Новые образовательные стратегии в современном информационном пространстве

New Educational Strategies in Modern Information Space - 2022

Ru
En

Никандров А.А.

РГПУ им. А. И. Герцена

г. Санкт-Петербург, Россия

 

Многофункциональные и гибкие платформы для создания образовательных материалов

 

В работе описаны основные характеристические черты дисциплины «Машинное обучение». Оценивается потенциал образовательных многофункциональных, гибких онлайн-платформ, включающих конструкторы открытых онлайн-курсов для содействия самостоятельному обучению студентов. Проанализированы и обсуждены основные требования к образовательным платформам при обучении программированию в рамках дисциплины «Машинное обучение».

 

Nikandrov А.А.

HSPU,

St. Petersburg, Russia

 

Multifunctional and flexible platforms for creating educational content

 

The paper describes the main characteristic features of the discipline "Machine learning". The potential of multifunctional, flexible online educational platforms, including open online course constructors to facilitate students' independent learning, is evaluated. The main requirements for educational platforms in teaching programming within the discipline "Machine learning" are analyzed and discussed.

 

Введение

Современные образовательные платформы, включающие конструкторы открытых онлайн-курсов способствуют как обучению на основе запросов, так и независимому обучению студентов вузов, поскольку облегчают взаимодействие между преподавателем и учащимися. Преподаватель имеет возможность распределять задания, устанавливать дедлайн подачи выполненных заданий и следить за успеваемостью учащихся, организовывать учебную работу, по возможности, с учетом персонализации и персонификации процесса обучения. Доступные платформы поощряют студентов учиться в любом месте и в любое время с помощью компьютера, планшетов или смартфонов. Свободно владея цифровыми технологиями на бытовом уровне, являясь «цифровыми аборигенами» и используя привычные средства на занятиях, современные учащиеся демонстрируют более высокий уровень заинтересованности. Для профессионального персонализированного развития студентов необходим динамический подход к образовательному процессу, который позволяет обеспечить адаптивное содержание, адаптивную последовательность действий и адаптивную оценку успешности обучения. [5]

 

В 2022 году в Российском государственном педагогическом университете им. А. И. Герцена организовано пилотное исследование по организации электронной поддержки обучения ряду дисциплин, которые нуждаются в автоматической проверке решённых студентами задач по программированию. Исследование проводится на примере дисциплины «Машинное обучение». Необходимо, опираясь на специфику содержания курса, выработать определённые требования, которые позволят эффективно организовывать и управлять образовательным контентом. Лишь немногочисленные платформы онлайн-обучения позволяют преподавателям не только создавать и обмениваться материалами для поддержки обучения студентов, но также предоставлять учебные задания, помогающие им практиковать язык программирования. Выделим наиболее подходящие онлайн-платформы для осуществления учебного процесса, связанного со студенческими активностями в области программирования в рамках дисциплины «Машинное обучение».

 

Анализ дисциплины «Машинное обучение»

Современная мировая практика высшего образования предполагает обязательную организацию дистанционной поддержки обучения с активным использование смешанных форм обучения. [12] Одной из дисциплин, изучаемых по направлению «01.03.02. Прикладная математика и информатика, уровень бакалавриата» в РГПУ им. А.И. Герцена, в модуле «Компьютерное обучение» является дисциплина «Машинное обучение». [11]

 

Цель дисциплины состоит в развитии компетенции по использованию естественнонаучных и математических знаний для ориентирования в современном информационном пространстве через овладение системой знаний и умений, связанных с особенностями математических способов представления и обработки информации.

 

В качестве основного подхода при реализации дисциплины выступает задачный подход. Одной из мировых практик реализации этой дисциплины является решение задач машинного обучения через написание программных кодов на языке программирования, в качестве которого выбран Python 3 [3, 15]. Этот язык имеет более низкий порог вхождения, по сравнению с иными языками программирования. Уже имея некоторые базовые знания в области названного языка, студенты смогут быстрее включиться в процесс освоения дисциплины, так как не будут перегружены вводным освоением синтаксиса и семантики языка.

