/
Результат поиска


Козин С. В., Каган Э. М., Вачкова С. Н. Большие данные для педагогических исследований: возможности, проблемы, ограничения // Вестник ПСТГУ. Серия IV: Педагогика. Психология. 2021. Вып. 63. С. 28-39. DOI: 10.15382/sturIV202163.28-39
Современные образовательные информационные системы собирают и хранят огромное количество данных о треках обучения школьников и студентов в течении учебного года, а также действия педагогического состава. Эти данные позволяют делать анализ цифровых следов пользователей, изучать различные траектории обучения, исследовать учебные материалы и их влияние на образовательную среду, выявлять информационные пробелы в образовании, сопоставлять результаты контроля знаний с условиями для их получения и т. д. Тем не менее сбор и анализ таких данных связаны с большим количеством сложностей: неконсистентные данные, поиск данных в исходных базах, объем трансферных данных, шлюзы данных для внешних потребителей, производительность инфраструктуры, визуализация и интерпретация данных. В статье рассмотрены несколько кейсов применения анализа больших данных в целях педагогических исследований: анализ наполненности дерева дидактических единиц тематического каркаса библиотеки Московской электронной школы (МЭШ) образовательными материалами, аналитика динамики состава домашних заданий по типам, выявление учителей и учеников, наиболее активных пользователей МЭШ и анализ взаимосвязей этой активности с другими параметрами. Кроме того, описываются проблемы, с которыми столкнулись авторы на этапе трансфера и анализа данных и способы их решения. Основными результатами являются: обобщение опыта работы с большими данными МЭШ, определение возможностей, проблем и ограничений больших данных для реализации педагогических исследований. Возможности — анализ цифровых следов пользователей, изучение траекторий обучения, исследование учебных материалов и их влияния на образовательную среду, выявление информационных пробелов в образовании, сопоставление результаты контроля знаний с условиями для их получения и т.д. Проблемы — поиск данных в исходных недокументированных базах, неконсистентность данных, визуализация данных, большой объем данных, интерпретация данных. Ограничения — шлюзы данных, инфраструктурная производительность, персональные данные.
большие данные, анализ данных, Московская электронная школа, МЭШ, цифровой след, визуализация данных, педагогические исследования, образовательные данные, домашние задания, цифровая активность
  1. Баранников К. А., Лесин С. М. Методология анализа больших данных в образовании. Системно-методологический подход, основанный на анализе образовательных данных, поиска стратегии принятия управленческих и организационно-педагогических исследований // Народное образование. 2020. № 2. С. 81–89.
  2. Вачкова С. Н., Обыденкова В. К., Заславский А. А., Кац С. В. О причинах востребованности сценариев уроков «Московской электронной школы». 2020 // Вестник Московского городского педагогического университета. Сер.: Педагогика и психология. 2020. № 1 (51). С. 8–24.
  3. Патаракин Е. Д., Вачкова С. Н. Сетевой анализ коллективных действий над цифровыми образовательными объектами // Вестник Московского городского педагогического университета. Сер.: Педагогика и психология. 2019. № 4 (50). С. 101–112.
  4. Петряева Е. Ю., Вачкова С. Н. Цифровой профиль автора сценариев уроков МЭШ // Большие данные в образовании: сб. статей по итогам международной конференции. 2020. С. 79–94.
  5. Levin I. Cyber-physical Systems as a Cultural Phenomenon // International Journal of Design Sciences and Technology. 2016. № 22 (1). URL: https://www.tau.ac.il/~ilia1/levin_i_cyberphysical_syst.pdf (дата обращения: 16.06.2021).
  6. Schleicher А. Building a learning culture for the digital world: lessons from Moscow 23 September 2019. URL: https://oecdedutoday.com/learning-digital-world-technology-educationmoscow/ (дата обращения: 01.07.2021).
  7. Vachkova S. N., Patarakin E. D., Petryaeva E. Yu. Content Quality of Lesson Scenarios in Moscow E-School 19 August 2020 // SHS Web of Conferences Theory and Practice of Project Management in Education: Horizons and Risks. 2020. Vol. 79. URL: https://doi.org/10.1051/shsconf/20207901017 (дата обращения: 20.06.2021).
  8. Vachkova S. N., Petryaeva E. Y., Kupriyanov R. B., Suleymanov R. S. School in Digital Age: How Big Data Help to Transform the Curriculum. Information. 2021, 12 (1), 33. URL: https://www.mdpi.com/2078-2489/12/1/33 (дата обращения: 17.06.2021).
  9. Вarannikov K. A., Lesin S. M., Vachkova S. N., Suleimanov R. S., Kupriyanov R. B. Application of educational data analysis methods in the evaluation of lesson scenarios in the moscow electronic school // Revista inclusiones. 2020. Т. 7. № S3-3. С. 1–8. URL: https://www.elibrary.ru/item.asp?id=43143873/ (дата обращения: 21.06.2021).
Козин Святослав Владимирович
Место работы: ГАОУ ВО МГПУ; Российская Федерация, 119261, г. Москва, ул. Панферова, д. 14;
Должность: специалист Центра аналитических исследований и моделирования в образовании НИИ урбанистики и глобального образования;
ORCID: 0000-0002-7936-5795;
Электронный адрес: kozyyy@yandex.ru.
Каган Эдуард Михайлович
Место работы: ГАОУ ВО МГПУ; Российская Федерация, 119261, г. Москва, ул. Панферова, д. 14;
Должность: научный сотрудник центра аналитических исследований и моделирования в образовании;
ORCID: 0000-0002-4317-2123;
Электронный адрес: kaganem@mgpu.ru.
Вачкова Светлана Николаевна
Ученая степень: доктор педагогических наук;
Ученое звание: доцент;
Место работы: ГАОУ ВО МГПУ; Российская Федерация, 119261, г. Москва, ул. Панферова, д. 14;
Должность: директор НИИ урбанистики и глобального образования;
ORCID: 0000-0002-3136-3336;
Электронный адрес: svachkova@gmail.com.