CC BY
33
УДК 378
DOI 10.30914/2072-6783-2021 -15-4-420-453
Оценка эффективности проектной деятельности студентов
на основе цифрового следа
В. И. Токтарова1, Д. А. Семенова1, Р. Н. Зарипов2
1 Марийский государственный университет, г. Йошкар-Ола, Российская Федерация 2Казанский национальный исследовательский технологический университет, г. Казань, Российская Федерация
Аннотация. Введение. Федеральные государственные образовательные стандарты высшего образования предполагают качественное изменение организации обучения во всех его видах и формах, в том числе в условиях электронной информационно-образовательной среды. Они также отражают и рекомендации гарантии качества высшего образования, достижение эффективности и качества образования - это важнейшая задача любого учебного заведения. При этом оценка должна удовлетворять таким универсальным принципам, как конкретность (четкое определение критериально-оценочной базы оценивания, подходов к ее измерению); целостность (обеспечение полного объема требований к результатам обучения); технологичность (обоснованность методологических и технологических средств для получения оценочной информации и выполнения необходимых расчетов). Цель: определение возможностей использования цифрового следа при оценивании проектной деятельности студентов. Материалы и методы. Важнейшим аспектом оценки качества обучения является выбор методик оценивания для измерения результатов обучения на различных этапах с учетом компетентностного, таксономического и квалимет-рического подходов. Кроме стандартных методов оценивания качества обучения нами применялись методы образовательного дата-инжиниринга, которые направлены на измерение, сбор, анализ и представление данных об обучающихся и контекстах с помощью их цифрового следа с целью понимания и оптимизации обучения и среды, в которой оно происходит, определения роли обучающегося в командной работе, его вклада, полезности, функционала и другое. Результаты исследования, обсуждения. Особенности оценивания проектных работ с помощью анализа цифрового следа обучающегося дает более детальный анализ и проекта, и членов команды проекта. Заключение. Использование цифрового следа обучающегося в качестве метода оценивания позволяет дифференцировать отметки обучающихся в зависимости от объема и качества выполненных работ по проекту.
Ключевые слова: оценка качества образования, проектная деятельность, образовательный дата-инжиниринг, цифровой след, проектная команда, высшее образование, студент
Благодарности. Работа была выполнена при поддержке программы Erasmus+ Европейского Союза (проект № 620507-EPP-1-2020-1-RU-EPPJMO-MODULE).
Авторы заявляют об отсутствии конфликта интересов.
Для цитирования: Токтарова В. И., Семенова Д. А., Зарипов Р. Н. Оценка эффективности проектной деятельности студентов на основе цифрового следа // Вестник Марийского государственного университета. 2021. Т. 15. № 4. С. 420-453. DOI: https://doi.org/10.30914/2072-6783-2021-15-4-420-453
Assessment of the effectiveness of students' project activities
based on a digital footprint
V. I. Toktarova1, D. A. Semenova1, R. N. Zaripov2
1Mari State University, Yoshkar-Ola, Russian Federation 2Kazan National Research Technological University, Kazan, Russia
Abstract. Introduction. Federal State Educational Standards of Higher Education presuppose a qualitative change in the organization of education in all its types and forms, including in the conditions of an electronic educational environment. They also reflect the recommendations of the quality assurance of university education, achieving the effectiveness and quality of education is the most important task of any educational institution. At the same time, the assessment must meet such universal principles as concreteness (a clear definition of the criteria and evaluation base of assessment, approaches to its measurement); integrity (ensuring the full scope of requirements for learning outcomes); manufacturability (validity of methodological and technological means for obtaining evaluation information and performing the necessary calculations). Purpose: to determine the possibilities
of using the digital footprint for evaluating students' project activities. Materials and methods. The most important aspect of assessing the quality of training is the choice of assessment methods for measuring learning outcomes at various stages, taking into account competence, taxonomic and qualimetric approaches. In addition to standard methods of assessing the quality of training, we used methods of educational data engineering, which are aimed at measuring, collecting, analyzing and presenting data about students and contexts using their digital footprint in order to understand and optimize learning and the environment in which it occurs, determining the role of the student in teamwork, his contribution, usefulness, functionality, etc. Research results, discussions. Features of the evaluation of project work using the students' digital footprint analysis give a more detailed analysis of both the project and the project team members. Conclusion. Using the student's digital footprint as an assessment method allows you to differentiate the marks of students depending on the volume and quality of the work performed on the project.
Keywords: education quality assessment, project activity, educational data engineering, digital footprint, project team, education in HEI, student
Acknowledgements. The present work is supported by the Erasmus+ Programme of the European Union (project no. 620507-EPP-1-2020-1-RU-EPPJMO-MODULE).
The authors declare no conflict of interests.
For citation: Toktarova V. I., Semenova D. A., Zaripov R. N. Assessment of the effectiveness of students' project activities based on a digital footprint. Vestnik of the Mari State University. 2021, vol. 15, no. 4, pp. 420-453. (In Russ.). DOI: https://doi.org/10.30914/2072-6783-2021-15-4-420-453
Федеральные государственные образовательные стандарты высшего образования предполагают качественное изменение организации обучения во всех его видах и формах, в том числе в условиях электронной информационно-образовательной среды.
ФГОС ВО отражают и международные тенденции развития высшего образования, установленные стандартами и рекомендациями гарантии качества в Европейском пространстве высшего образования ESG (The Standards and Guidelines for Quality Assurance in the European Higher Education Area)1, которые приняты Европейской ассоциацией гарантии качества в высшем образовании ENQA (European Association for Quality Assurance in Higher Education). ESG относятся ко всей сфере высшего образования, реализуемого на европейском пространстве, независимо от вида обучения, места или способа.
В соответствии с данным документом под качеством понимается результат взаимодействия между преподавателями, студентами и образовательной средой вуза [9]. При этом гарантия качества должна обеспечить такую образовательную среду, в которой содержание программ, возмож-
1 The Standards and Guidelines for Quality Assurance in the European Higher Education Area. EURASHE, 2015. 32 p. URL: https://www.enqa.eu/wp-content/uploads/2015/11/ESG_ 2015.pdf (дата обращения: 18.05.2021).
ности и средства будут соответствовать необходимым образовательным целям. В контексте ENQA система качества в вузе представляет собой совокупность трех подсистем: обеспечения качества, мониторинга качества и управления качеством.
В частности, по отношению к изучаемой нами предметной области под качеством проектной подготовки студентов нами понимается определенный уровень достижения целей проектной деятельности и степень соответствия процесса и результата проектной подготовки студентов личным ожиданиям и запросам общества в соответствии с такими показателями, как сформирован-ность внутренней мотивации к получению и применению учебной информации (в том числе и к средствам и технологиям ее представления); объем, полнота и системность знаний в области проектной деятельности, умений и навыков; способность студентов к самостоятельному поиску и обработке информации, необходимой для реализации проекта [9].
Процесс реализации проектной деятельности студентами направлен на формирование у них проектной компетентности и является результатом освоения основной образовательной программы и рассматривается нами через совокупность компонентов:
- знаниевый - характеризует непосредственное знание и понимание теоретического и практического материала, которое может быть выражено через следующие понятие «знать» -способность воспроизводить и объяснять учебный материал с требуемой степенью научной точности и полноты;
- ценностный - определяет ценностные ориентиры обучающегося, его мотивацию к решению профессиональных задач;
- деятельностный - характеризует умение применять полученные знания к конкретной ситуации посредством «уметь» - способность решать типовые задачи на основе воспроизведения стандартных алгоритмов; «владеть» - способность решать усложненные, нестандартные задачи на основе всей совокупности приобретенных знаний и умений.
Несомненно, важнейшим аспектом оценки качества обучения является выбор методик оценивания для измерения результатов обучения на различных этапах с учетом компетент-ностного, таксономического и квалиметриче-ского подходов.
Компетентностный подход основывается на многоплановых и многоструктурных характеристиках качества подготовки обучающихся, ориентирован на уровень сформированности компетенций, определенных во ФГОС ВО. Оценка результатов обучения в терминах компетенций определяет, что студент должен знать, уметь, понимать и чем владеть по завершении обучения, для чего создаются специальные фонды оценочных средств. Для более полной картины разрабатывается полноценный паспорт компетенций, состоящий из перечня компетенций, которые должны быть сформированы во время обучения от первого курса и до выпуска. При этом для повышения эффективности обучения необходимо установление достижений обучающегося на каждом этапе, отслеживание уровня сформированности его компетенций, сбор данных и анализ на количественном и качественном уровнях [3].
Следующий подход, который необходимо учитывать наряду с компетентностным, - таксономический, позволяет определить уровни образовательных целей и результатов обучения, структурировать систему оценочных заданий. Для всех таксономических описаний, определяющих эффективность и качество обучения, свой-
ственно постепенное усложнение познавательной деятельности обучающихся. К примеру, Б. Блум [5] описывает уровни обученности или последовательные познавательные категории и степень усвоения информации.
