Проблемы управления индивидуальной образовательной траекторией студента на основе цифрового профиля и цифрового следа
Автор: Живетьев А.В., Белов М.А.
Журнал: Сетевое научное издание «Системный анализ в науке и образовании» @journal-sanse
Рубрика: Системный анализ в прикладных задачах
Статья в выпуске: 4, 2024 года.
Бесплатный доступ
В статье исследуются проблемы управления индивидуальной образовательной траекторией (ИОТ) студентов, базирующейся на анализе цифрового профиля и цифрового следа. Авторы подчеркивают значимость персонализации образовательного процесса для повышения его эффективности и адаптации к уникальным потребностям учащихся. Рассматриваются основные вызовы, связанные с использованием цифрового следа, включая его ограниченность, неполноту данных и сложности при прогнозировании академической успешности. Особое внимание уделено вопросам интеграции цифрового профиля в системы управления обучением, где отсутствие единой стандартизированной структуры затрудняет анализ и перенос данных между различными образовательными учреждениями. Также обсуждаются угрозы конфиденциальности и этические аспекты, связанные с хранением и обработкой личных данных студентов. Авторы подчеркивают необходимость разработки универсальных стандартов для структуры цифрового профиля, а также внедрения более эффективных методов сбора и анализа данных, включая использование данных социальных сетей и видеоаналитики. В заключение статьи акцентируется внимание на необходимости нахождения баланса между глубоким уровнем персонализации и сохранением способности студентов адаптироваться к разнообразным образовательным контекстам, чтобы избежать риска гиперперсонализации.
Учебная аналитика, индивидуальные образовательные траектории, цифровой портрет, цифровой профиль, цифровой след, персонализация образования, структура цифрового профиля, управление образовательной траекторией, интеграция цифрового профиля
Короткий адрес: https://sciup.org/14132366
IDR: 14132366 | УДК: 004.04,
Challenges in managing a student’s personalized learning path based on their digital profile and digital footprint
The article explores the challenges of managing students' individual educational trajectories based on the analysis of digital profiles and digital traces. The authors emphasize the importance of personalizing the educational process to enhance its effectiveness and tailor it to the unique needs of learners. The main challenges associated with the use of digital traces are discussed, including their limitations, data incompleteness, and difficulties in predicting academic success. Special attention is given to the integration of digital profiles into learning management systems, where the lack of a standardized structure complicates data analysis and transfer between different educational institutions. The article also addresses privacy concerns and ethical issues related to the storage and processing of students' personal data. The authors highlight the necessity of developing universal standards for digital profile structures and implementing more effective methods for data collection and analysis, including the use of social media data and video analytics. The article concludes by emphasizing the need to balance deep personalization with maintaining students' ability to adapt to diverse educational contexts, thus avoiding the risks associated with hyper-personalization.
Список литературы Проблемы управления индивидуальной образовательной траекторией студента на основе цифрового профиля и цифрового следа
- Цифровая образовательная история как составляющая цифрового профиля обучающегося в условиях трансформации образования / Р. В. Есин, Т. В. Зыкова, Т. А. Кустицкая, А. А. Кытманов // Перспективы науки и образования. - 2022. - № 5 (59). - С. 566-584. -. DOI: 10.32744/pse.2022.5.34 EDN: OMTHCN
- Hakimi L., Eynon R., Murphy V. A. The ethics of using digital trace data in education: A thematic review of the research landscape // Review of Educational Research. - 2021. - № 91(5). - Pp. 671-717. EDN: EXVSKT
- Ширинкина Е. В. Интеллектуальный анализ образовательных данных // Вестник Тверского государственного университета. Серия: Экономика и управление. - 2021. - № 3 (55). - С. 179-188. EDN: ZKOGBS
- Self J. Student models in computer-aided instruction // International Journal of Man-Machine Studies. - 1974. - Vol. 6 (2). - Pp. 261-276. - DOI: http://dx.doi.org/10/10.16/S0020-7373(74)80005-2.
- Живетьев А. В., Белов М. А. Прогнозирование сложности курса на основе оценок по обеспечивающим дисциплинам с помощью метода логистической регрессии на примере курса по программированию на Python // Системный анализ в науке и образовании. - 2024. - №.2. - С. 91-97. EDN: HNKMGS
