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.)