CC BY
18
УДК 38.091.398:004.9
Большие данные в дополнительном профессиональном образовании взрослых
Д. А. Бояринов
кандидат педагогических наук, доцент https://orcid.org/0000-0002-0462-8319 dmboyarinov@mail .ru
Big data in additional professional adult education
Б. А. Воуаппоу
Аннотация
Проблема исследования и обоснование ее актуальности. На современном этапе цифро-визации образования, сопровождающемся переходом к обучению на основе цифровых образовательных платформ, сформировался комплекс предпосылок для использования методов обработки информации, основанных на анализе больших данных, в рамках учебного процесса. Использование больших данных потенциально позволяет придать информационным процессам в любой сфере новое качество. В полной мере этот вывод относится и к сфере образования. К настоящему моменту существует значительное количество научных исследований, посвященных применению больших данных в образовании. При этом недостаточно проработанной является проблема выявления специфики применения больших данных в системе дополнительного образования, в том числе дополнительного профессионального образования взрослых.
Цель исследования. Выявление специфики, ведущих сценариев применения, номенклатуры и основных источников больших данных в условиях реализации дополнительных образовательных программ, ориентированных на дополнительное профессиональное образование взрослых.
Методология (материалы и методы).
В исследовании были использованы следующие комплексные методы: изучение и анализ педагогической литературы, сравнительный анализ опыта организации обучения (в рамках основных и дополнительных учебных программ)
на основе использования современных цифровых платформ, в том числе с использованием технологий больших данных и искусственного интеллекта.
Результаты. В статье рассматриваются особенности применения технологий больших данных в обучении взрослых. Анализируются взгляды современных исследователей на направления применения больших данных в образовании, в том числе в дополнительном профессиональном образовании взрослых. Выявляются особенности использования больших данных в образовании - сценарии применения, номенклатура, источники. Определяется специфика, ведущие сценарии применения, номенклатура и основные источники больших данных в условиях реализации дополнительных профессиональных образовательных программ, ориентированных на обучение взрослых. Научная новизна исследования состоит в том, что определяется ведущий сценарий применения больших данных в дополнительном профессиональном образовании взрослых - «подготовка к искусственному интеллекту». Теоретическая новизна исследования состоит в том, что применительно к дополнительному профессиональному образованию взрослых расширена номенклатура больших данных - в нее включена два новых класса. К первому классу относятся большие данные, описывающие профессиональную деятельность обучающихся и их социальное окружение (в различных его аспектах). Ко второму классу относятся большие данные, описывающие возрастные особенности обучающихся (в профессиональном и дидактическом
аспекте). Расширен и дополнен перечень источников больших данных с учетом специфики взрослых обучающихся. Практическая новизна исследования состоит в том, что предложенный ведущий сценарий применения больших данных в дополнительном профессиональном образовании взрослых, выявленная специфика их применения в рассматриваемом контексте и разработанная номенклатура могут использоваться при проектировании и реализации дополнительных профессиональных образовательных программ, ориентированных на обучение взрослых, реализующих индивидуальные образовательные траектории и обладающих значительным инклюзивным потенциалом, актуальным для взрослых обучающихся.
Abstract
The research problem and the rationale for its relevance. The current stage of digitalization of education, accompanied by the transition to digital learning platforms, has created a set of prerequisites for the use of information processing methods based on big data analysis in the educational process. The use of big data potentially makes it possible to give a new quality to information processes in any sphere.
This conclusion is fully applicable to the sphere of education. Nowadays, there is a considerable amount of scientific research devoted to the application of big data in education. However, the problem of identifying the specifics of big data application in the system of additional education, including additional professional adult education, has not been sufficiently elaborated.
The goal of research. Identification of specifics, leading application scenarios, nomenclature and main sources of big data in the conditions of implementation of additional educational programs focused on additional professional education of adults.
Methodology. The research used the following comprehensive methods: study and analysis of the pedagogical literature, comparative analysis of experience in the organization of training (in the main and additional educational programs) based on the use of modern digital platforms, including the use of big data technology and artificial intelligence.
Results. The article deals with the peculiarities of big data technology application in adult education. It analyzes the views of modern researchers
on the directions of application of big data in education, including additional professional education of adults. The article reveals the peculiarities of big data usage in education - application scenarios, nomenclature, and sources. The specifics, leading scenarios of application, nomenclature and main sources of big data in the conditions of implementation of additional professional educational programs focused on adult education are defined. The scientific novelty of the study consists in the fact that the leading scenario of big data application in additional professional adult education is defined - "training for artificial intelligence ". The theoretical novelty of the research consists in the fact that the nomenclature of big data as applied to additional professional adult education is extended to include two new classes. The first class includes large data describing the professional activity of students and their social environment (in its various aspects). The second class includes big data describing the age characteristics of learners (in professional and didactic aspects). The list of big data sources has been expanded and supplemented to take into account the specifics of adult learners. Practical novelty of the study lies in the fact that the proposed leading scenario of application of big data in additional vocational adult education, the identified specificity of their use in the context under consideration and the developed nomenclature can be used in the design and implementation of additional professional educational programs focused on adult learning, implementing individual educational paths and having a significant inclusive potential relevant to adult learners.
Ключевые слова: дополнительное профессиональное образование, обучение взрослых, цифровые образовательные платформы, циф-ровизация образования, большие данные в образовании.