 

Для обработки и визуализации данных в области Машинного обучения задействована связка библиотек: NumPy, Pandas, Matplotlib и Seaborn. По умолчанию они отсутствуют в Python 3, но их можно дополнительно загрузить из открытых хранилищ.

 

Кроме самого Python 3, который в своей базовой версии является интерпретатором, надо привлечь дополнительные средства набора программного кода – кроссплатформенная среда разработки PyCharm Community и веб-приложение Jupyter Notebook с открытым исходным кодом, которое можно использовать для создания и обмена документами, содержащими живой код, уравнения, визуализации и текст. Конечно, вся реализация возможна лишь с одним интерпретатором, но это происходит в ущерб производительности, ибо перечисленные выше средства призваны помогать (тем самым ускорять) набор кода и его отладку.

 

Содержание обучения дисциплине «Машинное обучение» детализировано в таблице 1 и реализуется посредством лекционных (18 часов) и практических занятий (18 часов), а также интенсивной самостоятельной работы обучающихся (36 часов).

 

Таблица 1

Познавательная активность на практических занятиях обеспечивается рациональным сочетанием словесных, наглядных и практических методов обучения, работой с различными источниками информации, решением познавательных и практико-ориентированных задач из предметной области «Машинное обучение». Задача дисциплины - научить учащихся создавать обученную модель на доступных данных, целью которой является осуществление прогнозирования по вопросу, который определен в задании. Дисциплина реализуется только на одном направлении подготовки, а именно «Математика и информатика», что позволяет адаптировать содержание к уровню подготовленности учащихся в области математики и информатики. Важно отметить, что дисциплина рассчитана на студентов 3-го курса академического бакалавриата с профильным уровнем подготовки в области математики и информатики.

 

Как уже было отмечено при реализации дисциплины «Машинное обучение» все виды учебной деятельности организуются при поддержке образовательной онлайн-платформы, которая позволяет практиковать язык программирования, в качестве которого выбран язык Python 3, поэтому мы сосредоточим наше внимание на выборе наиболее эффективного средства для организации процесса обучения и размещения образовательного контента.

 

Анализ платформ

С 2019 года мир образования фактически повсеместно перешел на смешанную форму обучения, что связано с Covid-пандемией и цифровой трансформацией образования, что потребовало разработки систем электронных поддержек и сопровождения практически для всех дисциплин. Стоит отметить, что при организации дистанционной поддержки специфика содержания самой дисциплины и контингента учащихся предоставляют почву для применения различных современных методов анализа данных, получаемых по студенческим активностям и успеваемости на курсе, результаты которого, при правильной трактовке, в конечном итоге могут позволить внести корректировки учебного контента и организации самостоятельной работы студентов с учетом персонализации [11].

 

В последнее время массовые открытые онлайн-курсы (МООК) стали довольно популярными из-за их доступности и масштабности. Эффективность МООК для изучения программирования была доказана курсами по различным языкам программирования, таким как Java [8], [10], Visual Basic [13], Haskell [9] и многим другим.

 

Ведущим при выборе образовательной платформы мы считаем требование, касающееся автоматической проверки кода на одном из языков программирования, которое является ключевым для дисциплин, в рамках которых студенту необходимо написать программный код. Личное оценивание преподавателем или даже группой преподавателей не представляется возможным на курсах с аудиторией в несколько сотен тысяч человек хотя бы по причине отсутствия дедлайна: в любой момент могут появиться новые слушатели, рассчитывающие на полный функционал. Мы будем понимать под автоматической проверкой кода на одном из языков программирования соответствие шаблону или прохождение всех тестов. Благодаря такому подходу возможно сэкономить преподавательское время при тестировании заданий студентов. При желании преподаватель всегда может лично обратиться к решениям отдельных студентов для самостоятельного личного анализа.