Ю. Г. Татур1, развивая идеи таксономического подхода, предлагает методику оценки уровня сформированности компетенций, состоящую из трех компонентов: гностического (характеризующего качество знаний как основу компетенции); функционального (выявляющего и определяющего умения); ценностно-этического (определяющего отношение к деятельности). Технология реализации методики Ю. Г. Татура включает: 1) выбор оцениваемой компетенции; 2) разработка заданий, соответствующих уровням гностических или функциональных компонентов; 3) процедура выполнения заданий; 4) определение уровня сформированности каждой компоненты компетенции по описаниям в таксономических таблицах, приводимых автором; 5) определение по специальной таблице суммарного балла, характеризующего уровень сформированности компетенции студента.
Квалиметрический подход направлен на повышение объективности оценки уровня знаний студентов, позволяет проводить статистический анализ достигнутых результатов и корректировать процесс обучения2. В соответствии с ним организация оценки строится на основе методологии квалиметрии (направление, связанное с количественным описанием качества предметов или процессов); где цели и результаты обучения (в т.ч. уровень сформированности компетенций) представляются в измеряемых значениях. Каждому показателю, характеризующему уровень сформированности компетенции, придается числовое значение. Результаты измеряются баллами, шкалируются и анализируются средствами статистического и математического анализа.
1 Татур Ю. Г. Компетентностный подход в описании результате и проектировании стандартов высшего профессионального образования: брошюра // Материалы ко второму заседанию методологического семинара. Сер. Труды методологического семинара «Россия в Болонском процессе: проблемы, задачи, перспективы». М., 2004. 18 с. URL: http://fgosvo.ru/uploadfiles/npo/20120325221547.pdf (дата обращения: 25.05.2021)
2 Кларин М. В. Инновационные модели обучения в зарубежных педагогических поисках: учеб. пособие. М. : ИНФРА-М, 1994. 222 с
Кроме стандартных методов оценивания качества обучения нами применялись методы образовательного дата-инжиниринга, которые направлены на измерение, сбор, анализ и представление данных об обучающихся и контекстах с помощью их цифрового следа с целью понимания и оптимизации обучения и среды, в которой оно происходит, определения роли обучающегося в командной работе, его вклада, полезности, функционала и другое.
В сфере образования цифровой след - это цифровые работы обучающегося, заметки, которые он оставляет в своем цифровом профиле, результаты обучения на онлайн-курсах и так далее [2]. Полностью базируются на интернет-технологиях: благодаря цифровому следу мес-сенджеров можно определить активность в чатах, группах, каналах проекта, получить статистическую информацию о коммуникациях внутри проектной команды; цифровой след сервисов для проведения видеоконференций предоставляет информацию о входах-выходах пользователей, активность в чате и др.; цифровой след сервисов для совместной работы над документами хранит информацию о правках документа, времени, потраченном на этот процесс и т.п.; цифровой след сервисов для организации совместной работы над проектом позволяет просмотреть информацию о задачах, их статусе, сроках выполнения и ответственных за их выполнение, данные о подтверждении выполнении задач, комментарии, оставленные к задачам и так далее.
Существуют два основных типа цифровых следов: пассивные и активные. Пассивный цифровой след - это данные, собранные без ведома владельца. Пассивный цифровой след также называют выхлопными данными [6]. Активный цифровой след появляется, когда пользователь намеренно публикует свои персональные данные, чтобы рассказать о себе на веб-сайтах и в социальных медиа [8]. Пользователь может оставлять информацию намеренно или неосознанно; заинтересованные стороны пассивно или активно собирают эту информацию. В зависимости от объема этой информации можно без усилий собрать много данных о пользователе с помощью простых поисковых систем.
Социальные сети записывают действия пользователей. Это позволяет изучать интересы, социальные группы, поведение и местоположение
пользователей. Многие социальные сети, например, Facebook, собирают большой объем информации, которую можно использовать, чтобы воссоздать личность пользователя. Например, зная число друзей в социальной сети, можно предсказать, экстраверт он или интроверт. Цифровой след можно использовать без ведома его владельца, чтобы узнать его демографические характеристики, религиозные и политические взгляды, характер и умственные способности [7]. Цифровые отпечатки, составленные из публикаций и комментариев в социальных сетях, дают представление о собеседнике по ту сторону экрана и делают общение в Интернете более безопасным.