Keywords: additional professional education, adult learning, digital educational platforms, digi-talization of education, big data in education.
Введение
Последние годы отмечены существенными и исключительно динамичными изменениями, которые затронули все области педагогики. Начавшиеся ранее процессы цифровизации всех сфер общественной жизни получили значительное ускорение. Современное положение дел в педагогической практике характеризует-
ся, прежде всего, доминированием дистанционного обучения, основанного на использовании цифровых образовательных платформ. Все сказанное выше в полной мере относится и к области дополнительного образования, в том числе дополнительного профессионального образования взрослых.
Процессы цифровизации характеризуются разноплановым и динамичным характером. Одним из аспектов этих процессов является использование так называемых «больших данных». Понятие «большие данные» (Big Data) обычно описывается посредством системы свойств, или атрибутов. В различных исследованиях выделяется различное количество этих признаков, но чаще всего их выделяют пять, и тогда вся система обозначается как «пять V». Эти признаки включают в себя высокую скорость накопления и сбора данных, большой объем информации, высокую достоверность данных, большую неоднородность (вариативность) данных, значительную практическую ценность.
Использование больших данных потенциально позволяет придать информационным процессам в любой сфере новое качество. В полной мере этот вывод относится и к сфере образования. К настоящему моменту существует значительное количество научных исследований, посвященных применению больших данных в образовании. При этом недостаточно освещенным, на наш взгляд, является вопрос о специфике применения больших данных в системе дополнительного образования, в том числе дополнительного профессионального образования взрослых. Возникает ряд вопросов: каковы основные сценарии применения больших данных в дополнительном профессиональном образовании взрослых, какова специфика больших данных в условиях реализации соответствующих образовательных программ, какова номенклатура больших данных в этих условиях и каковы их источники? Поиск ответов на поставленные вопросы составляет основное содержание нашего исследования.
Обзор литературы
К настоящему времени в отечественных и зарубежных педагогических исследованиях разработана достаточно полная систем взглядов на структуру, роль и место больших данных в образовании. На основании анализа этих ис-
следований можно сделать вывод о том, что актуальные цифровые образовательные платформы и системы управления образованием могут служить источниками больших данных [1]. Обработка и анализ этих данных с использованием технологий искусственного интеллекта позволяет решать разнообразные проблемы, возникающие в процессе проектирования, организации, реализации и мониторинга образовательного процесса.
Г. А. Мамедова, Л. А. Зейналова и Р. Т. Ме-ликова выделяют задачи анализа, классификации, кластеризации и прогнозирования, которые решаются с использованием больших данных в педагогике [2].
В. В. Утёмов и П. М. Горев в своем исследовании выделяют следующие основные типы больших данных в образовании [3]: данные, на основании которых можно оценить педагогическую эффективность применяемых цифровых инструментов; данные, характеризующие особенности взаимодействия обучающихся с цифровыми образовательными платформами; данные, характеризующие личностные особенности субъектов учебного процесса; данные, характеризующие образовательную среду в целом; данные, на основании которых можно построить прогноз поведения системы и отдельных ее субъектов.
К. Фишер с соавторами в своем исследовании предлагает выделять три уровня больших данных применительно к предметной области педагогики: данные микроуровня, данные ме-зоуровня и данные макроуровня [4].
В. Холмс предлагает рассматривать проблему влияния современных технологий искусственного интеллекта на образование взрослых в рамках трех отдельных сценариев [5]: «обучение с помощью искусственного интеллекта», что подразумевает использование инструментов искусственного интеллекта в учебном процессе «для поддержки преподавания и обучения»; «изучение искусственного интеллекта», что подразумевает изучение принципов работы искусственного интеллекта, методов и технологий его создания; «подготовка к искусственному интеллекту», что подразумевает подготовку всех граждан к влиянию искусственного интеллекта на все области общественной и экономической жизни и взаимодействию с ним.
И. Д. Кежава и К. Вивер рассматривают проблему на стыке второго и третьего сценариев по В. Холмсу и приходят к выводу, что содержание дополнительной образовательной программы, ориентированной на обучение взрослых в сфере искусственного интеллекта, должно «дать возможность взрослым обучающимся распознавать актуальные подходы и методы искусственного интеллекта и экспертных систем» [6].
В работах Д. Динциса, в рамках первого сценария по В. Холмсу, предлагается нечеткая комплексная модель «профессионального учебного центра непрерывного обучения» [7] и описывается пул больших данных, с помощью которых можно построить «интегральный рейтинг удовлетворенности» образовательными услугами [8] и на его основе оценить эффективность организации обучения.
Б. А. Кондратенко и А. Б. Кондратенко указывают на следующие перспективы внедрения больших данных в педагогическую практику [9]: максимально раннюю профессиональную ориентацию будущих абитуриентов, возможность построения индивидуальных образовательных траекторий, мониторинг траекторий профессионального развития выпускников учебного заведения, открытость и прозрачность информации, описывающей течение процесса обучения, для самих обучающихся.
Х. Рейндерс и И. Дж. Лан в своей научной работе особо подчеркивают необходимость соблюдать принципы конфиденциальности, безопасности и этики при работе с большими данными в сфере образования [10].
В исследовании Е. Ю. Огурцовой и Р. Н. Фадеева выделены два основных риска, сопутствующих применению больших данных в педагогической сфере [11]: возможность нарушения конфиденциальности, возможность некорректного использования прогнозов, основанных на аналитической обработке больших данных.
К. Лидо, К. Рейд и М. Осборн в своей работе анализируют неформальное обучение взрослых средствами больших данных и искусственного интеллекта. При этом используются следующие данные [12]: опрос, сбор данных об отношении к обучению, сбор данных о поведении обучающихся, отслеживание перемещений обучающихся с помощью ОР8-маршрутизации, «захват» информации из социальных сетей. В ра-
боте М. Осборн и К. Лидо [13] ставится задача обеспечить «трехмерное представление о повседневной деятельности и мобильности взрослых учащихся» [13] за счет использования многокомпонентных больших данных. Авторы рассматриваемого исследования полагают, что генерируемые подобным образом большие данные могут использоваться при «разработке политики для устранения неравенства... и достижения целей обучения на протяжении всей жизни» [13]. К. Лидо, К. Рейд и М. Осборн также исследуют вопрос, каким образом «существующие доступные открытые данные могут использоваться для информирования, изучения и повышения вовлеченности в процесс обучения на протяжении всей жизни» в современных городских условиях, характеризующихся высокой динамикой и вариативностью [14]. Отметим, что в данных исследованиях методы больших данных и искусственного интеллекта применяются для анализа социальной, профессиональной и личной сферы взрослых, проходящих обучение по дополнительным программам. Нами ранее отмечалось, что результаты анализа подобной информации могут использоваться при управлении учебным процессом [15].
A. Рао и К. Баглоди предлагают рассматривать следующие направления применения больших данных в педагогической сфере [16]: таргетированное информирование потенциальных абитуриентов, непрерывный мониторинг хода учебного процесса, организация и координация управления тематикой и ходом научных исследований, обеспечение оперативной обратной связи в процессе обучения, выявление актуального уровня и прогнозирование возможных направлений развития потребностей обучающихся.
B. И. Богословский, А. Л. Бусыгина, В. Н. Ани-ськин в своем научном исследовании отмечают, что при информатизации образовательной системы «недостаточно только лишь перевода образовательных ресурсов и других обязательных составляющих учебно-воспитательного процесса из аналогового вида в цифровой» [17]. Ценным с методологической точки зрения представляется вывод авторов о роли образовательной среды (информационного образовательного пространства) как «учебной модели верной информационной картины мира» [17].
В соответствии с этим авторы делают вывод о необходимости решении проблемы «создания системы эффективного цифрового профессионального образования как фундамента подготовки кадров для цифровой экономики страны» [17]. Отметим, что в современных условиях создание такой системы невозможно без реализации всех трех сценариев по В. Холмсу.
Н. П. Исмаилова, П. К. Рамазанова придерживаются схожей точки зрения, воспринимая систему образования (в том числе образования взрослых) через призму подготовки кадров для цифровой экономики [18]. Они отмечают, что актуальной задачей является «формирование у специалистов различных профилей цифровых компетенций, а также подготовка их к использованию ИКТ в профессиональной деятельности» [18].
О. А. Фиофанова выделяет три вида деятельности, в процессе реализации которых необходима опора на компетенции в сфере сбора, хранения и обработки больших данных [19]: прогнозирование динамики и направленности развития образовательной системы, подготовка информации для принятия управленческих решений, сбор информации сравнительного характера, описывающей управленческие и педагогические практики.
В. И. Колыхматов в своем исследовании напрямую связывает определение направления развития системы дополнительного профессионального образования в Российской Федерации и формирование цифровой экономики, особо подчеркивает необходимость развития «общих и комплементарных» [20] цифровых навыков, наличие которых является фактором повышения цифровой грамотности. В соответствии с таким целеполаганием В. И. Колыхма-тов выделяет основные направления и темы повышения квалификации и профессиональной переподготовки преподавателей в рамках системы непрерывного педагогического образования. Подобный подход явным образом находится в рамках третьего сценария из выделенных В. Холмсом и представляется нам весьма существенным применительно к дополнительному профессиональному образованию взрослых.
Н. В. Днепровская помещает в фокус своего исследования «систему подготовки кадров для цифровой экономики» и отмечает, что эта
система является источником развития цифровой экономики [21]. Соответственно в первую очередь требуется подготовка или переподготовка специалистов, которые будут обладать всеми необходимыми цифровыми компетенциями.
Л. А. Данченок, А. С. Зайцева и Н. В. Ком-лева указывают на университеты, как «фундамент» для разработки дополнительных образовательных программ и отмечают, что при этом создаются предпосылки для реализации идей инклюзивного образования [22].
Л. А. Данченок, А. С. Зайцева и Н. В. Ком-лева утверждают, что персонализация должна быть «определяющим» подходом в построении всей системы дополнительного образования. Заметим, что в исследованиях Е. В. Бебениной и О. М. Елкина [23] и М. А. Хана, М. Койаха и Вивека [24] указывается перспективы использования технологий больших данных применительно к задаче проектирования индивидуальных образовательных маршрутов.
Подводя итог анализу научных работ по рассматриваемому вопросу, необходимо отметить, что к настоящему моменту накоплен существенный пласт исследований, посвященных проблеме больших данных в педагогике. Однако глубина анализа специфики их применения в области дополнительного профессионального образования взрослых пока не соответствует уровню исследований, выполненных на материале основного образования.
Методология (материалы и методы)
В исследовании были использованы следующие комплексные методы: изучение и анализ педагогической литературы, сравнительный анализ опыта организации обучения (в рамках основных и дополнительных учебных программ) на основе использования современных цифровых платформ, в том числе с использованием технологий больших данных и искусственного интеллекта.
Результаты и их описание
Система сценариев применения больших данных в образовании, разработанная В. Холмсом, является универсальной [5]. Исходя из особенностей обучающихся (взрослые специалисты) [25; 26; 27], мы полагаем, что применительно к дополнительному профессиональному образованию взрослых ведущим будет третий сценарий («подготовка к искус-
ственному интеллекту»). Первый сценарий («обучение с помощью искусственного интеллекта») будет определять техническую и технологическую основу процесса обучения. Второй сценарий («изучение искусственного интеллекта»), согласно нашему мнению, будет наименее актуальным в условиях реализации дополнительных профессиональных образовательных программ, ориентированных на обучение взрослых.
Единственным возможным исключением из отмеченной закономерности является ситуация повышения квалификации лиц, занимающихся профессиональной деятельностью в сфере искусственного интеллекта или профессиональная переподготовка, направленная на формирование обучающихся компетенций, необходимых для работы в этой сфере. Однако в силу относительно небольшого удельного веса подобных программ в общем объеме программ дополнительного профессионального образования третий сценарий, по В. Холмсу, будет ведущим в подавляющем большинстве случаев.
Специфика условий реализации программ дополнительного профессионального образования взрослых накладывает свой отпечаток и на номенклатуру больших данных. Мы полагаем, что в рассматриваемых условиях сохранят свою актуальность некоторые виды больших данных, идентифицированных ранее исследователями применительно к обучению по основным образовательным программам. К таким видам относятся данные для оценки эффективности используемых дидактических инструментов, данные для оценки взаимодействия обучающегося с цифровой образовательной средой, данные об индивидуальных особенностях обучающихся; данные об образовательной среде; данные прогностической направленности.
Мы полагаем, что применительно к условиям реализации программ дополнительного профессионального образования взрослых необходимо выделить также следующие виды больших данных, позволяющие отразить как особенности обучающихся, так и специфику профессиональной и учебной деятельности, в которую они включены: данные, характеризующие профессиональную среду, к которой относится обучающийся; данные, характери-
зующие профессиональные компетенции, которыми обладает обучающийся; данные, характеризующие социальное окружение и референтные для обучающегося социальные группы; данные, характеризующие возрастные особенности обучающихся применительно к учебному процессу; данные, характеризующие возрастные особенности обучающихся применительно к профессиональной деятельности.
Таким образом, пять основных типов больших данных в образовании по классификации В. В. Утёмова и П. М. Горева [3] мы предлагаем дополнить еще двумя классами.
В шестой класс входят большие данные, описывающие профессиональную деятельность обучающихся и их социальное окружение (в различных его аспектах). Необходимость включения в рассмотрение этого класса вызвана особенностями взрослых обучающихся, наличием у них сферы профессиональной деятельности и более глубокой включенностью в социальные взаимодействия (прежде всего в профессиональной и семейной сфере).
В седьмой класс входят большие данные, описывающие возрастные особенности обучающихся (в профессиональном и дидактическом аспекте). Необходимость включения в рассмотрение этого класса вызвана наличием проблемы готовности взрослых обучающихся к учебному процессу на базе цифровых образовательных платформ, и, шире, проблемы «цифрового неравенства» [28; 29].
Отметим, что предлагаемая структура больших данных будет содержать в себе все три уровня больших данных по классификации К. Фишера с соавторами (микроуровень, мезо-уровень, макроуровень) [4].
Соответственно дополнениям, внесенным нами в номенклатуру больших данных к дополнительному образованию взрослых, необходимо расширить перечень источников этих данных. Мы полагаем, что в откорректированном виде он будет выглядеть следующим образом: цифровая образовательная платформа, на базе которой проходит обучение; цифровое рабочее место (при наличии); работодатель (при отсутствии цифрового рабочего места); социальное окружение (социальные сети); формально-юридическая документация (паспортные данные, награды,
благодарности, поощрения, приказы о зачислении/отчислении и т. д.).
Заметим, что импорт информации, относящейся к ведению работодателя и, в некоторой степени, к социальным сетям, требует решения определенных юридических проблем, которые находятся за рамками настоящего исследования.
Таким образом, предлагаемая система больших данных будет содержать в себе для каждого субъекта и объекта информационного образовательного пространства следующую информацию: характеристику рассматриваемого субъекта или объекта с точки зрения его роли в информационном образовательном пространстве; основные метаданные, описывающие субъект или объект; динамику, хронологию и авторство внесения изменений в состояние субъекта или объекта; метрические показатели интенсивности обращений к субъекту или объекту; экспертную оценку субъекта или объекта (опционально).
Относительно экспертной оценки отметим, что ее наличие не является обязательным. Пример экспертной оценки субъекта (взрослого обучающегося) - это учебная оценка, выставленная преподавателем в ходе учебного процесса или поощрение, предоставленное работодателем. Пример экспертной оценки объекта -оценка блоку теоретического материала, размещенному преподавателем в качестве элемента учебного контента на базе цифровой образовательной платформы, выставленная методистом, или сформированная на основании отзывов, оставленных обучающимися.
Обсуждение
Мы полагаем, что использование больших данных в дополнительном профессиональном образовании взрослых позволяет сформировать информационную базу для построения индивидуальных образовательных траекторий. При этом наиболее сильными сторонами является непрерывный характер обновления данных (относящихся к микроуровню) и относительная простота интеграции результатов их обработки в математические модели и процедуры, которые используются при построении индивидуальных образовательных траекторий. Также возможна интеграция результатов мониторинга профессиональной деятельности обучающихся в систему управления учебным процессом.
При этом управление учебным процессом приобретет непрерывный характер, что является одним из факторов повышения качества образования [15].
Образовательная среда, основанная на больших данных, может обладать значительным инклюзивным потенциалом, так как в ее рамках в процессе учебной деятельности в рамках групповых форм обучения могут взаимодействовать как взрослые обучающиеся с ограниченными возможностями (в том числе занимающиеся трудовой деятельностью на цифровых рабочих местах), так и обучающиеся без каких-либо ограничений. Несмотря на то, что проблемы инклюзивного обучения как правило рассматриваются применительно к реализации основных образовательных программ, мы полагаем, что этот вопрос актуален и для дополнительного профессионального образования взрослых. При этом основной общественно значимый результат может быть достигнут в области социализации лиц с ограниченными возможностями. Интеграция таких обучающихся в инклюзивный учебный процесс позволит существенным образом расширить область социального взаимодействия, развить навыки социальной коммуникации с использованием цифровой среды, и найти новые сферы возможной профессиональной деятельности.
Применительно к содержанию дополнительных профессиональных учебных программ, ориентированных на обучение взрослых, мы в целом разделяем подход И. Д. Ке-жавы и К. Вивера [6]. Вне зависимости от конкретной предметной области каждая современная дополнительная образовательная программа должна в качестве одного из результатов обучения обеспечивать формирование и/или совершенствование компетенций, связанных с профессиональной и социальной деятельностью в современном информационном обществе.
К таким компетенциям мы относим следующие: компетенции в сфере личностного становления и развития в условиях современной цифровой среды, компетенции в сфере социального и личностного взаимодействия в цифровой среде, компетенции в сфере профессиональной деятельности в цифровой среде, компетенции в сфере информационной безопасности, понимание воз-
можностей и ограничений, связанных с развитием информационного общества.
Достижению такого результата обучения должны способствовать как сама цифровая образовательная платформа, на базе которой осуществляется обучение, так и соответствующие элементы, включенные в учебный материал (независимо от предметной области, к которой относится дополнительная образовательная программа).
Наиболее актуальным направлением дальнейших исследований в этой области нам представляется комплекс вопросов о принципах и методах интеграции тематического блока, обеспечивающего формирование готовности обучающегося к профессиональной и социальной деятельности в современном информационном обществе в содержание дополнительных профессиональных образовательных программ, ориентированных на обучение взрослых, независимо от предметной области. Также актуальным вопросом, требующим отдельного исследования, является вопрос о специфике больших данных применительно к различным видам дополнительного образования.
Заключение
Подводя итог, необходимо отметить, что проведенное нами исследование позволило решить следующие задачи применительно к дополнительному профессиональному образованию взрослых: выделить основные сценарии применения больших данных, установить специфику больших данных, установить номенклатуру больших данных, выявить основные источники больших данных.
Мы полагаем, что предложенные нами основные сценарии применения больших данных в дополнительном профессиональном образовании, выявленная специфика их применения в рассматриваемом контексте и предложенная номенклатура могут служить существенным элементом процесса педагогического проектирования дополнительных профессиональных образовательных программ, ориентированных на реализацию на современном этапе цифрови-зации в условиях применения цифровых образовательных платформ.
Библиографический список:
1. Фиофанова, О. А. Анализ больших данных в сфере образования: методология и техно-
ЧИППКРО
логии : монография / О. А. Фиофанова. -Москва : Издательский дом «Дело» РАНХиГС, 2020. - 200 с. - Текст : непосредственный.
2. Мамедова, Г. А. Технологии больших данных в электронном образовании / Г. А. Мамедова, Л. А. Зейналова, Р. Т. Ме-ликова. - Текст : непосредственный // Open education. - 2017. - № 6 (21). - С. 41-48.
3. Утёмов, В. В. Развитие образовательных систем на основе технологии Big Data /
B. В. Утёмов, П. М. Горев. - Текст : электронный // Научно-методический электронный журнал «Концепт». - 2018. - № 6 (июнь). -
C. 449-461. - URL: http://e-koncept.ru/2018/181039.htm (дата обращения: 14.09.2022).
4. Fischer, C., Pardos, Z. A., 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 March 2020, Vol. 44, pp. 130-160.
5. Holmes, W. Artificial Intelligence and Adult Education. Beyond the hype. 2021. URL: https://epale.ec.europa.eu/en/blog/oer-artificial-intelligence-and-adult-education-beyond-hype.
6. Kejawa, I. D. and Weaver, C. "The development of artificial intelligence curriculum for adult learners at the adult education center of the Palm Beach county school district". Theses, Student Research, and Creative Activity: Department of Teaching, Learning and Teacher Education, 2004, p. 85. https://digitalcommons.unl.edu/teachlearn student/85.