 

Второе требование - открытость онлайн-курсов, которое проявляется не только в свободной записи с целью получения знаний, но и в области размещения собственных материалов. Это удобно для преподавателей, которые проектируют курсы указанного выше типа, но не работают под организацией, которая готова заключить контракт с платформой, имеющей средства проверки программного кода. 

 

Третье требование, независимость от партнёрства, позволяет создателю курса не проходить череду шагов для установления контакта с владельцами интересующей платформы. В некоторых случаях эта процедура может занимать продолжительное время или же вообще завершаться неудачей. Это требование не является существенным в случае заблаговременного обращения и наличии средств для заключения партнёрства.

 

Открытый доступ к размещенным материалам для каждого желающего – это четвертое и достаточно прозрачное требование к платформе. Сегодня многие различные веб-приложения предоставляют свои ресурсы на основе ограниченного количества личных данных, то есть прохождения регистрации происходит, как правило, только при помощи указания адреса электронной почты.

 

Наконец, современным направлением в обучении на любом этапе образования является адаптивность материала, управления и анализа результатов обучения под конкретного учащегося. Некоторые из продвинутых онлайн-платформ в своём функционале указывают, что имеют реализованные возможности для осуществления адаптивного обучения. Под адаптивностью мы будем понимать отслеживание активностей пользователя и построение наиболее соответствующего уровню подготовки учащегося образовательного маршрута.

 

Сегодня только в США и Канаде существует более 2 тысяч проектов в области онлайн-образования. Среди крупных игроков мирового уровня стоит выделить Udemy, Coursera, Udacity [17], [24], [7], [23]. В частности, некоторые платформы (например, Coursera) сообщают о возможности создания адаптивных курсов.

 

Рассмотрим, как реализуются на практике выделяемые нами основные требования к образовательной платформе при обучении дисциплинам, связанным с программированием, на примере анализа ведущих на российском рынке онлайн-обучения.

 

Называя признанных мировых лидеров массового онлайн-образования, нельзя не упомянуть отечественный рынок онлайн-образования. По оценкам EdMarket Российский рынок EdTech опережает рост мирового рынка, а в 2019 г. объем рынка Российских EdTech проектов составил 38,5 млрд рублей при среднегодовом росте в 20 % [18].

 

Основными лидерами на Российском рынке являются Skillbox и Skyeng, Stepik [20], [21]. Отличие ведущих отечественных платформ от мировых заключается в подходе к образовательному процессу.

 

Skillbox был основан в 2016 г. и достаточно быстро занял лидирующие позиции на рынке образования, привлекая отраслевых партнёров [16]. Платформа проводит отбор преподавателей и утверждает учебные программы.

 

Всемирно известный проект Skyeng, отсчитывающий свою историю с 2012 года, представляет собой хаб, в котором собираются студенты и преподаватели, где Skyeng сам является модератором курсов и следит за тем, чтобы преподаватели придерживались учебных программ. Подобные платформы не позволяют каждому желающему разместить собственные учебные материалы, к тому же существует явное требование напрямую контактировать с представителями проектов, что занимает определённое время и ограничивает преподавательское творчество.  

 

Российский проект под названием Интуит, предоставляет доступ к массивам открытых онлайн-курсов [14], [1]. Большое количество курсов на ней проверяют знания обучающихся с помощью традиционного тестирования с выбором вариантов ответов, заранее подготовленным преподавателем. Подобного типа проекты накладывают очередное требование, касающееся автоматической проверки кода по заданному шаблону или его тестирование на определённом преподавателем наборе данных. Но платформа, к сожалению, не имеет автоматической проверки кода на одном из языков программирования.

 

Ещё один отечественный проект Лекториум, входящий в Консорциум открытого образования (Open Education Consortium) и представляющий собой ассоциацию образовательных организаций из различных стран, оказывает большое влияние на создание онлайн-курса с помощью команды бета-тестеров и экспертов, оценивающих созданный материал перед запуском. [2] Процесс проверки контента и его утверждения занимает время и не всегда одобрение/отказ в публикации прозрачен.

 

Часть платформ, указанного консорциума таких как Udemy и Eduardo, требуют разместить базовую часть учебного контента на электронном курсе еще до момента его публикации. Курс публикуется только в случае полного соответствия установленным владельцами требованиям, что приводит к зависимости преподавателей от мнения представителей платформы. Не исключён и тот вариант, что может последовать отказ без объяснения причины. Если исследователь не имеет никакой информации по интересующей платформе, в частности, процент одобренных к запуску электронных курсов за всё время, то размещение на ней собственных материалов превращается в некую азартную игру для разработчика. И даже при наличии положительной статистики всё равно существует некоторый процент авторов курсов, которые не получают разрешения опубликовать свой уже частично готовый электронный курс. Последователь Лекториума платформа Eduardo оснащена эффективным конструктором создания курсов. [19]

 

Некоторые платформы предоставляют собственный аппарат для сбора статистики успеваемости, но в целом эта возможность, как правило, предоставляется весьма ограниченно. Эта вспомогательная функция в зависимости от реализации могла бы способствовать тщательному анализу результатов, но обычно при мониторинге результатов обучения приходится собирать и обрабатывать данные с помощью сторонних не встроенных программных средств.

 

Специфичность содержания (см. таблицу 1) самой дисциплины «Машинное обучение» и контингента учащихся (выраженная подготовка в области математики и программирования) позволяют предположить, что организация дистанционной поддержки предоставит возможности для развернутого анализа данных по студенческим активностям и успеваемости на курсе [6]. При правильной трактовке, получаемые результаты в конечном итоге могут позволить внести корректировки в тексты лекций, изменить формулировки соответствующих задач, организовать единую электронную поддержку самостоятельной работы студентов.

 

Из всего многообразия перечисленных выше платформ выделим лишь 4: Stepik, Coursera, Eduardo, Интуит.  Остальные платформы, упомянутые нами ранее, не удовлетворяют основным выдвигаемым нами требованиям, поэтому не являются объектами дальнейшего рассмотрения.

 

Stepik:

1.1. Позволяет создать свой курс и собрать всю необходимую информацию для студентов в одном месте: видео или трансляцию урока, задания, ссылки на дополнительные источники.

1.2. Хорошо разработан для преподавания любой дисциплины предметной области «Информатика». Задачи с автоматической проверкой кода просты в настройке и эффективны при обучении программированию.

1.3. Может автоматически проверять множество типов заданий: тест, свободный ответ, задачи на соответствие – всего более 20 типов задач.

1.4. Некоторые задания не могут быть проверены без участия инструктора. Существует функция "обзор", помогающая оценить эссе, решение сложной проблемы или прокомментировать решение, которое уже было автоматически проверено.

1.5. Предоставляет возможность общаться со студентами в ходе курса непосредственно в рамках задач и видеоуроков. Следовательно, предоставляет возможность узнать, какую обратную связь вызывает материал.

1.6. Имеется служба поддержки, отвечающая на возникающие вопросы.

Образовательная электронная система Stepik включает в себя конструктор занятий и уроков [22], [3], позволяет создавать интерактивный обучающий курс может любому зарегистрированному пользователю. При этом авторы обучающих материалов сохраняют авторские права. Сервис не имеет ограничений по числу обучающихся на курсе.

 

Coursera:

2.1. Повторяет возможности Stepik по пунктам 1.1 – 1.6.

2.2. Требует заключения партнерства, при этом размещает курсы от экспертов более чем в 200 ведущих университетах и компаниях, работает с партнерами из 140 стран.

2.3. Предоставляет возможность получения высшего образования, то есть размещает образовательные программы бакалавриата и магистратуры. Например, от таких университетов как НИУ ВШЭ, Мичиганский и Лондонский университеты.

Чтобы создать свой электронный курс на Coursera, необходимо стать официальным партнёром, что сильно снижает интерес к платформе со стороны преподавателя, который не готов заключить личный договор о партнерстве. Безусловно, платформы таким образом гарантируют качество своего контента, но, возможны и иные подходы. Например, на бесплатном Stepik есть модераторы, которые в достаточно короткие сроки без ограничений и участия преподавателя проверяют адекватность выложенных материалов.

 

Eduardo:

Платформа позволяет использовать в обучении видео, тексты, документы, создавать более десятка различных заданий и коллективно работать над проектированием курса.

Предусмотрена возможность проверять задачи на языке Python, но нельзя создавать упражнения по написанию программного кода.

Является дочерним проектом Лекториума.

Недостатком данной платформы являются ограничения в проверках кода на одном из языков программирования. Это лишает возможности размещать задачи по машинному обучению, если для этого используется язык программирования Python 3. Стоит отметить, что присутствует функция самостоятельной проверки на Python 3, то есть программа принимает входные данные от обучающегося, а далее совершает некоторые операции.

 

Интуит:

4.1. Размещает курсы по тематикам компьютерных наук, информационных технологий, математике, физике, экономике, менеджменту и другим областям современных знаний.

4.2. Организует съёмку видеокурсов и лекций в ведущих вузах и в телестудии.

4.3. Не позволяет автоматически проверять код программы,

4.4. Не ведет статистику обучения.

Платформа Интуит имеет достаточно большой опыт в сфере дистанционного образования (старше всех рассматриваемых платформ), но при этом учебные материалы ограничены ссылками на видео, лекциями в текстовом формате, скромным количеством видов заданий. Нет проверки кода на одном из языков программирования.

 

Результаты проведенного анализа выделяемых нами характеристик обозреваемых платформ приведены в таблице 2.

 

Таблица 2

Заключение

Как следует из нашего обзора платформа Stepik наилучшим образом отвечает всем требованиям, так как может использоваться для организации учебного процесса любым индивидуальным лицом, имеет функцию открытия курса с любым количеством материала, быструю регистрацию по электронной почте и проверку задач с кодом на одном из языков программирования.

 

Литература:

