En
Ru

New Educational Strategies in Modern Information Space - 2021

Новые образовательные стратегии в современном информационном пространстве

Баранова Е.В.

Швецов Г.В.

РГПУ им. А.И. Герцена

Санкт-Петербург, Россия

shvetsov.german@gmail.com

 

Формирование и анализ данных об учебной деятельности студентов в цифровой образовательной среде

 

   В статье исследуется проблема использования современных методов анализа образовательных данных (Educational Data Mining — EDM). Описывается разработанная авторами методика применения методов EDM для анализа результатов учебной деятельности обучающихся и подходы к выявлению взаимосвязей между интенсивностью использования студентами цифровой образовательной среды и успешностью освоения образовательных маршрутов.

 

Baranova E.V.

Shvetsov G.V.

HSPU

St. Petersburg, Russia

 

Data formation and analysis on the educational activities of students in the digital educational environment

 

   The article examines the problem of using modern methods of analysis of educational data (Educational Data Mining – EDM). The authors describe the methodology for applying EDM methods for learning outcomes analysis and approaches to identifying the relationship between the intensity of student use of digital educational environment and successful mastering of disciplines and modules.

 

 

Цифровая среда на современном этапе является необходимым условием реализации учебного процесса в высшем профессиональном образовательном учреждении. Следовательно, актуальным для образовательной практики является исследование взаимосвязи между контентом личного профиля студента и успешностью освоения им образовательного маршрута. В контексте таких исследований сформировалось понятие «цифровой след», которое можно определить, следуя [1], как массив данных о результатах образовательной и проектной деятельности студента. Изучение цифрового следа студента позволяет осуществлять моделирование его когнитивных особенностей и использовать такую модель для прогнозирования успешности освоения образовательной программы. Цифровой след в образовательном пространстве — отчуждаемый результат образовательной деятельности человека. Всё образовательное пространство, которое собирает цифровой след, должно быть особым образом спроектировано с применением педагогического дизайна. [2]

 

К методам обработки информации об образовательном процессе, в частности цифрового следа его субъектов, можно отнести методы Educational Data Mining (EDM), предоставляющих обширные возможности для анализа и интерпретации полученных результатов. Однако, несмотря на очевидные перспективы применения методов EDM, исследований, связанных с их использованием для моделирования образовательного процесса в вузе, явно недостаточно.  Отсутствуют разработанные методики, инструменты анализа и интерпретации данных, базирующиеся на этих методах  и предназначенные для:

  • выявления критических точек в процессе освоения образовательных программ, дисциплин и модулей, вызывающих наибольшие затруднения у студентов;
  • определения взаимосвязи и взаимовлияния компонентов традиционного и дистанционного обучения на успешность освоения студентами образовательных программ;
  • выявления на раннем этапе контингента студентов, находящихся в группе «риска», с большой вероятностью отчисления т .д. 
  • Разработанная авторами методика анализа цифрового следа студента базируется на сформулированных в [3; 4] этапах использования методов EDM для анализа и обработки данных.

Первый этап включает постановку задачи и выявление сущностей рассматриваемой предметной области. Выделим основные информационные источники данных:

  • образовательная программа [5];
  • деятельность профессорско-преподавательского состава (ППС), включающая: разработку учебно-методических материалов (лекции, практические занятия, тесты), в том числе в цифровом виде, оценивание студентов в рамках текущей, промежуточной успеваемости и т.д.;
  • учебная деятельность студентов, которая оценивается в ходе текущей, промежуточной и итоговой успеваемости.

 

Детализация взаимосвязей между указанными информационными источниками образовательного процесса позволила разработать схему информационных потоков, представленную на рисунке 1.

Рисунок 1 – Схема информационных потоков

 

Второй этап предполагает подготовку данных для EDM и базируется на методах проектирования и разработки информационных систем и БД [6]. На этом этапе происходит моделирование данных, т.е. осуществляется определение и анализ требований к данным, которые необходимы для осуществления EDM, разработка структур базы данных (БД) для представления источников данных, формируемых с использованием внутренних и внешних информационных систем.

 

Для реализации представленной на рисунке 1 схемы информационных потоков в РГПУ им. А. И. Герцена разработана и полномасштабно внедрена в практику образовательного процесса интегрированная информационная система управления учебным процессом – ИСУП (http://oio.herzen.edu.ru) [7]. ИСУП интегрирована с различными компонентами ЦОС, в том числе с СДО Moodle. ИСУП включает совокупность информационных систем (ИС) и веб-ресурсов, базируется на распределенной БД HERZEN, которая обеспечивает хранение целостной информации о различных аспектах образовательного процесса.

