ВЛИЯНИЕ СТРУКТУРНЫХ И СОДЕРЖАТЕЛЬНЫХ ХАРАКТЕРИСТИК ИНТЕРНЕТ-АКТИВНОСТИ СТАРШЕКЛАССНИКОВ И СТУДЕНТОВ НА ИХ ОБРАЗОВАТЕЛЬНЫЕ ДОСТИЖЕНИЯ
Проект РНФ: №19-313-51024
Cроки реализации проекта: 2019-2021 гг.
Образовательный модуль - siriusuniversity.ru
для перехода на сайт с Интерактивной картой необходимо нажать "Дополнительные" - "Перейти на сайт pa.data.tsu.ru (небезопасно)"
Описание проекта
Реализация государственной образовательной политики в направлении выявления и поддержки талантов, профориентации и индивидуализации обучения формирует запрос на анализ факторов, влияющих на образовательные достижения обучающихся. Однако имеющаяся аналитика ограничивается оценкой зависимости учебной успеваемости от персональных (связанных с обучающимся) и институциональных (связанных с образовательным учреждением) факторов. Источником данных для такой аналитики выступают данные, генерируемые в рамках LMS систем образовательных учреждений, данные психологических тестирований, а также образовательная и социально-экономическая статистика. При этом игнорируется колоссальный объем данных, позволяющие зафиксировать и оценить образовательные достижения учащихся – данные, генерируемые в Интернете и ключевом ее локусе для современной молодежи - социальных сетях. Существующие в настоящее время попытки использовать эти данные для индивидуализации процесса обучения сводятся к применению данных LMS систем учебных заведений, информации о процессе и прогрессе обучения для выстраивания траектории в рамках изучаемого курса. Между тем, проникновение социальных медиа в повседневную и профессиональную жизнь современного общества актуализирует исследования методов и инструментов извлечения и анализа данных о пользователях социальных сетей – цифровые следы.

Изучение цифрового следа человека позволяет осуществлять анализ и моделирование его физиологических, психологических и когнитивных особенностей и применение такой модели для прогнозирования, программирования и управления образовательной траекторией. В нашем случае важно, что цифровой след человека в социальных сетях дает принципиально новую возможность для оценки и анализа образовательных достижений обучающихся - он позволяет оценить их ранее невидимые для государства и образовательных учреждений неформальные и информальные образовательные траектории и достижения. Кроме того, структура и содержание активности человека в Интернет пространстве является важным компонентом его цифрового следа, что формирует необходимость отдельного изучения его влияния на образовательные траектории и достижения.
Таким образом, значимость исследования определяется востребованностью его результатов для разработки комплексной методологии оценки и прогнозирования образовательных достижений в условиях развития персонализированного образования в цифровую эпоху.

Цель предлагаемого проекта является анализ влияния структурных и содержательных характеристик интернет-активности старшеклассников и студентов на их образовательные достижения.
Научная новизна предложенного подхода заключается в использовании больших массивов открытых пользовательских данных и алгоритмов машинного обучения для оценки влияния интернет-активности на образовательные достижения. Глубокий анализ структурных и содержательных характеристик этой активности позволит уточнить знания о природе и генезисе персональных учебных сред молодежи.

В качестве ключевого результата планируется создание комплексной модели оценки влияния структурных и содержательных характеристик интернет-активности на образовательные достижения ученика на основе данных о формальном и неформальном обучении и цифрового следа в социальных сетях. Создание такой модели позволит помимо получения нового знания о влиянии интернет-активности на образовательные достижения использовать ее как основание для развития передовых технологий в обучении.

