LEARNING ANALYTICS – НОВЫЙ ИНСТРУМЕНТ КОНТРОЛЯ КАЧЕСТВА ОБРАЗОВАНИЯ В РОССИЙСКОЙ ФЕДЕРАЦИИ

Волкова Вероника Романовна
Высшая школа экономики — филиал в г. Санкт-Петербург (НИУ ВШЭ в г. Санкт-Петербург)

Аннотация
Данная статья посвящена эмпирическому обоснованию и внедрению в систему контроля качества высшего образования в Российской Федерации нового инструмента – Learning Analytics. Определены зарубежные университеты, в которых использовалась обучающая аналитика. Представлены сравнительные данные по внедрению различных типов обучающей аналитики, где мы можем увидеть, в какой стране была применена система, какие проблемы решила данная система и что планируется сделать в дальнейшем с ее применением. Показано влияние системы Learning Analytics на систему управления качеством высшего образования в зарубежных странах. Проведен контент-анализ, на основе которого выписаны рекомендации для университетов Российской Федерации, также дана графическая визуализация материалов.

Ключевые слова: , , , ,


Рубрика: 23.00.00 ПОЛИТИЧЕСКИЕ НАУКИ

Библиографическая ссылка на статью:
Волкова В.Р. Learning Analytics – новый инструмент контроля качества образования в Российской Федерации // Современные научные исследования и инновации. 2020. № 7 [Электронный ресурс]. URL: https://web.snauka.ru/issues/2020/07/92818 (дата обращения: 29.03.2024).

Развитие образования в Российской Федерации является одной из приоритетных задач государства на сегодняшний день. В этой связи особую значимость приобретают вопросы исследования состояния, структуры и динамики потенциала государственного управления в системе образования. В России проводится политика реформирования сферы образования, а, значит, должна совершенствоваться и система государственного управления в сфере образования. Таким образом, важно выявить те проблемы, которые нуждаются в проработке, а также определить перспективы развития государственного управления в сфере образования. В последние десятилетия несколько факторов способствовали повышению общественного беспокойства по поводу качества высших учебных заведений, ведь студенты после получения высшего образования могли выйти не имея качественных знаний в своей сфере. Поэтому появились такие устройства измерения и улучшения качества, как показатели эффективности университета, аккредитация, программная и институциональная оценка и лицензирование. Однако данные инструменты все же больше основаны на проверку именно работы университета нежели студентов, ведь университет может соответствовать всем нормам, но учащиеся не имея цели быть преуспевающим студентом, могут снижать свою успеваемость, менять университеты, что ведет за собой неспособность российских университетов быть на ровне с университетами зарубежных стран.

Аналитика данных стала неотъемлемой частью многих областей общества, таких как здравоохранение, розничная торговля, криминал и общественный транспорт.[1] Образовательная аналитика (LA), которая использует данные о студентах для улучшения преподавания и обучения, постепенно позволяет высшему образованию использовать данные, которые она собирает для понимания и улучшения преподавания, а также для обучения с целью оптимизации успеха учащихся.

Если говорить о развитии образовательной аналитики, то за последние десять лет концепции больших данных и анализа данных стали основой для многих секторов. Те, кто работает в секторе высшего образования, оказавшись последние годы в среде, насыщенной данными VLE и других цифровых платформ, начали осознавать потенциал этих данных для преодоления широкого круга задач. К ним относятся: необходимость, обусловленная глобальной экономической средой, предоставлять более эффективные услуги при значительно сокращенных ресурсах; растущая потребность вузов в количественном выражении демонстрации их ценности, а также задача оптимизации ресурсов для обеспечения значимого образования для постоянно растущего числа онлайн студентов.

Образовательная аналитика включает в себя использование широкого спектра данных и методов для анализа, включая, например, статистические тесты, модели объяснения и прогнозирования и визуализацию данных.[2] Гашевич и др. суммировали три основные темы в реализации Learning Analytics, а именно, разработку предикторов и индикаторов для различных факторов (например, успеваемость, вовлеченность студентов и навыки саморегулируемого обучения); использование визуализаций для изучения и интерпретации данных, а также для принятия коррективных мер; и выработка вмешательств для формирования учебной среды.