  1. Дацун Н.Н., Уразаева Л.Ю. Использование массовых открытых онлайн-курсов в математической подготовке специалистов по программной инженерии. Вестник евразийской науки 7.2 (27). 2015. С. 131.
  2. Ковальчук С.С., Гаркуша Н.А., Медянкина Е.Н., Мухина Ю.Н. Онлайн-обучение: из опыта зарубежных и российских вузов. Высшее образование сегодня, (1). 2020. С. 31-37.
  3. Коэльо Л., Ричарт В. Построение систем машинного обучения на языке Python. Litres. 2022. 302 с.
  4. Мещерякова К. С. Возможности систем электронного обучения Moodle и Stepik в образовательном процессе в вузе. КОНКУРС НАУЧНО-ИССЛЕДОВАТЕЛЬСКИХ РАБОТ: ТЕХНОЛОГИЧЕСКИЕ ИННОВАЦИИ И НАУЧНЫЕ ОТКРЫТИЯ. 2020.
  5. Носкова Т.Н., Павлова Т.Б., Яковлева О.В. ИКТ-инструменты профессиональной деятельности педагога: сравнительный анализ российского и европейского опыта. \\Интеграция образования. 2018. Т. 22. № 1 (90). С. 25-45.
  6. Пиотровская К.Р., Сазонова Н.В. Оптимизация гуманитарного образования в области математики и информатики //Проблемы теории и практики обучения математике Герценовские чтения, 70: сборник научных работ, представленных на Международную научную конференцию: к 100-летию Ирины Владимировны Барановой. Научный редактор: В.В. Орлов; Российский государственный педагогический университет им. А. И. Герцена. 2017. С. 105-106.
  7. Рахметулаева, С. Б., Хасен Е. АНАЛИЗ РЫНКА ОНЛАЙН-ОБРАЗОВАНИЯ С ЦЕЛЬЮ УЛУЧШЕНИЯ КАЧЕСТВА С ПОМОЩЬЮ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ. Вестник Восточно-Казахстанского государственного технического университета им. Д. Серикбаева 4. 2020. С. 140-144.
  8. Catalán, A. C., González-Castro, N., Delgado, K. C., Alario-Hoyos, C., & Muñoz-Merino, P. J. Conversational agent for supporting learners on a MOOC on programming with Java. Computer Science and Information Systems, (00), 20-20. 2021. https://doi.org/10.2298/csis200731020c
  9. Dale, V. H., & Singer, J. Learner experiences of a blended course incorporating a MOOC on Haskell functional programming. Research in Learning Technology, 27. 2019. https://doi.org/10.25304/rlt.v27.2248
  10. Király, S., Nehéz, K., & Hornyák, O. Some aspects of grading Java code submissions in MOOCs. Research in Learning Technology, 25. 2017. https://doi.org/10.25304/rlt.v25.1945
  11. Piotrowska X., Terbusheva E. EDUCATIONAL DATA MINING FOR FUTURE EDUCATIONAL EMPLOYEES // CEUR-WS, Vol. Vol-2401, Proceedings Proceedings of the XIV International Conference "New Educational Strategies in Modern Information Space", 2019. С. 38-49 (http://ceur-ws.org/Vol-2401/PAPER_4.PDF)
  12. Trapp S. Blended Learning Concepts – a Short Overview. //CEUR-WS, Vol. 213. Proceedings of the First European Conference on Technology Enhanced Learning Workshops (EC-TEL'06), Crete, Greece , October 1-2, 2006. (http://ceur-ws.org/Vol-213/paper7.pdf)
  13. X. Zhang, X. Huang, F. Wang and X. Cao. Research on MOOC-based blended learning of programming language course, DEStech Trans. Social Sci. Edu. Human Sci. 2018. pp. 586-591.

 

Электронные носители удаленного доступа

14. Интуит. – Москва. – Обновляется в течение суток. [Электронный ресурс] – URL : https://intuit.ru/ (дата обращения: 13.02.2022).

15. Машинное обучение (Воронцов К.В.). – Обновляется в течение суток. [Электронный ресурс] – URL : https://www.coursera.org/specializations/machine-learning-data-analysis (дата обращения: 13.02.2022).

16. О компании Skillbox: Электронный ресурс // 2020. – URL: https://skillbox.ru/company/ (дата обращения: 13.02.2022).

17. Coursera. – Mountain View. – Обновляется в течение суток. [Электронный ресурс] – URL : https://www.coursera.org/ (дата обращения: 13.02.2022).

18. EdTech перспективные направления развития: Электронный ресурс // Агентство инноваций города Москва, 2019. – URL: https://innoagency.ru/files/EdTech_AIM_2019.pdf (дата обращения: 13.02.2022).

19. Eduardo. – Санкт-Петербург. – Обновляется в течение суток. – URL : http://eduardo.studio (дата обращения: 13.02.2022).

20. Skillbox. – Санкт-Петербург. – Обновляется в течение суток. [Электронный ресурс] – URL : https://skillbox.ru/ (дата обращения: 13.02.2022).

21. Skyeng. – Москва. – Обновляется в течение суток. [Электронный ресурс] – URL : https://skyeng.ru/ (дата обращения: 13.02.2022).

22. Stepik. – Москва. – Обновляется в течение суток. [Электронный ресурс] – URL : https://stepik.org (дата обращения: 13.02.2022).

23. Udacity. – Emeryville. – Обновляется в течение суток. [Электронный ресурс] – URL : https://www.udacity.com/ (дата обращения: 13.02.2022).

24. Udemy. – San Francisco. – Обновляется в течение суток. [Электронный ресурс] – URL : https://www.udemy.com/ (дата обращения: 13.02.2022).

Оставить комментарий: