуждается в конкретизации и дополнении, но тем не менее, на наш взгляд, он представляет собой систему первоочередных мер по недопущению возможного отставания, прежде всего преподавательского состава от современных реалий цифрового мира в системе образования.