Результаты работы Тома Дикхофф[3] показали, что существующие исследования сосредоточены на шести типах исследовательских вопросов: качественная оценка; количественные показатели использования и посещаемости; дифференциация между группами студентов; дифференциация между предложениями обучения; консолидация данных; и эффективность. Используемые методы исследования включают онлайн-опросы, файлы журналов, наблюдения, групповые интервью, посещаемость занятий студентами и анализ оценок экзаменов. На основании полученных результатов были даны предложения по показателям Learning Analytics для улучшения обучения. Папамициу и Эеономидес фокусировались на влиянии Learning Analytics и образовательных данных разработка адаптивного обучения. Они рассмотрели экспериментальные тематические исследования в период между 2008 и 2013 годами и определили четыре отдельные категории, а именно: педагогические проблемы, контекстуализация обучения, сетевое обучение и использование образовательных ресурсов.[4]

Рассмотрев достаточно примеров использования учебной аналитики и проанализировав ее разделение на определенные категории, было выявлено то, что данная система имеет две сферы влияния. Во-первых, она может охватывать весь университет в целом, то есть его работу со студентами, их возможности, взаимоотношения между преподавателями и студентами. А, во-вторых, она может влиять лишь на определенные курсы.

Стоит сказать, что большое количество университетов, которые использовали систему Learning Analytics, находятся в Соединенных Штатах Америки.  И это, на самом деле, не удивительно, ведь первые разработки данной системы были сделаны американскими учеными, а первое определение Learning Analytics было дано Джорджем Сименсом. Также обратившись в Scopus, видно, что по статистике ниже расположены такие страны, как Великобритания, Индия, Австралия, у которых более 200 публикаций, в то время, как в России их всего 60 штук.  Из чего можно сделать вывод, что Россия отстает в развитии контроля за качеством образования. Так как обучающая аналитика имеет высокие тенденции распространения в США и странах Европы, России следует обратить больше внимания на систему Learning Analytics и, возможно, внести еще свои доработки, которые также повлекут за положительные последствия, такие как подъем российских университетов в рейтингах мира.

Пример: Университет образования Гонконга (влияние на университет)

Проект внутри данного университета направлен на разработку инновационного метода оценки обучения студентов в онлайн-среде, который поможет определить, способны ли студенты генерировать новые знания сверх ожидаемой учебной деятельности. Разрабатывая новый инструмент аналитики обучения, учителя могут визуализировать и анализировать случайные открытия знаний студентов во время обучения с помощью цифровых материалов, представленных в Интернете. Эта технология может помочь учителям оценивать успеваемость учащихся, если они смогут достичь определенных результатов на курсах, что может служить важным показателем успеваемости учащихся.

Новые тренды, шаблоны, темы содержания могут быть получены путем измерения разнообразного или инновационного контента с использованием алгоритмов интеллектуального анализа данных и текста с образовательными данными. Основываясь на статистической корреляции, связь между этими темами или ключевыми словами можно визуализировать, чтобы понять потенциальную связь. Результаты этого проекта послужили основой для ожиданий университета в разработке диверсифицированных и инновационных методов оценки с использованием передовых технологий электронного обучения. Также учащиеся стали более активными в обучении, когда они узнали, что их обучение в Интернете анализируется и оценивается. Теперь студенты могут реализовать свои знания и идеи, в то время как учителя могут также понять и расширить их через учебные действия. Преподаватели могут легко понять, могут ли студенты достичь высоких успехов в университете.[5]

Пример: Университет Вуллонгонг (влияние на университет)

Некоторые исследования упоминают о ценности информационных панелей для улучшения преподавания или обеспечения будущих курсов. В университете Вуллонгонга анализ социальных сетей выявил модели взаимодействия, возникающие на форумах, таких как дискуссии. Интересно здесь то, что инновации, которые привели к улучшению успеваемости студентов на одном курсе, по-видимому, заставили их лучше работать и на последующих курсах.

