CC BY
67
Анализ связей между сотрудниками школы на основе их взаимодействия в домене Google Apps для образования
Патаракин Евгений Дмитриевич, доцент, к. пед.н, директор по сообществам WikiVote!, patarakin@gmail.com
Ярмахов Борис Борисович, доцент, к.ф.н., директор
ООО Айтичер, yarmakhov@gmail.com
Аннотация
Управление образованием на основе анализа данных становится одним из основных образовательных трендов. Учебная аналитика на основе больших данных позволяет выявить связи в школьном коллективе и отследить формирование сообществ практики. Извлечение данных из школьного домена позволяет получить необходимый материал для такого исследования. Проведенное исследование позволило выявить в структурах школьных коллективов группы наиболее тесно связанных между собой сотрудников, а также обнаружить документы, являющиеся граничными объектами. Data driven education governance is one of the main contemporary educational trends. Learning analytics and diagrams methodology help to analyze and discuss situations that develop during a network collaboration and build school communities of practice. The data, required for such a research can be extracted from a school domain. Our research has shown clusters of most connected teachers and staff and located collaborative documents that play the role of boundary objects.
Ключевые слова
совместная деятельность, обучение, сетевой анализ, учебная аналитика, сообщество практики, Google Apps
сollaboration, learning, social network analysis, learning analytics, community of practice, Google Apps
Введение
Современная практика принятия решений в области управления образованием предполагает использование измеримых критериев и индикаторов. В настоящее время мы наблюдаем за тем, как широкое применение практик принятия решений на основе данных происходит как в национальных образовательных системах, так и в крупных международных проектах под эгидой ЮНЕСКО, Мирового Банка, OECD и т.д. Управленцев, принимающих решения, касающиеся как отдельных школ, так и крупных образовательных систем, все больше волнуют вопросы, связанные со сбором, анализом данных, построением на их основе моделей, позволяющих прогнозировать поведение целых организаций и отдельных их участников в изменяющихся условиях [1]. Анализ данных позволяет не только
выстраивать рейтинги образовательных учреждений и сравнивать их между собой по различным параметрам, но и диагностировать реальную структуру образовательной организации.
Выявление структуры школьной организации
Понимание организации, как правило, начинается с описания структуры, т.е. того, как разделен в организации труд, распределена власть и влияние. Это описание структуры формализуется в виде схемы, которая описывает желаемое состояние, но ничего не говорит о действительном статусе какого-либо человека, его взаимодействии с коллегами. Как отмечает К.М. Ушаков, формальные стрелки не показывают реального взаимодействия, они показывают, кто на кого должен оказывать влияние или с кем должен взаимодействовать [2]. Диагностика реальной структуры образовательной организации осуществляется через закрытое анкетирование и выявление отношений, которые существуют между членами организации. В дальнейшем эти отношения визуализируются в форме социограмм [3]. Необходимо отметить интерес, который проявляет руководство школ к диагностике реальной структуры. В 2015 году в таких исследованиях приняло участие более 500 школ. Социограмма образовательной организации ближе к действительности, чем организационная схема, однако, она основывается на мнениях участников, а не на тех действиях, которые они совершают в рамках совместной деятельности в сообществе практики. Кроме того, процесс анкетирования и обработки - достаточно длительный и социограмма представляет структуру, которая существовала несколько месяцев назад.
Привлечение к анализу данных инструментов, позволяющих осуществлять оперативное выявление связей между членами школьной организации, на основании той деятельности, которую они осуществляют в информационной среде школы, дает возможность повысить качества управления образованием. Направление исследований, основанное на компьютерном сборе, анализе и представлении данных об учениках и их действиях с целью понимания и оптимизации учебного процесса и той среды, где этот процесс происходит, определяется в настоящее время термином «учебная аналитика». В настоящее время учебная аналитика объединяет множество исследований, основанных на использовании цифровых записей о деятельности учеников в целях образования. Возникновение учебной аналитики связано с ростом числа данных о деятельности субъектов образования, которые могут быть собраны компьютерами, для дальнейшего использования в учебном процессе.
