"Большие данные" и персонализированное обучение

Автор: Минязова Елена Рабильевна

Журнал: Высшее образование сегодня @hetoday

Рубрика: Дидактика высшей школы

Статья в выпуске: 5-6, 2022 года.

Бесплатный доступ

Рассмотрена значимость анализа «больших данных» для современного образования, возможности работы с ними на примере функционирования образовательной платформы. Показаны перспективы применения технологий big data в персонализированном онлайн-обучении, а также риски применения анализа «больших данных».

"большие данные", персонализированное обучение, индивидуальные образовательные траектории, цифровизация

Короткий адрес: https://sciup.org/148324875

IDR: 148324875   |   DOI: 10.18137/RNU.HET.22.05-06.P.041

Текст научной статьи "Большие данные" и персонализированное обучение

дуализация видов учебной деятельности посредством формирования индивидуального образовательного маршрута являются новыми реалиями в образовании [4, c. 80].

Персонализированное обучение – это подход в образовании, в котором созданы все условия для реализации потребности каждого обучающегося быть личностью, для персонализации как обучающихся, так и обучающих. Персонализированное обучение позволяет раскрыть потенциал каждого студента, повысить уровень самостоятельности, ответственности, развить «мягкие навыки», которые необходимы для жизни в современном обществе и для формирования счастливой и гармоничной личности [2, c. 199]. В качестве элементов персонализированного образования Е.И. Казакова, Д.С. Ермаков, П.Н. Кириллов, Н.И. Корякина, С.А. Янкевич выделяют индивидуальные образовательные траектории, систему ориентиров (большие идеи и шкалированные цели), эффективную обратную связь и оценку, культуру учения (развитие самостоятельности, автономности обучающихся) [3, с. 11].

Значительным потенциалом для реализации идей персонализации обучения обладают цифровые об- разовательные платформы, позволяющие получить доступ к обучающим материалам в любое время, в любом месте по желанию обучающегося. В процессе использования онлайн-платформы собирается огромное количество данных обучающихся, производятся их обработка и анализ. Анализ «больших данных» позволяет получить ценную информацию для дальнейшей настройки образовательного процесса, совершенствования обучающих материалов, персонализации образовательной среды [6, с. 41]. Как отмечают В.И. Блинов, М.В. Дулинов, Е.Ю. Есенина, И.С. Сергеев, анализ больших данных представляется инструментом отслеживания развития каждого обучающегося и персонализированного мониторинга образовательного процесса [5, с. 69].

В образовательной сфере можно выделить пять основных типов собираемых данных: персональные данные; данные о том, как обучающийся взаимодействует с электронной средой, образовательной платформой, с другими пользователями этой платформы; данные, характеризующие качество учебных материалов (с точки зрения проявленного интереса к ним обучающегося); административные данные (посещаемость, учет проводимых занятий и др.); прогностические данные (вероятность выбора тех или иных заданий, успешности их выполнения и др.).

Нами проводится исследование развития познавательной активности обучающихся в персонализированном онлайн-обучении. Для реализации персонализированного подхода используется образовательная онлайн-платформа GetCourse, которая предоставляет возможность работы с «большими данными».

Персональные данные. При регистрации на платформе обучающиеся самостоятельно вводят данные о себе в специальную форму. Это значительно облегчает работу преподавателя, так как не отнимает время на заполнение журнала, исключает ошибки в написании имен, телефонов и др. Форма регистрации настраивается один раз, в дальнейшем она предлагается к заполнению автоматически новым обучающимся. Преподаватель в любое время имеет оперативный доступ к персональной информации, которая хранится в виде таблицы. Возможна как самостоятельная регистрация и заполнение данных в личном кабинете обучающегося, так и регистрация через

«БОЛЬШИЕ ДАННЫЕ» И ПЕРСОНАЛИЗИРОВАННОЕ ОБУЧЕНИЕ преподавателя. Персональные данные могут включать информацию о том, когда обучающийся зарегистрировался на курс, его фамилию и имя, страну, город, дату рождения; записываются телефон, адрес электронной почты и др.

Статистическая обработка информации позволяет получить данные о том, как обучающийся взаимодействует с образовательной платформой , и как он взаимодействует с другими пользователями . Возможна фиксация общения обучающегося с куратором (преподавателем), отмечается, кто является куратором (преподавателем), когда происходило общение, сколько оно продолжалось. В личную карточку обучающегося могут заноситься комментарии и примечания, что особенно важно при учете индивидуальных особенностей студента. Удобно, что при смене куратора (преподавателя) нет необходимости передавать информацию об обучающемся устно, поскольку при добросовестном занесении данных в систему все комментарии сохраняются и доступны для просмотра новым преподавателем. Также существует возможность получить данные о том, когда имела место последняя активность обучающегося на платформе, в какие разделы обучающего курса он зашел, какие уроки прошел, а какие – нет, какие задания выполнил, какие из доступных курсов выбрал.

На образовательной платформе обучающиеся при желании могут общаться в чатах, относящихся как к конкретному модулю, так и к курсу в целом. Это может показать преподавателю, насколько включенным в образовательный процесс является каждый из обучающихся. При необходимости можно осуществить разделение чатов на разные потоки. Возможность вынесения чата в мобильное приложение, которое предоставляет образовательная онлайн-платформа, создает условия для общения не только на компьютере, но и в смартфоне, что очень важно для современного обучающегося. Встроенный чат позволяет модерировать сообщения и организовывать общение по интересам, стимулировать к обсуждению успехов и трудностей в процессе обучения, чувствовать поддержку других обучающихся.

Качество учебных материалов . Образовательная онлайн-платформа дает возможность не только загружать и хранить обучающие материалы в разных форматах (видео, аудио, текстовый, фото, pdf и др.), но и анализировать взаимодействие обучающихся с образовательными материалами. Такой анализ позволяет персонализировать содержание обучения в будущем. Анализ просмотров может дать понимание того, какой модуль не вызывает интереса или вызывает затруднения, в каком модуле стоит осуществить замену содержания на альтернативное, где необходимо добавить недостающий контент (дополнительные объяснения, вебинары и др.).

Встроенная возможность поощрения и внедрения элементов геймификации позволяет мотивировать обучающихся на прохождение тех или иных заданий или модулей. Возможно также создание шкалы достижений, выдача «бейджиков»-наград и сертификатов (грамот).

«Большие данные» позволяют получить информацию о затруднениях, выявить обучающихся с разным уровнем учебных достижений, улучшить способ подачи материала, осуществить автоматизированный контроль за образовательным процессом, освобождая преподавателя от рутинной работы. Преподаватель может анализировать результаты освоения обучающимися образовательной программы и на основе этих данных корректировать содержание, формы, методы обучения для достижения наилучших результатов, осуществлять учет интересов обучающихся при разработке заданий для исследовательской и проектной деятельности.

Цифровые технологии позволяют также осуществлять мониторинг образовательных результатов, быстро предоставлять оценку как работы обучающегося, так и самого образовательного процесса, его итогов, а также производить включенное оценивание, которое предполагает моментальную обратную связь от преподавателя к обучающемуся. Получение оперативной обратной связи о качестве выполнения задания является базовым условием персонализированного обучения. Оценка выполнения заданий на образовательной онлайн-платформе может быть настроена как автоматическая проверка, взаимная проверка, стоп-уроки (невозможно продвинуться дальше без прохождения определенных заданий, которые помогут преподавателю понять, где появляются сложности у обучающегося и вовремя отреагировать, предложить помощь в обучении, своевременно подобрать варианты преодоления затруднений), проверка преподавателем. Есть возможность отследить, когда обучающийся выполнял задание, сколько раз проходил. После анализа результатов выполнения заданий можно распределить обучающихся по группам и, сделав им рассылку, пригласить на вебинар или дать дополнительные разъяснения индивидуально. Для удобства статистика может быть представлена в виде таблиц или графиков.

Административные данные – посещаемость, учет проводимых занятий и др. – также собираются, анализируются. Результаты анализа дают возможность проверить работу как обучающегося, так и преподавателя (куратора). Можно автоматически по заданным параметрам объединять обучающихся в группы.

Прогностические данные. На платформе возможна фиксация данных о среднем времени прохождения курса, что дает возможность планировать изучение следующих разделов онлайн-курсов.

Таким образом, возможности современных образовательных онлайн-платформ значительно облегчают труд преподавателя, удобны для сбора и анализа большого количества данных, который провести «вручную» было бы очень сложно или невозможно. «Большие данные» дают возможность преподавателю увидеть целостную картину обучения, позволяют вовремя выявить недочеты в учебных материалах и скорректировать их в кратчайшие сроки, выстроить эффективную стратегию обучения. Именно онлайн-образование за счет скорости обработки данных, их объема и качества аналитики позволяет осуществить персонализацию обучения. В офлайн-форма-те сбор данных – долгий процесс, который производится преимущественно вручную, позволяет отслеживать лишь малое количество необходимых метрик, а сами данные хранятся в основном на бумажных носителях.

Как отмечают исследователи, результаты более глубокого анализа «больших данных» позволят проследить взаимосвязь последовательности действий обучающегося на образовательной платформе с его когнитивными характеристиками, уточнить теоретические данные об основах образовательного процесса, выявить новые возможности персонализации на основе информации о результатах и темпе прохождения курса различными обучающимися [1, с. 107].

Вместе с этим, важно понимать, что помимо преимуществ, которые предоставляет возможность сбора и анализа «больших данных», существуют определенные риски. Например, О.А. Фиофанова, Р.В. Ершова [1] и другие исследователи применения «больших данных» в образовании отмечают угрозу нарушения конфиденциальности и сохранности персональных данных и личной информации, невозможность анонимизации, недостаточную сформированность этики анализа данных у специалистов, управляющих образовательным процессом. Также вероятно столкновение с такими трудностями, как: недостаток аналитиков «больших данных», аналитических компетенций у преподавателей он-лайн-курсов, риск гипертрофированного внимания к цифрам и графикам. Избыточная персонализация может привести к сужению программ курсов, ограничению возможностей обучения с использованием критического мышления, логики, рефлексии, снижению социального взаимодействия, депрофессионализации учителя [1, c. 108].

Активное использование big data в сфере образования позволяет обеспечить переход к качественно новому уровню педагогической деятельности с расширенными дидактическими, информационными, методическими и технологическими возможностями. Эффективное использование результатов анализа больших данных предоставляет возможность осуществить персонализацию обучения в полном объеме: предоставить материалы, соответствующие когнитивным, эмоциональным, возрастным потребностям обучающегося, удовлетворить индивидуальные образовательные потребности каждого, осуществить своевременное оценивание и обратную связь, повысить результативность обучения, спроектировать индивидуальные образовательные траектории, развить мотивацию и познавательную активность студентов, способствовать их личностному развитию. В перспективе на основе анализа больших данных могут быть разработаны алгоритмы выявления различных качеств личности, задействованных в учебном процессе, что поможет педагогам учитывать особенности личности обучающегося при построении его индивидуальной образовательной траектории.

Список литературы "Большие данные" и персонализированное обучение

  • Большие данные в образовании: доказательное развитие образования. Сборник научных статей II Международной конференции, 15 октября 2021 года, Москва / под общ. ред. О.А. Фиофановой. М.: Издательский дом "Дело" РАНХиГС, 2021. 342 с.
  • Минязова Е.Р. Персонализация как вектор развития системы образования // Образование и педагогическая наука в XXI веке: теоретические и практические аспекты исследований: сборник статей III Всероссийской межвузовской научно-практической конференции (19 декабря 2020 г., г. Москва). Киров: Изд-во МЦИТО, 2021. С. 197-201.
  • Персонализированная модель образования с использованием цифровой платформы: методическое пособие / Д.С. Ермаков, П.Н. Кириллов, Н.И. Корякина, С.А. Янкевич; под ред. Е.И. Казаковой. Москва, 2020. URL: https://vbudushee.ru/upload/lib/%D0%9F%D0%9C%D0%9E.pdf (дата обращения: 08.12.2021).
  • Подымова Л.С. Полякова Я.Ю., Чуприянова О.В. Содержание понятия "персонализированное обучение": к проблеме исследования // Вестник Воронежского государственного университета. Серия: Проблемы высшего образования. 2021. № 2. С. 78-81.
  • Проект дидактической концепции цифрового профессионального образования и обучения. М.: Пер", 2019. 72 с.
  • Тренды современного образования. Алматы: Bilim Media Group, 2017. 326 с.
  • Трудности и перспективы цифровой трансформации образования / Уваров А.Ю., Гейбл Э., Дворецкая И.В. [и др.]; под редакцией А.Ю. Уварова, И.Д. Фрумина. М.: Издательский дом Высшей школы экономики, 2019. 342 с.
  • Утёмов В.В., Горев П.М. Развитие образовательных систем на основе технологии Big Data // Научно-методический электронный журнал "Концепт". 2018. № 6 (июнь). С. 449-461.
Еще
Статья научная