7. Dintsis, D. Implementing fuzzy sets for "big data" analysis Based on large training center feedbacks, 2022. URL: https://www.acade mia.edu/18015454/Implementing_fuzzy_sets_for_ big_data_analysis_Based_on_large_training_cen ter_feedbacks.
8. Dintsis, D. (2015). Thesis Big data for adult learning methods (IEEE EN-T). 2015. URL: https://www.researchgate.net/publication/2829135 10Thesis_Big_data_for_adult_learning_methodsIE EE_EN-T.
9. Кондратенко, Б. А. Перспективы применения анализа больших данных в современном образовании / Б. А. Кондратенко, А. Б. Кондратенко. - Текст : непосредственный // Вестник Балтийского федерального университета им. И. Канта. Серия: Филология, педагогика, психология. - 2018. - № 1. - С. 117-126.
10. Reinders, H., & Lan, Y. J. Big data in language education and research. Language Learning & Technology, 2021, 25(1), pp. 1-3. URL: http://hdl.handle.net/10125/44746.
11. Огурцова, Е. Ю. Большие данные и цифровая аналитика в университетском образовании / Е. Ю. Огурцова, Р. Н. Фадеев. - Текст : непосредственный // Ноосферные исследования. - 2021. - Вып. 4. - С. 37-44.
12. Lido, C., Reid, K. & Osborne, M. Lifewide learning in the city: novel big data approaches to exploring learning with large-scale surveys, GPS, and social media, Oxford Review of Education, 2019, 45:2, pp. 279-295.
13. Osborne, M., Lido, C. Big Data' techniques to improve learning access and citizen engagement for adults in urban environments. In: Proceedings of International Conference of Taipei Learning City, Taipei, Taiwan, Nov. 2016. https://www.researchgate.net/publication/3166021 38_Big_Data'_techniques_to_improve_learning_ac cess_and_citizen_engagement_for_adults_in_urba n_environments_In_Proceedings_of_International_ Conference_of_Taipei_Learning_City_Taipei_ Taiwan_Nov_2016.
14. Lido, C., Reid, K., Osborne, M.. Blurring Boundaries: Exploring the Potential for 'Big Data' to Address Inequalities in Lifewide Learning Engagement, 2020.
15. Бояринов, Д. А. Педагогический менеджмент в контексте информационного образовательного пространства / Д. А. Бояринов. -Текст : электронный // Современные проблемы науки и образования. - 2015. - № 4. - URL: http://www.science-education.ru/127-21095 (дата обращения: 14.09.2022).
16. Rao, A., Baglodi, K. Role of Big Data in Education Sector: A Review International Journal of Advances in Science Engineering and Technology, 2018, Vol-6, Iss-1, Spl. Issue-1 Feb.
17. Богословский, В. И. Концептуальные основы высшего образования в условиях цифровой экономики / В. И. Богословский, А. Л. Бусыгина, В. Н. Аниськин. - Текст : непосредственный // Самарский научный вестник. -2019. - Т. 8, № 1 (26). - С. 223-230.
18. Исмаилова, Н. П. Модернизация образования в условиях цифровой экономики / Н. П. Исмаилова, П. К. Рамазанова. - Текст : непосредственный // Мир науки, культуры, образования. - 2020. - № 1 (80). - С. 59-60.
19. Фиофанова, О. А. Управление на основе больших данных в сфере образования / О. А. Фиофанова. - Текст : непосредственный // Государственная служба. - 2021. - № 3. - С. 86-91.
20. Колыхматов, В. И. Основные направления развития системы дополнительного профессионального образования в условиях становления цифровой экономики / В. И. Колыхматов. - Текст : непосредственный // Ученые записки университета имени П. Ф. Лесгафта. -2018. - № 10 (164). - С. 132-136.
21. Днепровская, Н. В. Оценка готовности российского высшего образования к цифровой экономике / Н. В. Днепровская. - Текст : непосредственный // Статистика и экономика. -2018. - Т. 15, № 4. - С. 16-28.
22. Данченок, Л. А. Трансформация модели дополнительного образования в условиях цифровой экономики / Л. А. Данченок, А. С. Зайцева, Н. В. Комлева. - Текст : непосредственный // Открытое образование. - 2019. - Т. 23, № 1. - С. 34-45.
23. Бебенина, Е. В. Повышение качества управления образованием с использованием технологии обработки больших данных / Е. В. Бебе-нина, О. М. Елкин. - Текст : непосредственный // Отечественная и зарубежная педагогика. -2020. - Т. 1, № 6 (72). - С. 22-29.
24. Khan, M. A., Khojah, M., Vivek. "Artificial Intelligence and Big Data: The Advent of New Pedagogy in the Adaptive E-Leaming System in the Higher Educational Institutions of Saudi Arabia", Education Research International, vol. 2022, Article ID 1263555, 10 pages. https:// doi.org/10.1155/2022/1263555.
25. Рукина, Н. М. Дополнительное образование взрослых как фактор профессионального развития личности / Н. М. Рукина. - Текст : непосредственный // Известия Самарского научного центра РАН. - 2009. - Т. 11, № 4 (5). -С. 1137-1142.
26. Гилева, О. Я. Дополнительное профессиональное образование взрослых: принципы и особенности / О. Я. Гилева, И. П. Шиманчик. -Текст : непосредственный // Известия Самарского научного центра РАН. - 2010. - Т. 12, № 3 (3). - С. 603-605.
27. Андреева, Н. Ю. Психологические особенности обучения взрослых с учетом различных учебных стилей / Н. Ю. Андреева. - Текст : непосредственный // Инновационное развитие
профессионального образования. - 2015. -№ 1 (07). - С. 36-41.
28. Положихина, М. А. Информационно-цифровое неравенство как новый вид социально-экономической дифференциации общества / М. А. Положихина. - Текст : электронный // Экономические и социальные проблемы России : сб. науч. тр. / РАН ИНИОН. Центр социал. науч.-информ. исслед. отд. экономики ; ред. кол.: Н. А. Макашева, гл. ред., и др. - Москва, 2017. -№ 2. - С. 119-142. - URL: http://inion.ru/ site/assets/files/2708/2017_espr_2.pdf (дата обращения: 14.09.2022).
29. Лысак, И. В. Новые образовательные технологии как средство преодоления цифрового разрыва / И. В. Лысак. - Текст : электронный // Современные наукоемкие технологии. -2017. - № 7. - С. 129-135. - URL: http: //www .top-technologies.ru/ru/article/view?id= 36743 (дата обращения: 14.09.2022).
References:
1. Fiofanova, O. A. Big Data Analysis in Education: Methodology and Technology: Monograph [Analiz bol'shih dannyh v sfere obrazovaniya: metodologiya i tekhnologii: monografiya], Moscow: Publishing house "Delo" of Russian Academy of National Economy and Public Administration under the President of the Russian Federation, 2020. 200 p.
2. Mamedova, G. A., Zeinalova, L. A., Me-likova, R. T. Big data technologies in electronic education [Tekhnologii bol'shih dannyh v el-ektronnom obrazovanii], Open education, 2017, No. 6 (21), pp. 41-48.
3. Utemov, V. V., Gorev, P. M. Development of educational systems on the basis of Big Data technology [Razvitie obrazovatel'nyh sistem na osnove tekhnologii Big Data], Scientific and methodical electronic journal "Concept", 2018, No. 6 (June), pp. 449-461. Available at: http://e-koncept.ru/ 2018/181039.htm (accessed date: 09/14/2022).
4. Fischer, C., Pardos, Z. A., 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 March 2020, Vol. 44, pp. 130-160.
5. Holmes, W. Artificial Intelligence and Adult Education. Beyond the hype. 2021. Available at: https://epale.ec.europa.eu/en/blog/oer-artificial-intelligence-and-adult-education-beyond-hype.
6. Kejawa, I. D. and Weaver, C. "The development of artificial intelligence curriculum for adult learners at the adult education center of the Palm Beach county school district". Theses, Student Research, and Creative Activity: Department of Teaching, Learning and Teacher Education, 2004, 85 p. Available at: https:// digitalcommons.unl.edu/teachlearnstudent/85.
7. Dintsis, D. Implementing fuzzy sets for "big data" analysis Based on large training center feedbacks, 2022. Available at: https:// www.academia.edu/ 18015454/Implementing_fuzz y_sets_for_big_data_analysis_Based_on_large_trai ning_center_feedbacks.
8. Dintsis, D. Thesis Big data for adult learning methods (IEEE EN-T). 2015. Available at: https: //www.researchgate.net/publication/2829135 10Thesis_Big_data_for_adult_learning_methodsIE EE_EN-T.
9. Kondratenko, B. A., Kondratenko, A. B., Kondratenko, B. A. Prospects of applying big data analysis in modern education [Perspektivy prime-neniya analiza bol'shih dannyh v sovremennom obrazovanii], Bulletin of Kant Baltic Federal University. Ser.: Philology, pedagogy, psychology.,
2018, No. 1, pp. 117-126.
10. Reinders, H., & Lan, Y. J. Big data in language education and research. Language Learning & Technology, 2021, 25 (1), pp. 1-3. Available at: http://hdl.handle.net/10125/44746.
11. Ogurtsova, E. Yu., Fadeev, R. N. Big data and digital analytics in university education [Bol'shie dannye i cifrovaya analitika v universi-tetskom obrazovanii], Noosphere Studies, 2021, Vol. 4, pp. 37-44.
12. Lido, C., Reid, K. & Osborne, M. Lifewide learning in the city: novel big data approaches to exploring learning with large-scale surveys, GPS, and social media, Oxford Review of Education,
2019, 45:2, pp. 279-295.
13. Osborne, M., Lido, C. Big Data' techniques to improve learning access and citizen engagement for adults in urban environments. In: Proceedings of International Conference of Taipei Learning City, Taipei, Taiwan, Nov. 2016. Available at: https://www.researchgate. net/publication/316602138_Big_Data'_technique s_to_improve_learning_access_and_citizen_eng agement_for_adults_in_urban_environments_ In_Proceedings_of_International_Conference_of_Tai pei_Learning_City_Taipei_Taiwan_Nov_2016.
14. Lido, C., Reid, K., Osborne, M. Blurring Boundaries: Exploring the Potential for 'Big Data' to Address Inequalities in Lifewide Learning Engagement. 2020.
15. Boyarinov, D. A. Pedagogical management in the context of information educational space [Peda-gogicheskij menedzhment v kontekste informacion-nogo obrazovatel'nogo prostranstva], Modern problems of science and education, 2015, No. 4. Available at: http://www.science-education.ru/127-21095 (accessed date: 09/14/2022).
16. Rao, A., Baglodi, K. Role of Big Data in Education Sector: A Review International Journal of Advances in Science Engineering and Technology, 2018, Vol. 6, Issue 1.
17. Bogoslovsky, V. I., Busygina, A. L., Aniskin, V. N. Conceptual foundations of higher education in conditions of digital economy [Konceptual'nye osnovy vysshego obrazovani-ya v usloviyah cifrovoj ekonomiki], Samara Scientific Bulletin, 2019, Vol. 8, No. 1 (26), pp.223-230.
18. Ismailova, N. P., Ramazanova, P. K. Modernization of education in the digital economy [Modernizaciya obrazovaniya v usloviyah cifrovoj ekonomiki], The World of Science, Culture, Education, 2020, No. 1 (80), pp. 59-60.
19. Fiofanova, O. A. Big Data Management in Education [Upravlenie na osnove bol'shih dannyh v sfere obrazovaniya], Public Service, 2021, No. 3, pp.86-91.
20. Kolykhmatov, V. I. The main directions of development of the system of additional professional education in the conditions of formation of the digital economy [Osnovnye napravleniya razvitiya sistemy dopolnitel'nogo professional'nogo obrazovaniya v usloviyah stanovleniya cifrovoj ekonomiki], Notes of Lesgaft Scientific University, 2018, No. 10 (164), pp. 132-136.
21. Dneprovskaya, N. V. Assessment of the readiness of Russian higher education to the digital economy [Ocenka gotovnosti rossijskogo vysshego obrazovaniya k cifrovoj ekonomike], Statistics and Economics, 2018, Vol. 15, No. 4, pp.16-28.
22. Danchenok, L. A., Zaitseva, A. S., Kom-leva, N. V. Transformation of additional education model in the digital economy [Transformaciya modeli dopolnitel'nogo obrazovaniya v usloviyah cifrovoj ekonomiki], Open education, 2019, Vol. 23, No. 1, pp. 34-45.
23. Bebenina, E. V., Elkin, O. M. Improving the quality of education management using big data processing technology [Povyshenie kachestva up-ravleniya obrazovaniem s ispol'zovaniem tekhnologii obrabotki bol'shih dannyh], National and foreign pedagogy, 2020, Vol. 1, No. 6 (72), pp.22-29.
24. Khan, M. A., Khojah, M., Vivek. "Artifi-cial Intelligence and Big Data: The Advent of New Pedagogy in the Adaptive E-Learning System in the Higher Educational Institutions of Saudi Arabia", Education Research International, vol. 2022, Article ID 1263555, 10 pages. Available at: https://doi.org/10.1155/2022/ 1263555.
25. Rukina, N. M. The additional education of adults as a factor in the professional development of personality [Dopolnitel'noe obra-zovanie vzroslyh kak faktor professional'nogo razvitiya lichnosti], Proceedings of Samara Scientific Center of RAS, 2009, Vol. 11, No. 4 (5), pp.1137-1142.
26. Gileva, O. Ya., Shimanchik I. P. Additional Professional Education of Adults: Principles and Peculiarities [Dopolnitel'noe professional'noe obrazovanie vzroslyh: principy i osobennosti], Proceedings of Samara Scientific Center of RAS, 2010, Vol. 12, No. 3 (3), pp. 603-605.
27. Andreeva, N. Y. Psychological peculiarities of adult learning taking into account different learning styles [Psihologicheskie osobennosti obucheniya vzroslyh s uchetom razlichnyh uchebnyh stilej], Innovative development of professional education, 2015, No. 1 (07), pp. 36-41.
28. Polozhikhina, M. A. Information and digital inequality as a new type of socioeconomic differentiation of society [Infor-macionno-cifrovoe neravenstvo kak novyj vid social'no-ekonomicheskoj differenciacii ob-shchestva], Economic and social problems of Russia: Proceedings. Institute of Scientific Information on Social Sciences of the Russian Academy of Sciences, Center for Social Research and Information Studies, Department of Economics; Moscow, 2017, No. 2, pp. 119-142. Available at: http://inion.ru/site/assets/files/ 2708/2017_espr_2.pdf (accessed date: 09/14/2022).
29. Lysak, I. V. New educational technologies as a means of overcoming the digital di-
vide [Novye obrazovatel'nye tekhnologii kak No. 7, pp. 129-135. Available at: http://www. sredstvo preodoleniya cifrovogo razryva], Mod- top-technologies.ru/ru/article/view?id=36743 (acern Science-Intensive Technologies, 2017, cessed date: 09/14/2022).
Образец для цитирования статьи:
Бояринов, Д. А. Большие данные в дополнительном профессиональном образовании взрослых / Д. А. Бояринов. - Текст : непосредственный // Научное обеспечение системы повышения квалификации кадров. - 2023. - № 1 (54). - С. 50-61.
Example for article citation:
Boyarinov, D. A. Big data in additional professional adult education [Bolshie dannye v dopolni-telnom professionalem obrazovanii vzrosly'x], Scientific support of a system of advanced training, 2023, No. 1 (54), pp. 50-61.
ЧИППКР0