Отдельный интерес представляет использование учебной аналитики для поддержки совместной сетевой деятельности [4]. Поддержка и управление совместной деятельностью может выстраиваться на основе анализа социальной структуры. Управление состоит в целенаправленном воздействии на социальную сеть для перевода информационных процессов в желаемое состояние. Управление может осуществляться как в форме рекомендаций участникам, так и через визуализацию и объяснение ситуации, которая сложилась в ходе совместной деятельности. Содержание рекомендаций формируется на основании анализа положения, которое участники занимают в социальной структуре. Общие подходы к изучению сетей и использованию сетевого анализа представлены в ставших уже классическими работах Д. Уоттса [5: 6] и Л. Барабаши [7; 8]. Среди российских исследователей необходимо отметить работы И.А. Евина [9], А.В. Назарчука [10], А.В. Олескина [11]. Сетевой анализ, используемый в социальных науках, является модификацией исследовательского инструментария, который применяется в самых разных областях: в биологии, экономике, логистике, физике и т.д. Эта модификация носит официальное название «Social Network Analysis» («анализ социальных сетей»),
однако во многих работах социальных аналитиков его обозначают просто как «сетевой анализ» [12]. Возможность управления на основе сетевого анализа обсуждается в работах российских и зарубежных ученых. При этом все чаще обсуждение носит не только академический, но уже и прикладной характер. Среди работ в этом направлении следует отметить работу С. Прайка об использовании сетевого анализа в строительстве [13] и ряд работ об изучении социальных структур, складывающихся в ходе учебной деятельности [14-17].
Внедрение простых приложений для сетевого анализа в среду совместной сетевой деятельности помогают организаторам и участникам сетевой деятельности глубже понимать структуру связей между субъектами образования. Мы рассматриваем сетевой анализ и визуализацию организационных структуры в форме социограммы, как инструмент для совместной рефлексии, средства, при помощи которого можно обдумывать и обсуждать организационную структуру школы.
Информационная среда
Google Apps для учебных заведений - это пакет приложений для планирования и управления совместной деятельностью, совместной работы и общения, публикации материалов, размещения в сети видеоматериалов и многих других инструментов, необходимых в работе современного учреждения образования. Google Apps является эффективным сервисом для построения информационно -образовательной инфраструктуры школы. С помощью этого сервиса любое образовательное учреждение может создать и сконфигурировать собственный домен, в который входят аккаунты пользователей, сервисы, к которым у этих пользователей есть доступ и система управления ими.
Основное предназначение Google Apps — это создание и управление аккаунтами пользователей внутри информационной инфраструктуры школы, то есть создание такой ситуации, когда все или большинство участников учебного процесса официально «представлены» в сети школы - у них есть свои адреса электронной почты, они могут получать извещения о предстоящих событиях, редактировать под своим именем учебные тексты, публиковать записи, получать доступ к электронным ресурсам сети и многое другое. Система аккаунтов индивидуальных пользователей образует школьный домен Google Apps. Google Apps - это новая технология взаимодействия и организации образовательного процесса. Входящие в этот пакет сервисы предоставляют уникальную возможность организации совместной продуктивной деятельности субъектов образовательного процесса и составляют инструментальную основу инновационных педагогических технологий деятельностного типа [18]. Информационные и дидактические возможности Google Apps активно обсуждаются в сетевом сообществе «Учимся с Google», насчитывающем в начале 2016 года более 7200 участников. Опыт совместной работы в Google Apps обобщен в книге «Google Apps для образования» [19].
Google Apps, как современная среда коллективной работы с электронными документами организации, позволяет отслеживать и записывать все действия пользователей. Эти записи могут служить первичным источником данных для изучения структуры школьной организации. На основании этих данных может быть воссоздана структура сетевых отношений между людьми. Если субъекты деятельности совершают действия над одним и тем же объектом, то они становятся субъектами совместной деятельности, опосредованно связанными между собой общим объектом деятельности.
В качестве источника данных, которые использовались для анализа в данном исследовании, мы взяли записи о действиях с документами в трех доменах Google
Apps для образования. Совместная деятельность на базе этих доменов ведется в трех школах, две из которых находятся в Москве, а одна в Таллинне.
Для автоматического извлечения записей была написана отдельная программа на языке сценариев Google Script, использующая возможности Google Reports API. Необходимо отметить, что таким образом можно извлекать из домена данные за последние шесть месяцев. Если перед исследователем встает задача получения картины за более длительный период (например, за год), то следует использовать какой-либо специализированный инструмент, например, General Audit Tool Core, доступный в качестве приложения для домена Google Apps. В нашем случае после извлечения данных из домена мы получили их в виде таблицы приблизительно в 90 000 записей. Каждая запись при этом представляет собой информацию о действии, совершенном пользователем (участником, зарегистрированном в домене), по отношению к объекту, хранящемуся в домене, имеющему конкретный идентификационный номер и конкретного автора. Были извлечены данные за первое полугодие 2015 года. При анализе использовались 2 типа действий субъекта: создание и редактирование. Скриншот таблицы исходных данных представлен на рисунке 1.
А Б С □ Е F G
1 Date User -TlActioifr Doc Name Doc Туре Doc ID iT Owner ' S
4Э66 15.06.2015 т.ч. lys кот view Таблица для задан и: spreadsheet 1mzjAY1Y-PbAI1HZ7b g.m.ryshk t
4957 15.06.2015 т.v. lysкот view Искатели жемчуга 2 presentation 1eSWK49jcX8xSI0r5-,i g.m.ryshk t
4959 15.06.2015 n.e.shirok view анализ текста к теме document 1W2EuVF9MRCmxgn1 e. .karase>t
4970 15.06.2015 e.g.davydiview Образовать причасл document 1RJNfrDRzc0pQ2OBoi e. .ka rase>t
4971 15.06.2015 n.e.shirok view Причастный оборот document 1MHBn4SbpK1uhPbx4 e. .karase't
4972 15.06.2015 n.e.shirok view 7А Ох уж эти ПРИЧ/ presentation 17z3Rst6biqaNUguu \e. .karaseit
4973 4974 15.06.2015 15.06.2015 a.m.koste view a.m.koste view Word focus: ways of Открытый урок по ан drawing document 1d8G_LE0aqHmo9q4X a.a.lazorkit 18LndlahNjGDIo6l6EQ< a.a.lazorkit
4975 15.06.2015 e.g.davydtview сценарий document 1 le i PZ0 3 ncxmjc 3 m2SE g. u. u sty uz t
4976 15.06.2015 l.v.isakovaview Алгоритмы в русски: document 1 -MZU u KYE h2nXH o4J ; o.f.z avg ort t
4978 15.06.2015 a.v.glushe view Открытый урок по ан document 18LndlahNjGDIo6l6EQn a.a.lazorkit
4979 15.06.2015 a.v.glushe view Word focus: ways of drawing 1d8G_LE0aqHmo9q4X a.a.lazorkit
4980 15.06.2015 a.v.glushe view Чёрная жемчужина presentation 14jeJILuoiPYio4xCyQv. g.m.ryshk t
4981 15.06.2015 a.v.glushe view Белая жемчужина presentation 1dnEw9HXDJo9Z0qnlb; g.m.ryshk t
4982 15.06.2015 a.v.glushe view Розовая жемчужина presentation 1Y8ig5fXCbYN8WpiME g.m.ryshk t
4.9R1 15 П FL Я№ я v л!| ishis MPW Жёптяп y/phflLn^Mua nreçpntatinn 1M1r7lflfiMrmhhfYuninr n m nishkt
Рис. 1. Таблица исходных данных
Сеть совместной деятельности можно представить как двумодальный граф, состоящий из участников и документов, которые они создают и редактируют. Множество вершин этого графа можно разбить на два подмножества таким образом, что каждое ребро графа соединяет какую-то вершину из одной части с какой-то вершиной другой части, то есть не существует ребра, соединяющего две вершины из одной и той же части. Все субъекты деятельности связаны только с объектами, и не существует прямых связей между субъектами деятельности или прямых связей между объектами.
Для визуализации двумодального графа могут быть использованы такие хорошо знакомые учителям средства создания диаграмм связей как GraphViz и VUE. В данной работе мы использовали пакет iGraph в среде R. iGraph - библиотека вычислительных функций, реализованных на языке С, имеющая программные оболочки для Python, Ruby и R. iGraph позволяет получить двумодальные графы, узлами которых являются участники и их предложения, преобразовать эти графы в одномодальные графы, узлами которых являются только участники или только их предложения, получать локальные и групповые показатели графа.
Сетевой анализ двумодальных сетей получил широкое распространение, поскольку позволяет учитывать на основании каких объектов происходит формирование связей. На рисунке 2 представлен двумодальный граф, включающий
все документы, которые были созданы сотрудниками школы. Для изучения отношений между участниками этот граф, скорее всего, избыточен, поскольку далеко не все документы использовались в качестве связующих объектов. В то же время этот граф может быть полезен для привлечения внимания к участникам, создающим документы, которые остаются незамеченными и невостребованными другими участниками.
ч.
Рис. 2. Граф, включающий все созданные объекты
В дальнейшем мы проводили предварительную фильтрацию данных средствами электронных таблиц и оставляли только объекты, которые редактировались не только их создателями. В результате были получены более простые для анализа графы. Пример такого графа представлен на рисунке 3.
Рис. 3. Граф, включающий только связующие объекты
Двумодальный граф может быть использован для обсуждения с участниками документов, которые вызывают наибольший интерес и являются связующими объектами сообщества. На рисунке 4 представлен граф, в котором подписаны узлы документов, связанные с наибольшим количеством участников. Вполне ожидаемо, что такими документами чаще всего оказываются электронные таблицы. Неожиданно, что в перечень самых редактируемых документов попадает презентация «Мифы древней Греции».
■ ■ .
СЬМЕНЙЫХ РАБОТ тникам
Рис.4. Граф, на котором выделены наиболее связующие объекты
Из двумодального графа путем его преобразований можно получить одномодальные графы, в которых будут отдельно представлены связи субъектов и отдельно связи объектов. В пакете ЮгарИ преобразование выполняется при помощи функции ЫрагЙе.рго]ес1юп(). На рисунке 5 представлен одномодальный граф, в котором показаны все участники, создававшие или редактировавшие документы. На периферии расположены участники, не принимавшие участия в совместной деятельности.
. ... ш
.... V.:-'. •
л*' '
Рис.5. Одномодальный граф участников деятельности
Задавая iGraph вопросы по характеристикам одномодального графа g можно получить информацию об организационной структуре:
• Насколько велика связанность участников? Плотность - graph.density(g)
• Сколько в организации не связанных между собой компонент -с1^еге^)$по
• Как долго может передаваться информация от одного участника к другому? Каково максимальное расстояние между участниками в связанном графе? Диаметр - diameter(g)
• Насколько развито взаимодействие между участниками организации? Как велика кластеризация - type="g1oba1")
• Насколько равномерно распределены власть и контроль? Централизация по посредничеству - centra1ization.betweenness
Результаты и обсуждение
Предметом сетевого анализа является структура связей между людьми и объектами, входящими в разнообразные и разномасштабные общности. Социальный капитал индивида/группы индивидов это - возможность для эффективного распространения информации в данном сетевом сообществе, определяемая структурой коммуникационных связей и сходством ценностей индивида с ценностями сообщества.
Сетевой анализ позволяет получить разнообразные локальные характеристики отдельных узлов и групповые характеристики всего графа. В данной работе мы ограничимся рассмотрением двух глобальных характеристик одномодального графа участников - групповой показатель кластеризации и групповой показатель централизации.
Коэффициент кластеризации данного узла есть вероятность того, что два ближайших соседа этого узла сами есть ближайшие соседи. Глобальный коэффициент кластеризации или кластеризация всей сети есть доля тех триад, у которых есть три ребра, образующих треугольник. Высокая кластеризация сети свидетельствует о том, что узлы объединены в группы. Для социальной сети высокая
кластеризация свидетельствует о том, что между участниками осуществляется взаимодействие [20].
Мера заметности актора в сети называют центральностью [21]. Центральность по посредничеству показывает, насколько взаимодействие двух несмежных индивидов может находиться под контролем возможного посредника. Метод оценки центральности по посредничеству для данного актора, предложенный Л. Фриманом, заключается в нахождении суммы вероятностей того, что другие акторы в своих взаимодействиях будут прибегать к посредничеству данного актора [22]. Центральность по посредничеству является мерой для определения способности индивида контролировать взаимодействие людей в своем социальном окружении. Групповые показатели центральности носят название индексов централизации. Мера централизации (иерархизации) всей сети определяется как различие в параметре центральности у разных узлов. В иерархической системе большая часть связей сконцентрирована вокруг одного или немногих узлов, а в децентрализованной сети разница между числом связей у разных элементов сети мала. Групповой индекс центральности по посредничеству равен 0 в том случае, когда все индивидуальные показатели равны, и 1, если в графе доминирует одна вершина. Групповой показатель центральности по посредничеству или централизация по посредничеству служит индикатором неравномерности распределения власти и контроля. Если показатель централизации высокий, то наибольшее число связей и контроль над распространением информации сосредоточен у одного из участников. Если показатель централизации низкий, то власть и контроль распределены равномерно.
Выбор в качестве основных показателей кластеризации и центральности определяется тем, что их значение может быть непосредственно связано с показателями «взаимодействие» и «контроль», характеризующими организационную культуру школы в модели К. Камерона и Р. Куинна [23]. Эти исследователи предположили, что организационная культура представляет собой совокупность ценностей, норм и представлений, определяющих поведение и образ деятельности сотрудника в организации. Умение правильно диагностировать и прогнозировать развитие организационной культуры руководителем является, таким образом, важнейшим стратегическим ресурсом руководителя. На основании проведенной диагностики организационной культуры можно сделать обоснованные выводы относительно наиболее вероятных сценариев развития организации, возможных трудностей, с которыми она может столкнуться в изменяющихся условиях, ресурсов, на которые она может опираться. Своевременное выявление организационной культуры позволяет правильно выстроить кадровую политику и организовать корпоративное обучение.
К. Камерон и Р. Куинн предложили типологию организационных культур, основанную на оппозиции двух пар признаков:
• «Гибкость, спонтанность, динамизм» - «Стабильность, порядок, контроль»
• «Интеграция, единство» - «Дифференциация, соперничество» Предложенная типология может быть применена к организациям различного
типа. Так, В.А. Ясвин адаптировал эту типологию к образовательной среде школы [24]. Пересечение двух осей «Гибкость, спонтанность, динамизм» - «Стабильность, порядок, контроль» и «Интеграция, единство» - «Дифференциация, соперничество» образует четыре основные организационные культуры:
• Иерархическая (или бюрократическая) культура, характеризующаяся высокой степенью нормализованности и регламентации. Основными ценностями и ориентирами такой организации является дисциплина и спланированность всего происходящего. Успех ее, прежде всего, зависит от стабильного положения вещей. Лидер в такой культуре стремится подчеркнуть свою способность организовать деятельность своей школы.
• Рыночная культура отличается нацеленностью на результат, что в образовательной действительности выражается в целенаправленном продвижении к поставленным задачам. Педагоги в такой культуре готовы соперничать и конкурировать друг с другом. Рейтинг школы среди других образовательных организаций является ориентиром, которому подчинена вся ее деятельность. Руководитель при принятии управленческих решений ориентируется, прежде всего, на достигаемый результат.
• Клановая культура характеризуется доброжелательной атмосферой в коллективе. Сотрудников объединяют традиции и общая история организации. В школе поощряется взаимодействие и сотрудничество. Сотрудники ориентированы на личностное совершенствование и соответствие имени и статусу своей школы. Руководители играют по отношению к своим подчиненным роль наставников и старших товарищей.
• Адхократическая культура отличается ориентацией на инновации и креативность. Основное внимание в адхократической культуре уделяется передовым педагогическим подходам и инновациям. Индивидуальная инициатива и творчество педагогов поощряется. Лидеры такой школы стараются сами быть образцами стремления к новому и поощряют к этому свой коллектив.