В данном университете работа была направлена на повышение эффективности участия студентов в режиме реального времени. «Социальные сети, адаптирующие педагогическую практику» – SNAPP в университете Вуллонгонга – фокусируется на качестве обсуждений на онлайн-форумах, так как это общая черта курсов. Основополагающий принцип заключается в том, что более активное участие в обсуждении ведет к повышению успеваемости учащихся. Анализ социальных сетей используется для визуализации взаимодействий между участниками форумов, показывая образцы, типичные для активного однорангового обсуждения или менее желательные – образцы «изоляции» или доминирующих людей. Это может помочь в разработке дизайна обучения и развитии персонала организаторов форума.[6]

Основываясь на примерах выше, мы показываем, как обучающая аналитика может влиять на весь университет в целом. Далее, как мы и говорили раннее, приведем два примера университетов, в которых практиковалась обучающая аналитика на определенные курсы, а не на университет.

Пример: Университет Сиднея.

В данном университете представлен анализ влияния мгновенной обратной связи и автоматической оценки на образование в области компьютерных наук, выходящее за рамки классического предмета «Введение в программирование». Было проанализировано поведение студентов 1 курса и 4 курса при сдаче заданий по программированию в университете Сиднея в течение 3 лет. Эти задания были написаны на разных языках программирования, таких как C, C ++, Java и Python, для различных курсов по информатике от фундаментальных – алгоритмы, сложность, формальные языки, структуры данных и искусственный интеллект, до более «практичных» – программирование, распределенные системы, базы данных и сети. В университете Сиднея было замечено, что мгновенная обратная связь и автоматическая оценка могут помочь студентам и преподавателям по предметам, не обязательно сфокусированным на программировании. Там также обсуждается взаимосвязь между успеваемостью учащихся по этим предметам и выбором языков программирования или временем, когда ученик начинает и прекращает работать над заданием.

Проведя анализ, они выявили, что, во-первых, что мгновенная обратная связь полезна для студентов по предметам программирования, что она также влияет на их поведение по другим предметам и что автоматическая оценка полезна для преподавателей, не сосредоточившихся на оценке навыков программирования. Во-вторых, результаты учащихся значительно варьировались в зависимости от языка программирования, который они выбрали для кодирования задачи программирования, и от типа навыков, на которых задача программирования была нацелена на оценку. Наконец, они выявили взаимосвязь между временем, когда студент начинает представлять программы для задания, и временем, когда студент отправляет данное задание. Из своего анализа они решили, что можно использовать автоматическую оценку и мгновенную обратную связь.

Из всех примеров можно сделать вывод, что на сегодняшний день люди все больше интересуются системой обучающей аналитики, с каждым годом исследований, имеющих отношение к внедрению Learning Analytics в высшем образовании, становится все больше. Согласно данным Scopus, самая первая публикация была сделана в 1991 году и долго никто не проявлял интерес к данной теме (Learning analytics in higher education). Рост заинтересованности наблюдается с 2008 года  и пик на данный момент можно увидеть в 2018 году. С каждым годом исследований на данную тему будет становится в разы больше, это показывает то, что университеты, в которых уже практиковалась система Learning Analytics, положительно отзываются об обучающей аналитике, и другие университеты из разных стран начинают применять систему у себя.

Обучающая аналитика – это интерес, а не основной приоритет учреждения. Следуя из этого, инвестиции в учебную аналитику чаще описываются как второстепенные, а не основные. Хотя учебная аналитика в настоящее время широко не применяется и не используется, существует потенциал для заметного роста в будущем, если учреждения будут соответствовать указанным приоритетам и инвестиционным ожиданиям. Ключевыми факторами, которые мотивируют инвестиции в учебную аналитику, являются удержание студентов, успехи в учебе на уровне курса и сокращение времени на обучение. Сокращение затрат и оптимизация институциональных ресурсов являются второстепенными факторами для инвестиций.

После анализа 50 университетов, стоит сказать, что большинство крупномасштабных, систематических внедрений обучающей аналитики на сегодняшний день находятся в США. Различные университеты в Австралии и Великобритании также быстро накапливают опыт анализа данных о студентах и ​​их обучении на институциональном уровне, особенно с целью повышения уровня удержания. Документированных тематических исследований в других странах мира мало. В кратких анализах, представленных во второй главе, сообщается об использовании учебной аналитики на уровне учреждений. Они представляют некоторые из наиболее ярких примеров инноваций, происходящих в этой области во всем мире. Было рассмотрено двадцать четыре университета из США, десять – из Великобритании, пять – из Австралии, по два – из Сингапура, Швейцарии, Китая и Канады и по одному – из Испании, Новой Зеландии и Грузии. Большинство из них предоставляют доказательства эффективности методологии или стратегии мониторинга и вмешательства.

Важно отметить, что многие из реализаций, описанных в исследованиях университетов, находятся на относительно ранней стадии. Процессы проверки использования обучающей аналитики, изменения способа ее институционального использования и обеспечения достоверности результатов не очень хорошо представлены. Кроме того, могут быть более широкие последствия для каждого учреждения, поскольку сотрудники учатся использовать доказательства в своей повседневной деятельности и раскрывают возможности и проблемы, которые ранее были скрыты.

Стоит сказать, что из трех основных типов обучающей аналитики: дескриптивная, предиктивная и прескриптивная, – наиболее полезной для внедрения в системы российских университетов на основе исследования оказывается предиктивная аналитика. Прогнозная аналитика обучения, основанная на богатых источниках данных  и современных инструментах бизнес-аналитики, несомненно, способна революционизировать образование. Несмотря на то, что эта область все еще находится на ранних этапах, она будет все больше предоставлять высшим учебным заведениям новые возможности, которые могут быть использованы администрацией, преподавателями, персоналом и студентами для решения одних из самых неотложных задач, связанных с успеваемостью студентов. Лидеры высшего образования должны будут получить знания и понимание стратегических и тактических вопросов, связанных с внедрением прогностической аналитики обучения. Такие проблемы охватывают все: от технических проблем, связанных с доступом и извлечением жизненно важных данных обучения из множества систем в кампусе и в облаке, до решения новой стратегической политики и этических вопросов, связанных с решениями, которые все чаще будут приниматься на основе аналитики.

Подводя итог, стоит сказать, что образовательные учреждения чаще используют данные аналитики обучения для мониторинга или измерения успеваемости учащихся, чем для прогнозирования успеха или назначения стратегий вмешательства. Последние действия являются индикаторами истинной аналитики обучения, тогда как первые являются общепринятыми лучшими практиками использования данных и информации традиционными способами информирования решений. Также основные проблемы, связанные с внедрением использования учебной аналитики в институциональные практики, включают проблемы качества данных, трудности системной интеграции, отсутствие поддержки со стороны ключевого руководства и возможную факультетскую культуру сопротивления.

Области, в которых больше всего возможностей для совершенствования, – это технологии и информационные системы, которые поддерживают инициативы успеха студентов, а также аналитическая зрелость, конкретно связанная с успехами студентов. Результаты обучения аналитике трудно оценить из-за задержки, необходимой для измерения результатов аналитических вмешательств. Хотя некоторые быстрые победы могут стать результатом внедрения систем и программ аналитики обучения, учебным заведениям потребуется время, чтобы оценить влияние инициатив по обучению аналитике по мере прохождения студентами курсов и программ.


[1] Gandomi, A. Haider, M.. Beyond the hype: Big data concepts, methods, and analytics.-UK.2015. Pages 137-144

[2] Arroway, P. Morgan, G. O’Keefe, M. Yanosky, R. Learning analytics in higher education.2016.

[3] Dyckhoff, A. Implications for learning analytics tools: a meta-analysis of applied research questions. 2011.Pages: 594-601.

[4] Papamitsiou, Z. Economides, A. Learning analytics and educational data mining in practice: a systematic literature review of empirical evidence.2014.Pages: 49-64.

[5] Wong, G. Li, K.W. Simon, Y.K. Academic Performance Prediction Using Chance Discovery from Online Discussion Forums.2016.Pages: 706-711.