Другим значимым результатом станет разработка модели прогнозирования потенциальных образовательных достижений обучающихся на основе анализа данных цифрового следа с использованием технологий машинного обучения. Данную модель можно использовать как инструмент поиска талантов, а также тьюторской работы в учебных заведениях.
Описание рекомендательного сервиса
Сервис рекомендаций для тьюторов реализован в виде дополнения к LMS MOODLE. Позволяет специалистам по психолого педагогическому сопровождению учащихся получать интерпретацию цифрового следа из "ВКонтакте". Для студентов, о которых известна ссылка на профиль в социальной сети, тьютор может получить электронный отчёт с анализом цифрового следа ВКонтакте, содержащий: описание профиля образовательных интересов, прогноз уровня академической успеваемости, прогноз признаков одаренности (интеллект, креативность, мотивация), список онлайн-курсов релевантных образовательным интересам).
В задачи тьюторской службы ТГУ входит обеспечение индивидуальных траекторий обучения для студентов. Это может быть как изменение в рамках формального образования программы обучения, так и помощь в навигации по ресурсам неформального образования внутри и вне университета. Студенты, приходящие на тьюториал, не всегда могут самостоятельно сформулировать запрос на помощь в самоопределении. Тьюторы вынуждены тратить значительную часть времени на диагностику потребностей в индивидуализации. Сервис рекомендаций позволяет обогатить представление тьюторов о студенте с помощью аналитики цифрового следа ВКонтакте. Прогноз академической успеваемости позволяет превентивно выявить для первокурсников вероятность плохих оценок в первую сессию, которая может быть связана как и невысоким уровнем школьной подготовки, так и с проблемами профессионального самоопределения и снижения учебной мотивации. Профиль неформальных образовательных интересов при его сравнении с профилем подготовки в вузе, позволяет выявить у тьюторанта расхождение интересов, что может быть интерпретировано как кризис профессионального самоопределения или запрос на развитие междисциплинарного мышления. В первом случае, тьютор обеспечивает организационную поддержку перевода студента на другой профиль подготовки. В случае запроса на развитие междисциплинарного мышления, тьютор с помощью каталога онлайн курсов с федерального каталога Современная цифровая образовательная среда (более 1300 курсов) рекомендует студенту релевантные запросу курсы и помогает получить знания и навыки, дополняющие основную образовательную программу.
Прогнозная модель академической успеваемости заложенная в основе работы сервиса, разработана в ходе реализации текущего проекта, как результат исследования взаимосвязи образовательных достижений студентов и их цифрового следа. Прогнозная модель одаренности (Рензули, Хеллер) разработа авторами проекта (Фещенко А.В.) в рамках предыдущего проекта РФФИ 17-16-70004-ОГН "Исследование потенциала социальных сетей для выявления, привлечения и закрепления талантливой молодежи в региональных вузах на основе анализа больших данных" (2017-2018 гг.)
Фещенко
Артем Викторович
Гойко
Вячеслав Леонидович
Мундриевская
Юлия Олеговна
помощник руководителя проекта,
заведующий лабораторией компьютерных средств обучения Института дистанционного образования
Томского государственного университета
помощник руководителя проекта,
директор Центра прикладного анализа данных
Томского государственного университета
научный сотрудник
Центра прикладного анализа данных
Томского государственного университета
Команда проекта
Кашпур
Виталий Викторович
кандидат социологических наук,
заведующий кафедрой социологии
Томского государственного университета
Руководитель проекта
Петров
Евгений Юрьевич
Губанов
Александр Юрьевич
Лазурина
Екатерина Дмитриевна
Демченко
Юлия Дмитриевна
магистрант кафедры социологии Томского государственного университета
научный сотрудник
Центра прикладного
анализа данных
Томского государственного университета
научный сотрудник
Центра прикладного
анализа данных
Томского государственного университета
магистрант кафедры социологии Томского государственного университета
Прикладные результаты
1
Интерактивная карта
2
Рекомендательный сервис
Опубликованные статьи
  • 1
    Using topic modeling for communities
    clusterization in the VKontakte social network

  • 2
    Взаимосвязь образовательных достижений
    старшеклассников и их цифрового следа в социальной
    сети
  • 3
    ДИСПОЗИЦИЯ РОССИЙСКИХ ПУБЛИКАЦИЙ В МИРОВОЙ СЕТИ ЦИТИРОВАНИЙ
    ПО ТЕМАТИКЕ ВЗАИМОСВЯЗИ ИНТЕРНЕТ-АКТИВНОСТИ ОБУЧАЮЩИХСЯ
    И ИХ ОБРАЗОВАТЕЛЬНЫХ ДОСТИЖЕНИЙ
  • 4
    INTERRELATION BETWEEN ACADEMIC PERFORMANCE OF
    STUDENTS AND THEIR PERSONAL LEARNING ENVIRONMENT IN A
    SOCIAL NETWORK