Подход К. Камерона и Р. Куинна получил развитие в многочисленных исследованиях, связанных с изучениями организационной культуры, однако до сих пор остается открытым вопрос об оптимальных средствах ее диагностики. Сами К. Камерон и Р. Куинн предлагали использовать для определения типа организационной культуры специально для этого разработанный опросник, на вопросы которого должны дать ответ испытуемые, представляющие исследуемую организацию. На наш взгляд, такой подход ограничен в силу того, что в нем неизбежно искажение общей картины организационной культуры, возникающих в силу ряда факторов субъективного характера:
• Испытуемый может отвечать на вопросы под влиянием эмоционального фона - усталости, раздражения и быть не вполне критичным по отношению к себе.
• Испытуемый может иметь определенный образ той картины, которую планирует получить исследователь и осознанно или неосознанно отвечать таким образом, чтобы изменить впечатление исследователя о нем.
• Испытуемый может опираться в ответах на одни факты своего личностного опыта и игнорировать другие.
На наш взгляд, такой подход является односторонним и нуждается в дополнительных средствах, с помощью которых организационная культура может быть диагностирована в современных условиях, прежде всего, в среде сетевого взаимодействия. Так, М. Кантором и Х. Уайтхедом была показана взаимосвязь между культурой и структурой сетевых отношений [25]. Согласно их исследованию, культура закрепляется в определенных конфигурациях связей между субъектами. Эти связи имеют устойчивую структуру и транслируются в процессе научения. Поскольку современные средства сетевого анализа позволяют выявлять структуру даже самых сложных сетевых объединений, мы можем, таким образом, диагностировать организационную культуру по показателям кластеризации и централизации, выявленным в ходе анализа данных.
В таблице 1 представлена типология организационных культур, связанная с сетевыми показателями централизации и кластеризации.
Таблица 1.
Типология организаций по сетевым показателям_
Дифференциация, соперничество (Кластеризация = 0) Интеграция, единство (Кластеризация = 1)
Стабильность, контроль (Централизация = 1) Рыночная культура. Дифференциация, соперничество (кластеризация - 0) Стабильность, контроль (Централизация - 1) Иерархическая культура. Единство, интеграция (кластеризация - 1) Стабильность, контроль (Централизация - 1)
Гибкость, динамизм (Централизация = 0) Адхократическая культура Дифференциация, соперничество (кластеризация - 0). Гибкость и динамизм (централизация - 0) Клановая культура. Единство, интеграция (кластеризация - 1). Гибкость и динамизм (централизация - 0)
Сравнение школьных сетей по параметрам кластеризации и представлено в таблице 2.
Сравнение школьных сетей Таблица 1.
Кластеризация Централизация
Школа №1 0,375 0,199
Школа №2 0,903 0,031
Школа №3 О,571 0,258
Исходя из предложенной типологии организаций по сетевым показателям организационная культура школы №1 может быть охарактеризована как адхократическая, школы №2 - как выраженно клановая. №3 - как рыночная. Позиции этих школ на координатной плоскости, образованной на осях «централизация» -«кластеризация» представлены на рисунке 6. Такое соотнесение совпадает с данными экспертных оценок.
КЛАСТЕРИЗАЦИЯ
1
□
ц
Е КЛАН ИЕРАРХИЯ
Н
Т
Р
А Л 0 0,5 1
И D
3
А АДХОКРАТИЯ И РЫНОК
ц
и
я
0
Рис. 6. Положение школ на координатной плоскости
Диагностика типа организационной культуры в анализируемых школах позволила скорректировать стратегию развития школы и адаптировать работу по корпоративному повышению квалификации учителей в этих школах к данной культуре. Так, в школе с адхократическим типом культуры была проведена серия семинаров по повышению квалификации учителей, в ходе которых они были ознакомлены с возможностями, содержащимися в инструментах Google Apps, на базе которых построена информационно-образовательная среда. Особый акцент был сделан на возможностях организации коллективной работы и ведения совместных творческих проектов с учащимися. Значительный эффект был получен в ходе ознакомления учителей с результатами сетевого анализа. Обрабатывая и интерпретируя в ходе специально разработанной деловой игры данные о сетевом взаимодействии в своей организации, учителя развили свое понимание информационного обмена в школе и смогли предложить ряд конкретных шагов по совершенствованию организационных отношений в школе. Аналогичным образом с поправкой на актуальный тип организационной культуры строится работа в двух других наблюдаемых школах.