[6] Sclater, N. Peasgood, A. Mullan, J. Learning analytics in higher education. A review of UK and international practice.-UK.2016.


Библиографический список
  1. Постановление Правительства РФ от 05.08.2013 N 662 “Об осуществлении мониторинга системы образования” (вместе с “Правилами осуществления мониторинга системы образования”)// СПС КонсультантПлюс (дата обращения: 20.12.2018).
  2. Приказ Минобрнауки России от 05.12.2014 N 1547 “Об утверждении показателей, характеризующих общие критерии оценки качества образовательной деятельности организаций, осуществляющих образовательную деятельность” (Зарегистрировано в Минюсте России 02.02.2015 N 35837) // СПС КонсультантПлюс (дата обращения: 20.12.2018).
  3. Указ Президента РФ от 7 мая 2012 г. N 599 “О мерах по реализации государственной политики в области образования и науки”// СПС КонсультантПлюс (дата обращения: 20.12.2018).
  4. Федеральный закон от 29.12.2012 N 273-ФЗ (ред. от 25.12.2018) “Об образовании в Российской Федерации”// СПС КонсультантПлюс (дата обращения: 20.12.2018).
  5. Федеральный закон 04.05.2011 №99-ФЗ “О лицензировании отдельных видов деятельности” // СПС КонсультантПлюс (дата обращения: 20.12.2018).
  6. Федеральный государственный образовательный стандарт высшего профессионального образования по направлению подготовки 035000 Издательское дело (квалификация «бакалавр»): утв. приказом Министерства образования РФ от 24 дек. 2009. № 825. – М.2009. // СПС КонсультантПлюс (дата обращения: 17.01.2019).
  7. Веряев А.А., Татарникова Г.В.  Educational data mining и learning analytics -  направления развития образовательной квалитологии // НАУКА, ОБРАЗОВАНИЕ, КУЛЬТУРА. 2014. С.150-160.
  8. Золин И.Е. Современный рынок труда: теоретические проблемы и их прикладное значение // Национальные интересы: приоритеты и безопасность. 2015. №25 (310). URL:https://cyberleninka.ru/article/n/sovremennyy-rynok-truda-teoreticheskie-problemy-i-ih-prikladnoe-znachenie (дата обращения: 16.02.2019).
  9. Козырин А.Н., Корф Д.В., Трошкина Т.Н. Управление образованием: организационно-правовые основы: Учебное пособие/ под ред. Т.Н. Трошкиной.-М..2015.234с.
  10. Кузьминская Татьяна Петровна, Бурова Наталия Николаевна Проблемы повышения качества образования в вузах России // JER. 2017. №2. URL: https://cyberleninka.ru/article/n/problemy-povysheniya-kachestva-obrazovaniya-v-vuzah-rossii (дата обращения: 16.02.2019).
  11. Патаракин Евгений Дмитриевич Совместная сетевая деятельность и поддерживающая ее учебная аналитика // Высшее образование в России. 2015. №5. URL:https://cyberleninka.ru/article/n/sovmestnaya-setevaya-deyatelnost-i-podderzhivayuschaya-ee-uchebnaya-analitika (дата обращения: 16.02.2019).
  12. Секацкий В.С., Завадская Н.Ю. Анализ эволюции стандартов высшего образования по направлению подготовки «Управление качеством».-К.2017.URL: http://izron.ru/articles/problemy-i-dostizheniya-v-nauke-i-tekhnike-sbornik-nauchnykh-trudov-po-itogam-mezhdunarodnoy-nauchno/organizatsiya-proizvodstva-i-menedzhment-sistemy-upravleniya-kachestvom-spetsialnost-05-02-22-05-02-/analiz-evolyutsii-standartov-vysshego-obrazovaniya-po-napravleniyu-podgotovki-upravlenie-kachestvom/.(дата обращения: 17.02.2019).
  13. Сорокина Татьяна Сергеевна Болонский процесс и федеральный государственный образовательный стандарт высшего образования // Проблемы социальной гигиены, здравоохранения и истории медицины. 2015. №5. URL: https://cyberleninka.ru/article/n/bolonskiy-protsess-i-federalnyy-gosudarstvennyy-obrazovatelnyy-standart-vysshego-obrazovaniya (дата обращения: 16.02.2019).
  14. Струминская Л.М. Внутривузовский мониторинг качесвта образования// Профессиональное образование в современном мире.№4.2015.С.65-75.URL:https://doi.org/10.15372/PEMW20150408 (дата обращения: 19.02.2019).
  15. Arroway, P. Morgan, G. O’Keefe, M. Yanosky, R. Learning analytics in higher education.2016.EDUCAUSE.URL:https://library.educause.edu/~/media/files/library/2016/2/ers1504la. pdf (дата обращения 20.02.2019).
  16. Chatti, M.A. Dyckhoff, A.L. Schroeder, U. Thüs, H. A Reference Model for Learning Analytics // International Journal of Technology Enhanced Learning (IJTEL) – Special Issue on “State-of-the-Art in TEL”.2012.pp.1-22.
  17. Denley, P. ‘Medieval’, ‘Renaissance’, ‘modern’. Issues of periodization in Italian university history // Renaissance Studies vol. 27, (4).2013.pp. 487-503.
  18. Filvà , D.A. Forment, M.A. García-Peñalvo, F. J. Escudero, D.F. Casañ, M.J. Clickstream for learning analytics to assess students’ behavior with Scratch // Future Generation Computer Systems. No. 93 (2019). Pages: 673–686.
  19. Gandomi, A. Haider, M.. Beyond the hype: Big data concepts, methods, and analytics// International Journal of Information Management.№35(2).pp.137-144.
  20. Hernández-Garcíaa, Á. Acquila-Natalea, E. Chaparro-Peláeza, J. Miguel, Conde Á. Predicting teamwork group assessment using log data-based learning analytics // Computers in Human Behavior. 2018. Pages: 373–384.
  21. Lovett, M. Meyer, O. Thille, C. The Open Learning Initiative: Measuring the Effectiveness of the OLI Statistics Course in Accelerating Student Learning. 2008.URL: https://oli.cmu.edu/wp-content/uploads/2012/05/Lovett_2008_Statistics_Accelerated_Learning_Study.pdf(дата обращения: 20.02.2019)
  22. O’Farrell L. PRE-SPECIFIED NATIONALLY CO-ORDINATED PROJECT: Using learning analytics to support the enhancement of teaching and learning in higher education.2017.
  23. Papamitsiou, Z. Economides, A. Learning analytics and educational data mining in practice: a systematic literature review of empirical evidence.2014.pp.49-64.
  24. Sclater, N. Peasgood, A. Mullan, J. Learning analytics in higher education. A review of UK and international practice// Publiziert unter der Lizenz CC BY. April 2016.pp.1-10.
  25. Viberg, O.  Hatakka, M. Bälter, O. & Mavroudi, A The current landscape of learning analytics in higher education// Computers in Human Behavior journal. No. 89 (July 2018). pp.98–110.
  26. Wong, B. T. M. Learning analytics in higher education: an analysis of case studies // Asian Association of Open Universities Journal. Vol. 12 No. 1, 2017. Pages: 21-40.
  27. Wong, G. Li, K.W. Simon, Y.K. Academic Performance Prediction Using Chance Discovery from Online Discussion Forums// Proceedings – International Computer Software and Applications Conference.2016.pp.706-711.
  28. Рейтинг университетов.URL: http://vuzopedia.ru/rate/  (обращение: 17.02.2019).


Количество просмотров публикации: Please wait

Все статьи автора «Волкова Вероника Романовна»


© Если вы обнаружили нарушение авторских или смежных прав, пожалуйста, незамедлительно сообщите нам об этом по электронной почте или через форму обратной связи.

Связь с автором (комментарии/рецензии к статье)

Оставить комментарий

Вы должны авторизоваться, чтобы оставить комментарий.

Если Вы еще не зарегистрированы на сайте, то Вам необходимо зарегистрироваться:
  • Регистрация