ЦИФРОВОЙ СЛЕД В ОБРАЗОВАНИИ: ОТ НАУКИ К ОБЩЕСТВУ
DOI: 10.23951/2307-6127-2022-5-9-19
Обсуждается применение предсказательных систем в образовании на основе использования технологий больших данных посредством управления цифровым следом учащихся. Основное внимание уделено принимаемым управленческим решениям. Описаны текущие тенденции формирования цифрового следа учащихся, сформулированы риски и вызовы внедрения цифровых технологий в образовательную сферу. Описаны два подхода к оптимизации собираемых данных: геймификация образования с созданием среды сбора данных и использование специализированных подходов в обработке данных. В отношении второго подхода выявлена важная роль априорных алгоритмов и экспертных оценок, применяемых в процессе обработки цифрового следа. Проводится параллель с использованием больших данных в науке, показана важность неоднократного обращения к данным и применение апробированных методов извлечения информации из неструктурированных озер данных. Показано, что в образовательной сфере процессы цифровизации выражаются в усилении роли внешних интересантов, не связанных с государством. Эти тенденции вступают в противоречие с государственными интересами, что приводит к активному вмешательству государственных институтов в образовательный процесс. По мнению авторов, появляется перспектива принудительного формирования цифрового следа. С целью решения возникающих сложностей, связанных с конфликтом социального и технического, предлагается сделать упор на развитии цифровой культуры и повсеместном внедрении этики обращения с большими данными.
Ключевые слова: цифровой след, большие данные, образование, цифровизация, модели
Библиография:
1. Седова А. П., Крюкова А. А. Применение технологии Big data в сфере образования // Science Time. 2015. № 11 (23). С. 505–509.
2. Fischer C., Pardos Z., Baker R. S., Williams J. J., Smyth P., Yu R., Slater S., Baker R., Warschauer M. Mining big data in education: Affordances and challenges // Review of Research in Education. 2020. № 44 (1). Р. 130–160.
3. Ben Kei Daniel. Big Data and Learning Analytics in Higher Education: Current Theory and Practice. Springer, 2016. 272 p.
4. Ferriter W.M. Digitally Speaking. Positive Digital Footprints // Educational Leadership. 2011. № 68 (7). Р. 92–93.
5. The digital footprint: new challenges for the education system in the Data era. URL: https://habr.com/ru/post/513616 (дата обращения: 21.05.2022).
6. Mobasher G., Shawish A., Ibrahim O. Educational data mining rule based recommender systems // CSEDU (1). 2017. Р. 292–299.
7. 20.35 University. URL: https://2035.university (дата обращения: 21.05.2022).
8. Бакуменко О. Электронная интернационализация и научные бренды университетов. URL: https://russiancouncil.ru/analytics-and-comments/analytics/nuzhna-li-rossiyskim-universitetam-elektronnayainternatsionalizatsiya-nauchnoy-deyatelnosti (дата обращения: 21.05.2022).
9. Акимова О. Б., Щербин М. Д. Цифровая трансформация образования: своевременность учебно-познавательной самостоятельности обучающихся // Инновационные проекты и программы в образовании. 2018. № 1. С. 27–34.
10. Крамаренко Н. С., Квашин А. Ю. Психологические и организационные аспекты введения цифрового образования, или Как внедрение инноваций не превратить в «цифровой колхоз» // Вестник МГОУ. 2017. № 4. С. 1–16.
11. Аверьянов А. О., Гуртов В. А., Семенов Д. Н., Круглов В. И. Развитие экспорта российского образования: ориентация на потребность национальных рынков труда // Высшее образование в России. 2021. Т. 30, № 4. С. 9–21.
12. Приоритетный проект «Развитие экспортного потенциала российской системы образования». URL: http://government.ru/projects/selection/653 (дата обращения: 21.05.2022).
13. Buniyamin N., bin Mat U. B., Arshad P. M. Educational data mining for prediction and classification of engineering students achievement // 2015 IEEE 7th International Conference on Engineering Education (ICEED). IEEE, 2015. Р. 49–53.
14. Аналитика больших данных и Machine Learning в образовании: 5 кейсов из вузов. URL: https://www.bigdataschool.ru/blog/big-data-analytics-education-cases.html (дата обращения: 21.05.2022)
15. Виртуальная образовательная среда МГЮА. URL: https://sdo.msal.ru/admin/tool/dataprivacy/summary.php?lang=ru (дата обращения: 21.05.2022).
16. Богачева Н. В., Сивак Е. В. Мифы о поколении Z // Современная аналитика образования. Вып. 22, № 1. М.: Издательский дом НИУ ВШЭ, 2019. 64 с.
17. Саймон Х. Нейронные сети: полный курс: пер. с англ. М.: Вильямс, 2008. 1103 с.
18. Balyakin A. A., Nurakhov N. N., Nurbina M. V. Digital Twins vs Digital Trace in Megascience Projects // Information Technology and Systems. 2021. AISC 1330. Р. 534–539.
19. Балякин А. А., Малышев А. С. Управление большими данными в исследовательских инфраструктурах // Открытые системы. 2020. № 3. С. 33–35. URL: https://www.osp.ru/os/2020/03/13055606 (дата обращения: 21.05.2022).
20. Balyakin A. A., Nurbina M. V., Taranenko S. B. Ethics in Big Data: Myth or Reality // Information Technology and Systems. 2021. AISC 1330. Р. 14–22.
21. Birhane A. Algorithmic injustice: a relational ethics approach // Perspective. 2021. Patterns 2. Vol. 2 (2). 100205. February 12.
22. Школа цифрового века. URL: https://www.hse.ru/twelve/part2 (дата обращения: 21.05.2022).
23. Жулего В. Г., Балякин А. А., Нурбина М. В., Тараненко С. Б. Цифровизация общества: новые вызовы в социальной сфере // Вестник Алтайской академии экономики и права. 2019. № 9-2. С. 36–43.
24. Грекова А. А. Особенности мышления представителей «цифрового поколения» // Вестник ЮУрГУ. 2019. Т. 12, № 1. Серия: Психология. С. 28–38.
25. Частно-государственное партнерство. Учителей и чиновников переведут на российские мессенджеры // Коммерсант. 10 августа 2021. URL: https://www.kommersant.ru/doc/4936094 (дата обращения: 21.05.2022).
26. Big brother brands report: which companies might access our personal data the most? URL: https://clario.co/blog/which-company-uses-most-data/ (дата обращения: 21.05.2022).
27. Цифровой след: новые задачи системы образования в эпоху данных. URL: https://habr.com/ru/post/513616/ (дата обращения: 21.05.2022).
28. Геймификация в образовании: виды, компоненты, примеры. URL: https://vuz24.ru/news/fakty-i-sobytiya/gejmifikaciya-v-obrazovanii-vidy-komponenty-primery (дата обращения: 21.05.2022).
29. Virtual Reality A Big Part Of Dallas ISD’s New ‘Hybrid’ School. URL: https://dfw.cbslocal.com/2021/08/23/virtual-reality-big-part-dallas-isd-new-hybrid-school (дата обращения: 21.05.2022).
30. Nurbina M. V., Nurakhov N. N., Balyakin A. A., Tsvetus N. Yu. Mega Science Projects for Business // IHIET 2020. AISC 2021. Р. 488–492.
31. Harari Y. N. 21 Lessons for the 21st Century. Vintage Digital, 2018. Р. 416.
32. Крамаренко Н. С. Самоосуществление человека в условиях реального и виртуального мира: субъектный подход: дис. … канд. пед. наук. М., 2014.
33. Vinuesa R., Azizpour H., Leite I. et al. The role of artificial intelligence in achieving the Sustainable Development Goals // Nature Communications. 2020. № 11. Р. 233.
34. Сапрыкина А. Цифровизация сверху вниз. URL: https://www.comnews.ru/content/208353/2020-07-30/2020-w31/cifrovizaciya-sverkhu-vniz (дата обращения: 21.05.2022).
35. Кай-Фу Ли. Сверхдержавы искусственного интеллекта. Китай, Кремниевая долина и новый мировой порядок. М.: Манн, Иванов и Фербер, 2019. 240 с.
36. Balyakin A. A., Mamonov M. V., Nurbina M. V., Taranenko S. B. Digital Footprint and Education: Some Remarks // Perspectives and Trends in Education and Technology. Smart Innovation, Systems and Technologies. Springer, Singapore. Vol. 256. Р. 485–493. https://doi.org/10.1007/978-981-16-5063-5_4
( 407.49 kB ) 
( 398.61 kB )
Выпуск: 5, 2022
Серия выпуска: Выпуск № 5
Рубрика: ПРОБЛЕМЫ СОВРЕМЕННОГО ОБРАЗОВАНИЯ
Страницы: 9 — 19
Скачиваний: 476