Заключение
В работе представлен метод, позволяющий на основе совместной сетевой деятельности участников по созданию и редактированию документов воссоздавать структуру отношений между сотрудниками школьной организации. Выявление связей между сотрудниками образовательной организации позволяет обнаружить еще одно измерение в области профессионального взаимодействия в педагогическом коллективе. Связи, которые образуются между сотрудниками, составляют социальный капитал организации. То, как педагог вступает в сетевое взаимодействие, насколько он готов выстраивать отношения с коллегами, какие лидерские качества он при этом проявляет, характеризует его в той же степени, что и его формальное образование или д опыт работы.
Отдельный интерес представляет также сопоставление декларируемой и фактической структуры образовательной организации, выявляемой в ходе применения процедур учебной аналитики. Декларируемая организационная структура, являющаяся почти обязательным элементом самоописания образовательной организации, как правило, характеризуется полной связанностью и иерархичностью. Для реальной структуры организации характерно множество горизонтальных связей и взаимодействие между звеньями, формально относящимся к различным структурным подразделениям. Это имеет большое значение для становления в школьной организации сообщества практики [26], развивающегося не столько по направлению формальных отношений подчинения, сколько по каналам неформального общения.
Выявление реальной структуры организации, в свою очередь, позволяет диагностировать преобладание в школе определенного типа организационной культуры или комбинации нескольких культур. Это позволяет поднять на новый уровень управляемость школой, выстроить стратегию ее развития и активизировать ее скрытые ресурсы. Данные, касающиеся организационной культуры школы, могут быть использованы в качестве материала для повышения квалификации учителей и для обеспечения их профессионального роста и повышения уровня сетевого взаимодействия на уровне всей организации.
Важной задачей, решению которой может помочь использование больших данных и учебной аналитики, является привлечение широкого круга участников к формированию образовательных политик на уровне отдельных школ, городских и региональных объединений. Необходимость привлечения учителей к участию к формированию образовательных политик для обеспечения успеха образовательных инноваций, подчеркивается в ряде работ [27; 28]. Э. Деси, один из авторов теории самодетерминации, полагает, что успех реформ в школьном образовании зависит от того, насколько учителя будут чувствовать себя субъектами инновационной деятельности [29]. Дж. Равен отмечает, что «в развивающих средах люди имеют возможность думать о том, как устроены организации и общества, и по-новому воспринимать эти институты и их деятельность, что сказывается на их собственном поведении» [30]. Мы полагаем, что социограммы, основанные на совместной деятельности членов школьного сообщества практики в общей информационной среде Google Apps, могут стать важной составляющей развивающей среды и помогать людям вместе анализировать то, как устроена школьная организация.
Литература
1. Borer V.L., Lawn M. Governing Education Systems by Shaping Data: From the Past to the Present, from National to International Perspectives // Eur. Educ. Res. J. 2013. Vol. 12, № 1.С. 48-52.
2. Ушаков К.М. Хаос, порядок и структура организации // Директор школы. 2013. № 4 (177). С. 2-3.
3. Ушаков К.М. Диагностика реальной структуры образовательной организации // Вопросы образования. 2013. Vol. 4. С. 241-254.
4. Патаракин Е.Д. Использование учебной компьютерной аналитики для поддержки совместной сетевой деятельности субъектов образования // Образовательные технологии и общество (Educational Technology & Society) (http://ifets.ieee.org/russian/periodical/journal.html). 2014. Vol. 17, № 2. С. 538-554. URL, http://ifets.ieee.org/russian/depository/v17_i2/pdf/16.pdf (дата обращения 17.04.16)
5. Watts D.J. Small Worlds: The Dynamics of Networks between Order and Randomness. illustrated edition. Princeton University Press, 2003.
6. Watts D.J. Six Degrees: The Science of a Connected Age. W. W. Norton & Company, 2004.
7. Barabasi A.-L. Linked: How Everything Is Connected to Everything Else and What It Means. Plume, 2003.
8. Barabasi A.-L. Bursts: The Hidden Pattern Behind Everything We Do. Dutton Adult, 2010.
9. Евин И.А. Сложные сети - новый инструмент изучения сложных систем // Сложные ^стемы. 2012. № 2. С. 66-74.
10. Назарчук А.В. О сетевых исследованиях в социальных науках // Социологические исследования. 2011. № 1. С. 39-51.
11. Олескин А.В. Сетевые структуры в биосистемах и человеческом обществе. Либроком, 2013. 304 с.
12. Сафонова М.А. Сетевая история петербургской социологии // Журнал социологии и социальной антропологии. 2010. № 3. С. 83-110.
13. Pryke S. Social Network Analysis in Construction. John Wiley & Sons, 2012. 288 p.
14. Carmichael P. Networking Research: New Directions in Educational Enquiry. Bloomsbury Publishing, 2011. 209 p.
15. Crespo P.M.T. Social networks exploration for educational data mining. Lisboa: UL, Instituto Superior Técnico, 2013. 48 p.
16. McFarland D.A. Student Resistance: How the Formal and Informal Organization of Classrooms Facilitate Everyday Forms of Student Defiance // American Journal of Sociology. 612. Vol. 107, № 3.
17. Moody J., Mcfarl D., Bender-demoll S. Dynamic Network Visualization // American Journal of Sociology. 2005. Vol. 110, № 4. P. 1206-1241.
18. Брыксина О.Ф., Рождественская Л.В., Ярмахов Б.Б. Google Apps // Директор школы. 2014. № 1 (184). с. 56-63.
19. Ярмахов Б.Б., Рождественская Л.В. Google Apps для образования. СПб.: Питер, 2015. 224 с.
20. Олескин А.В. Сетевые структуры, иерархии и (квази)рынки в биосистемах, человеческом обществе и технических информационных системах. критерии классификации // Сложные системы. 2014. № 2 (11). С. 36-58.
21. Сивуха С.В. Методы анализа социальных сетей: показатели центральности // Психодрама, социометрия и прикладная психология. Ростов/Д.: Фолиант, 2003. С. 74-91.
22. Freeman L.C. Centrality in social networks: Conceptual clarification // Soc. Netw. 1979. Vol. 1, № 3. P. 215-239.
23. Камерон К., Куинн Р. Диагностика и изменение организационной культуры. СПб.: Питер, 2001. 320 с.
24. Ясвин В.А. Образовательная среда: от моделирования к проектированию. М.: Смысл, 2001. 368 с.
25. Cantor M., Whitehead H. The interplay between social networks and culture: theoretically and among whales and dolphins // Philos. Trans. R. Soc. Lond. B. Biol. Sci. 2013. Vol. 368, № 1618. P. 20120340.
26. Wenger E. Communities of Practice: Learning, Meaning, and Identity. Cambridge University Press, 1999. 340 p.
27. Асмолов А.Г. Социальные эффекты образовательной политики // Национальный психологический журнал. 2010. № 2. С. 100-106.
28. Патаракин Е.Д., Ярмахов Б.Б., Буров В.В. Продвижение социальных инноваций через общественное конструирование документов // Образовательные технологии и общество. Educ. Technol. & Soc. 2012. Vol. 15, № 2. с. 517-535. ISSN 1436-4522. URL: http://ifets.ieee.org/russian/depository/v15_i2/pdf/12.pdf (дата обращения 17.04.16)
29. Deci E.L. Large-scale school reform as viewed from the self-determination theory perspective // Theory and Research in Education. 2009. № 7. P. 244-252.
30. Competence in the Learning Society / ed. Raven J., Stephenson J. New York: Peter Lang International Academic Publishers, 2001. 535 p.