 

Формирование данных в БД для последующего анализа реализуется с использованием разработанных с участием авторов инструментов (информационных систем) – компонентов ИСУП:

  1. инструментом, для формирования данных о реализуемых основных профессиональных образовательных программах является ИС «Учебные и рабочие планы;
  2. для сбора данных о промежуточной успеваемости студентов используется ИС «Деканат», обеспечивающая формирование: персональных данных студентов, данных об успешности освоения индивидуальных образовательных маршрутов и т.д. [4];
  3. распределение учебной нагрузки между преподавателями реализуется с использованием инструмента ИС «Нагрузка кафедры»;
  4. система, предназначенная для создания электронного расписания занятий и экзаменов студентов – ИС "Расписание";
  5. СДО Moodle, базирующаяся на СУБД MariaDB (ответвление СУБД MySQL), обеспечивает хранение различных данных о взаимодействии студентов с цифровой средой в процессе обучения, в том числе текущую успеваемость;
  6. к инструментам, обеспечивающим связь между источниками данных, представленных в ИСУП и СДО Moodle, относятся: ИС «Электронный мониторинг» и веб-ресурс «Электронный атлас» – компоненты для мониторинга деятельности профессорско-преподавательского состава, связанной с онлайн-обучением.

 

Третий этап включает сбор и анализ итоговых данных, определение методов EDM для их обработки и визуализации полученных результатов. В качестве методов EDM для выявления связей между сущностями предметной области были использованы корреляционный анализ и метод «перегонки данных для принятия решение человеком» (Distillation of Data for Human Judgment) [4]. На данном этапе предполагается использовать инструменты, предназначенные для получения сводных итоговых данных для анализа качества образовательной программы в целом по различным критериям, таким как успешность освоения программ студентами, квалификационные характеристики профессорско-преподавательского состава, наиболее сложные для освоения составляющие программы, востребованность электронных учебных курсов по дисциплинам и т.д.

 

Для оценки интенсивности работы студентов в СДО Moodle были выделены показатели, например, количество действий, выполненных с элементами курса, активность студентов в чате(-ах) курса (количество отправленных сообщений в чате(-ах)); итоговая оценка за курс (формируется на основе полученных баллов при выполнении заданий, тестов); время, проведенное студентами на курсе.

 

Далее был выбран ряд дисциплин, играющих ключевую роль в подготовке по различным образовательным программам, освоение которых базируется на широком использовании ЭУК в СДО Moodle.

 

Анализ данных в разрезе дисциплин показал существенные различия в значениях показателей, связанные, по мнению авторов, со спецификой предметной области и структурой ЭУК по дисциплине. На основе анализа результатов взаимодействия пользователей с учебно-методическими материалами ЭУК можно формулировать предположения об эффективности курса и рекомендации по изменению образовательного ресурса с целью повышения его качества.

 

Предложенная авторами методика анализа цифрового следа студентов в дальнейшем может использоваться для принятия обоснованных управленческих решений при проектировании, обновлении и реализации образовательных программ высшего образования с целью повышения качества подготовки.

 

Литература:

  1. Степаненко А.А., Фещенко А. В. «Цифровой след» студента: поиск, анализ, интерпретация // Открытое и дистанционное образование. 2017. № 4 (68). С. 58–62. DOI: 10.17223/16095944/68/9
  2. Курбацкий В.Н. Цифровой след в образовательном пространстве как основа трансформации современного университета // «Высшая школа»: научно-методический и публицистический журнал. 2019. № 5. С. 40–45.
  3. Луньков А.Д., Харламов А.В. Интеллектуальный анализ данных // Учебно-методическое пособие. Саратовский национальный исследовательский университет. — Режим доступа: http://elibrary.sgu.ru/uch_lit/1141.pdf (дата обращения: 03.10.20).
  4. Баранова Е.В., Верещагина Н.О., Швецов Г.В. Цифровые инструменты для анализа учебной деятельности студентов // Известия Российского государственного педагогического университета имени А.И. Герцена. - Санкт-Петербург, 2020. - N 198. - С. 56-65.
  5. Об образовании в Российской Федерации: федер. закон от 29.12.2012 № 273-ФЗ (ред. от 31.07.2020).URL: http://www.consultant.ru/document/cons_doc_LAW_140174/b819c620a8c698de35861ad4c9d9696ee0c3ee7a/ (дата обращения: 03.10.2020).
  6. Рочев К.В. Информационные технологии. Анализ и проектирование информационных систем. Учебное пособие. Издательство "Лань", 2019 г.
  7. Баранова Е. В. Электронный педагогический университет - инновационная платформа открытого педагогического образования / Баранова Е. В., Верещагина Н. О., Елизарова И. К. // Новые образовательные стратегии в современном информационном пространстве. Методология электронного обучения [Текст] : сборник научных статей по материалам международной научной конференции, 1-13 апреля 2016 г. / РГПУ, Институт компьютерных наук и технологического образования. - Санкт-Петербург, 2016. - С. 83-87.

Оставить комментарий: