Большие данные в дополнительном профессиональном образовании взрослых

Последние годы отмечены существенными и исключительно динамичными изменениями, которые затронули все области педагогики. Начавшиеся ранее процессы цифровизации всех сфер общественной жизни получили значительное ускорение. Современное положение дел в педагогической практике характеризует- ся, прежде всего, доминированием дистанционного обучения, основанного на использовании цифровых образовательных платформ. Все сказанное выше в полной мере относится и к области дополнительного образования, в том числе дополнительного профессионального образования взрослых.

Процессы цифровизации характеризуются разноплановым и динамичным характером. Одним из аспектов этих процессов является использование так называемых «больших данных». Понятие «большие данные» (Big Data) обычно описывается посредством системы свойств, или атрибутов. В различных исследованиях выделяется различное количество этих признаков, но чаще всего их выделяют пять, и тогда вся система обозначается как «пять V». Эти признаки включают в себя высокую скорость накопления и сбора данных, большой объем информации, высокую достоверность данных, большую неоднородность (вариативность) данных, значительную практическую ценность.

Использование больших данных потенциально позволяет придать информационным процессам в любой сфере новое качество. В полной мере этот вывод относится и к сфере образования. К настоящему моменту существует значительное количество научных исследований, посвященных применению больших данных в образовании. При этом недостаточно освещенным, на наш взгляд, является вопрос о специфике применения больших данных в системе дополнительного образования, в том числе дополнительного профессионального образования взрослых. Возникает ряд вопросов: каковы основные сценарии применения больших данных в дополнительном профессиональном образовании взрослых, какова специфика больших данных в условиях реализации соответствующих образовательных программ, какова номенклатура больших данных в этих условиях и каковы их источники? Поиск ответов на поставленные вопросы составляет основное содержание нашего исследования.

Обзор литературы

К настоящему времени в отечественных и зарубежных педагогических исследованиях разработана достаточно полная систем взглядов на структуру, роль и место больших данных в образовании. На основании анализа этих ис- следований можно сделать вывод о том, что актуальные цифровые образовательные платформы и системы управления образованием могут служить источниками больших данных [1]. Обработка и анализ этих данных с использованием технологий искусственного интеллекта позволяет решать разнообразные проблемы, возникающие в процессе проектирования, организации, реализации и мониторинга образовательного процесса.

Г. А. Мамедова, Л. А. Зейналова и Р. Т. Меликова выделяют задачи анализа, классификации, кластеризации и прогнозирования, которые решаются с использованием больших данных в педагогике [2].

В. В. Утёмов и П. М. Горев в своем исследовании выделяют следующие основные типы больших данных в образовании [3]: данные, на основании которых можно оценить педагогическую эффективность применяемых цифровых инструментов; данные, характеризующие особенности взаимодействия обучающихся с цифровыми образовательными платформами; данные, характеризующие личностные особенности субъектов учебного процесса; данные, характеризующие образовательную среду в целом; данные, на основании которых можно построить прогноз поведения системы и отдельных ее субъектов.

К. Фишер с соавторами в своем исследовании предлагает выделять три уровня больших данных применительно к предметной области педагогики: данные микроуровня, данные мезоуровня и данные макроуровня [4].

В. Холмс предлагает рассматривать проблему влияния современных технологий искусственного интеллекта на образование взрослых в рамках трех отдельных сценариев [5]: «обучение с помощью искусственного интеллекта», что подразумевает использование инструментов искусственного интеллекта в учебном процессе «для поддержки преподавания и обучения»; «изучение искусственного интеллекта», что подразумевает изучение принципов работы искусственного интеллекта, методов и технологий его создания; «подготовка к искусственному интеллекту», что подразумевает подготовку всех граждан к влиянию искусственного интеллекта на все области общественной и экономической жизни и взаимодействию с ним.

И. Д. Кежава и К. Вивер рассматривают проблему на стыке второго и третьего сценариев по В. Холмсу и приходят к выводу, что содержание дополнительной образовательной программы, ориентированной на обучение взрослых в сфере искусственного интеллекта, должно «дать возможность взрослым обучающимся распознавать актуальные подходы и методы искусственного интеллекта и экспертных систем» [6].

В работах Д. Динциса, в рамках первого сценария по В. Холмсу, предлагается нечеткая комплексная модель «профессионального учебного центра непрерывного обучения» [7] и описывается пул больших данных, с помощью которых можно построить «интегральный рейтинг удовлетворенности» образовательными услугами [8] и на его основе оценить эффективность организации обучения.

Б. А. Кондратенко и А. Б. Кондратенко указывают на следующие перспективы внедрения больших данных в педагогическую практику [9]: максимально раннюю профессиональную ориентацию будущих абитуриентов, возможность построения индивидуальных образовательных траекторий, мониторинг траекторий профессионального развития выпускников учебного заведения, открытость и прозрачность информации, описывающей течение процесса обучения, для самих обучающихся.

Х. Рейндерс и И. Дж. Лан в своей научной работе особо подчеркивают необходимость соблюдать принципы конфиденциальности, безопасности и этики при работе с большими данными в сфере образования [10].

В исследовании Е. Ю. Огурцовой и Р. Н. Фадеева выделены два основных риска, сопутствующих применению больших данных в педагогической сфере [11]: возможность нарушения конфиденциальности, возможность некорректного использования прогнозов, основанных на аналитической обработке больших данных.

К. Лидо, К. Рейд и М. Осборн в своей работе анализируют неформальное обучение взрослых средствами больших данных и искусственного интеллекта. При этом используются следующие данные [12]: опрос, сбор данных об отношении к обучению, сбор данных о поведении обучающихся, отслеживание перемещений обучающихся с помощью GPS-маршрутизации, «захват» информации из социальных сетей. В ра- боте М. Осборн и К. Лидо [13] ставится задача обеспечить «трехмерное представление о повседневной деятельности и мобильности взрослых учащихся» [13] за счет использования многокомпонентных больших данных. Авторы рассматриваемого исследования полагают, что генерируемые подобным образом большие данные могут использоваться при «разработке политики для устранения неравенства... и достижения целей обучения на протяжении всей жизни» [13]. К. Лидо, К. Рейд и М. Осборн также исследуют вопрос, каким образом «существующие доступные открытые данные могут использоваться для информирования, изучения и повышения вовлеченности в процесс обучения на протяжении всей жизни» в современных городских условиях, характеризующихся высокой динамикой и вариативностью [14]. Отметим, что в данных исследованиях методы больших данных и искусственного интеллекта применяются для анализа социальной, профессиональной и личной сферы взрослых, проходящих обучение по дополнительным программам. Нами ранее отмечалось, что результаты анализа подобной информации могут использоваться при управлении учебным процессом [15].

А. Рао и К. Баглоди предлагают рассматривать следующие направления применения больших данных в педагогической сфере [16]: таргетированное информирование потенциальных абитуриентов, непрерывный мониторинг хода учебного процесса, организация и координация управления тематикой и ходом научных исследований, обеспечение оперативной обратной связи в процессе обучения, выявление актуального уровня и прогнозирование возможных направлений развития потребностей обучающихся.

В. И. Богословский, А. Л. Бусыгина, В. Н. Ани-ськин в своем научном исследовании отмечают, что при информатизации образовательной системы «недостаточно только лишь перевода образовательных ресурсов и других обязательных составляющих учебно-воспитательного процесса из аналогового вида в цифровой» [17]. Ценным с методологической точки зрения представляется вывод авторов о роли образовательной среды (информационного образовательного пространства) как «учебной модели верной информационной картины мира» [17].

В соответствии с этим авторы делают вывод о необходимости решении проблемы «создания системы эффективного цифрового профессионального образования как фундамента подготовки кадров для цифровой экономики страны» [17]. Отметим, что в современных условиях создание такой системы невозможно без реализации всех трех сценариев по В. Холмсу.

Н. П. Исмаилова, П. К. Рамазанова придерживаются схожей точки зрения, воспринимая систему образования (в том числе образования взрослых) через призму подготовки кадров для цифровой экономики [18]. Они отмечают, что актуальной задачей является «формирование у специалистов различных профилей цифровых компетенций, а также подготовка их к использованию ИКТ в профессиональной деятельности» [18].

О. А. Фиофанова выделяет три вида деятельности, в процессе реализации которых необходима опора на компетенции в сфере сбора, хранения и обработки больших данных [19]: прогнозирование динамики и направленности развития образовательной системы, подготовка информации для принятия управленческих решений, сбор информации сравнительного характера, описывающей управленческие и педагогические практики.

В. И. Колыхматов в своем исследовании напрямую связывает определение направления развития системы дополнительного профессионального образования в Российской Федерации и формирование цифровой экономики, особо подчеркивает необходимость развития «общих и комплементарных» [20] цифровых навыков, наличие которых является фактором повышения цифровой грамотности. В соответствии с таким целеполаганием В. И. Колыхма-тов выделяет основные направления и темы повышения квалификации и профессиональной переподготовки преподавателей в рамках системы непрерывного педагогического образования. Подобный подход явным образом находится в рамках третьего сценария из выделенных В. Холмсом и представляется нам весьма существенным применительно к дополнительному профессиональному образованию взрослых.

• Н.    В. Днепровская помещает в фокус своего исследования «систему подготовки кадров для цифровой экономики» и отмечает, что эта

система является источником развития цифровой экономики [21]. Соответственно в первую очередь требуется подготовка или переподготовка специалистов, которые будут обладать всеми необходимыми цифровыми компетенциями.

Л. А. Данченок, А. С. Зайцева и Н. В. Комлева указывают на университеты, как «фундамент» для разработки дополнительных образовательных программ и отмечают, что при этом создаются предпосылки для реализации идей инклюзивного образования [22].

Л. А. Данченок, А. С. Зайцева и Н. В. Комлева утверждают, что персонализация должна быть «определяющим» подходом в построении всей системы дополнительного образования. Заметим, что в исследованиях Е. В. Бебениной и О. М. Елкина [23] и М. А. Хана, М. Койаха и Вивека [24] указывается перспективы использования технологий больших данных применительно к задаче проектирования индивидуальных образовательных маршрутов.

Подводя итог анализу научных работ по рассматриваемому вопросу, необходимо отметить, что к настоящему моменту накоплен существенный пласт исследований, посвященных проблеме больших данных в педагогике. Однако глубина анализа специфики их применения в области дополнительного профессионального образования взрослых пока не соответствует уровню исследований, выполненных на материале основного образования.

Методология (материалы и методы)

В исследовании были использованы следующие комплексные методы: изучение и анализ педагогической литературы, сравнительный анализ опыта организации обучения (в рамках основных и дополнительных учебных программ) на основе использования современных цифровых платформ, в том числе с использованием технологий больших данных и искусственного интеллекта.

Результаты и их описание

Система сценариев применения больших данных в образовании, разработанная В. Холмсом, является универсальной [5]. Исходя из особенностей обучающихся (взрослые специалисты) [25; 26; 27], мы полагаем, что применительно к дополнительному профессиональному образованию взрослых ведущим будет третий сценарий («подготовка к искус- ственному интеллекту»). Первый сценарий («обучение с помощью искусственного интеллекта») будет определять техническую и технологическую основу процесса обучения. Второй сценарий («изучение искусственного интеллекта»), согласно нашему мнению, будет наименее актуальным в условиях реализации дополнительных профессиональных образовательных программ, ориентированных на обучение взрослых.

Единственным возможным исключением из отмеченной закономерности является ситуация повышения квалификации лиц, занимающихся профессиональной деятельностью в сфере искусственного интеллекта или профессиональная переподготовка, направленная на формирование обучающихся компетенций, необходимых для работы в этой сфере. Однако в силу относительно небольшого удельного веса подобных программ в общем объеме программ дополнительного профессионального образования третий сценарий, по В. Холмсу, будет ведущим в подавляющем большинстве случаев.

Специфика условий реализации программ дополнительного профессионального образования взрослых накладывает свой отпечаток и на номенклатуру больших данных. Мы полагаем, что в рассматриваемых условиях сохранят свою актуальность некоторые виды больших данных, идентифицированных ранее исследователями применительно к обучению по основным образовательным программам. К таким видам относятся данные для оценки эффективности используемых дидактических инструментов, данные для оценки взаимодействия обучающегося с цифровой образовательной средой, данные об индивидуальных особенностях обучающихся; данные об образовательной среде; данные прогностической направленности.

Мы полагаем, что применительно к условиям реализации программ дополнительного профессионального образования взрослых необходимо выделить также следующие виды больших данных, позволяющие отразить как особенности обучающихся, так и специфику профессиональной и учебной деятельности, в которую они включены: данные, характеризующие профессиональную среду, к которой относится обучающийся; данные, характери- зующие профессиональные компетенции, которыми обладает обучающийся; данные, характеризующие социальное окружение и референтные для обучающегося социальные группы; данные, характеризующие возрастные особенности обучающихся применительно к учебному процессу; данные, характеризующие возрастные особенности обучающихся применительно к профессиональной деятельности.

Таким образом, пять основных типов больших данных в образовании по классификации В. В. Утёмова и П. М. Горева [3] мы предлагаем дополнить еще двумя классами.

В шестой класс входят большие данные, описывающие профессиональную деятельность обучающихся и их социальное окружение (в различных его аспектах). Необходимость включения в рассмотрение этого класса вызвана особенностями взрослых обучающихся, наличием у них сферы профессиональной деятельности и более глубокой включенностью в социальные взаимодействия (прежде всего в профессиональной и семейной сфере).

В седьмой класс входят большие данные, описывающие возрастные особенности обучающихся (в профессиональном и дидактическом аспекте). Необходимость включения в рассмотрение этого класса вызвана наличием проблемы готовности взрослых обучающихся к учебному процессу на базе цифровых образовательных платформ, и, шире, проблемы «цифрового неравенства» [28; 29].

Отметим, что предлагаемая структура больших данных будет содержать в себе все три уровня больших данных по классификации К. Фишера с соавторами (микроуровень, мезоуровень, макроуровень) [4].

Соответственно дополнениям, внесенным нами в номенклатуру больших данных к дополнительному образованию взрослых, необходимо расширить перечень источников этих данных. Мы полагаем, что в откорректированном виде он будет выглядеть следующим образом: цифровая образовательная платформа, на базе которой проходит обучение; цифровое рабочее место (при наличии); работодатель (при отсутствии цифрового рабочего места); социальное окружение (социальные сети); формально-юридическая документация (паспортные данные, награды, благодарности, поощрения, приказы о зачис-лении/отчислении и т. д.).

Заметим, что импорт информации, относящейся к ведению работодателя и, в некоторой степени, к социальным сетям, требует решения определенных юридических проблем, которые находятся за рамками настоящего исследования.

Таким образом, предлагаемая система больших данных будет содержать в себе для каждого субъекта и объекта информационного образовательного пространства следующую информацию: характеристику рассматриваемого субъекта или объекта с точки зрения его роли в информационном образовательном пространстве; основные метаданные, описывающие субъект или объект; динамику, хронологию и авторство внесения изменений в состояние субъекта или объекта; метрические показатели интенсивности обращений к субъекту или объекту; экспертную оценку субъекта или объекта (опционально).

Относительно экспертной оценки отметим, что ее наличие не является обязательным. Пример экспертной оценки субъекта (взрослого обучающегося) – это учебная оценка, выставленная преподавателем в ходе учебного процесса или поощрение, предоставленное работодателем. Пример экспертной оценки объекта – оценка блоку теоретического материала, размещенному преподавателем в качестве элемента учебного контента на базе цифровой образовательной платформы, выставленная методистом, или сформированная на основании отзывов, оставленных обучающимися.

Обсуждение

Мы полагаем, что использование больших данных в дополнительном профессиональном образовании взрослых позволяет сформировать информационную базу для построения индивидуальных образовательных траекторий. При этом наиболее сильными сторонами является непрерывный характер обновления данных (относящихся к микроуровню) и относительная простота интеграции результатов их обработки в математические модели и процедуры, которые используются при построении индивидуальных образовательных траекторий. Также возможна интеграция результатов мониторинга профессиональной деятельности обучающихся в систему управления учебным процессом.

При этом управление учебным процессом приобретет непрерывный характер, что является одним из факторов повышения качества образования [15].

Образовательная среда, основанная на больших данных, может обладать значительным инклюзивным потенциалом, так как в ее рамках в процессе учебной деятельности в рамках групповых форм обучения могут взаимодействовать как взрослые обучающиеся с ограниченными возможностями (в том числе занимающиеся трудовой деятельностью на цифровых рабочих местах), так и обучающиеся без каких-либо ограничений. Несмотря на то, что проблемы инклюзивного обучения как правило рассматриваются применительно к реализации основных образовательных программ, мы полагаем, что этот вопрос актуален и для дополнительного профессионального образования взрослых. При этом основной общественно значимый результат может быть достигнут в области социализации лиц с ограниченными возможностями. Интеграция таких обучающихся в инклюзивный учебный процесс позволит существенным образом расширить область социального взаимодействия, развить навыки социальной коммуникации с использованием цифровой среды, и найти новые сферы возможной профессиональной деятельности.

Применительно к содержанию дополнительных профессиональных учебных программ, ориентированных на обучение взрослых, мы в целом разделяем подход И. Д. Ке-жавы и К. Вивера [6]. Вне зависимости от конкретной предметной области каждая современная дополнительная образовательная программа должна в качестве одного из результатов обучения обеспечивать формирование и/или совершенствование компетенций, связанных с профессиональной и социальной деятельностью в современном информационном обществе.

К таким компетенциям мы относим следующие: компетенции в сфере личностного становления и развития в условиях современной цифровой среды, компетенции в сфере социального и личностного взаимодействия в цифровой среде, компетенции в сфере профессиональной деятельности в цифровой среде, компетенции в сфере информационной безопасности, понимание воз- можностей и ограничений, связанных с развитием информационного общества.

Достижению такого результата обучения должны способствовать как сама цифровая образовательная платформа, на базе которой осуществляется обучение, так и соответствующие элементы, включенные в учебный материал (независимо от предметной области, к которой относится дополнительная образовательная программа).

Наиболее актуальным направлением дальнейших исследований в этой области нам представляется комплекс вопросов о принципах и методах интеграции тематического блока, обеспечивающего формирование готовности обучающегося к профессиональной и социальной деятельности в современном информационном обществе в содержание дополнительных профессиональных образовательных программ, ориентированных на обучение взрослых, независимо от предметной области. Также актуальным вопросом, требующим отдельного исследования, является вопрос о специфике больших данных применительно к различным видам дополнительного образования.

Заключение

Подводя итог, необходимо отметить, что проведенное нами исследование позволило решить следующие задачи применительно к дополнительному профессиональному образованию взрослых: выделить основные сценарии применения больших данных, установить специфику больших данных, установить номенклатуру больших данных, выявить основные источники больших данных.

Мы полагаем, что предложенные нами основные сценарии применения больших данных в дополнительном профессиональном образовании, выявленная специфика их применения в рассматриваемом контексте и предложенная номенклатура могут служить существенным элементом процесса педагогического проектирования дополнительных профессиональных образовательных программ, ориентированных на реализацию на современном этапе цифровизации в условиях применения цифровых образовательных платформ.