Педагогический подход основан на том факте, что коммуникативное взаимодействие пользователей сети между собой или с информационными базами подразумевает обмен знаниями. Анализу подвергается полезность, нейтральность или вредность информации с точки зрения интеллектуального, культурного, нравственного развития человека.
В сфере образования цифровой след - это письменные работы студента, заметки, тесты, онлайн-курсы, фотографии и так далее. Современные технологии позволяют распознавать лица, голос, переводить речь в текст и наоборот -и все это за считанные секунды. Основываясь на анализе и специальной обработке этого следа, мы можем дать некоторые советы студентам, направить их и сделать профессиональную подготовку более индивидуально ориентированной. Цифровой след может позволить образовательным учреждениям лучше понимать поведение студентов, оказывать им необходимую помощь, осуществлять наставничество в направлении раскрытия и развития способностей студенческой аудитории.
Одним из направлений использования цифрового следа при организации образовательного процесса является образовательная аналитика («learning analytics» или «образование на основе больших данных») - это фиксация, обработка и анализ цифрового следа с целью понимания и оптимизации образовательного процесса и образовательной среды [1]. Он используется для создания индивидуальных образовательных траекторий, совершенствования преподавания и обучения в вузе, повышения образовательных результатов.
Можно выделить такие компоненты цифрового следа как:
- технико-технологический компонент - отражение деятельности человека в Интернете и ином цифровом пространстве с точки зрения применения технологий фиксации: ^-файлы, 1Р-адреса, идентификаторы точек доступа, адреса запрошенных веб-страниц, введенные биометрические данные, параметры протоколов информационного обмена и другое;
- личностно-психологический компонент - как отражение социального профиля человека и его личного виртуального мира в медиапростран-стве - аккаунты в социальных сетях, посты, фотографии, комментарии, репосты, лайки и другое;
- поведенческий компонент - действия, которые предпринимает человек, исходя из системы представлений о себе, своих социальных установках в отношении себя и окружающих (например, запросы в поисковых системах, заказанные электронные услуги, просмотры и заказы в интернет-магазинах, регистрация аккаунтов в онлайн играх, геометки и данные геолокации о передвижениях и прочее);
- деятельностный компонент - включает в себя данные на цифровых носителях информации (файлы) с фактическими результатами деятельности или их подтверждением (продукты деятельности, артефакты, электронное портфо-лио), например, отчеты о выполненных работах, компьютерные презентации, проекты, компьютерные модели, включая разработанный программный код, спроектированные базы данных, результаты видео-, фото-, аудиофиксации деятельности, протоколы тестирования и прочее;
- компетентностный компонент, отражающий уровень наличия комплекса знаний и умений, способствующих осмыслению сущности и специфики профессиональной деятельности (например, полученные оценки за задания, отзывы и рецензии на выполненные работы, фиксация обратной связи с преподавателем курса, электронные сертификаты, грамоты, дипломы);
- коммуникативный компонент, связанный с системой коммуникаций в образовательной и профессиональной среде (сообщения форумов, открытых чатов, общей почты, досок объявлений и прочее);
- рефлексивный компонент - рефлексия, самоанализ результатов образовательной и профес-
сиональной деятельности как оценка личностью самой себя, своих возможностей, качеств и места среди других людей. Примеры представления -результаты анкетных опросов, социологических исследований и другое [4].
Организация сбора цифрового следа осуществлялась нами с использованием платформы LMS Moodle. Цифровой след фиксируется с обязательной привязкой к идентификатору обучающегося, времени фиксации цифрового следа, а также к конкретной образовательной активности. Учебно-методические данные в обязательном порядке содержат описание мероприятия, разметку его образовательных результатов и связанный с ними цифровой след для всех обучающихся (индивидуальный или групповой). Целостность цифрового следа (наличие цифрового следа по всем обучающимся/всем элементам занятия), согласованность структуры занятия и образовательных результатов/фактов деятельности, наличие дополнительных типов данных влияет на метрики качества цифрового следа и по занятию, и по обучающимся.
Задача, открывающая возможность применения цифрового следа, состоит в том, чтобы научиться фиксировать связь между конкретным актом обучения (во всей его сложности, с учетом всего контекста, в котором он происходил) и результатом обучения для студента.
Чтобы интерпретация цифрового следа стала возможной, требовалось построить процедуру его фиксации непосредственно в образовательном процессе. В исследовании принимало участие более 250 обучающихся ФГБОУ ВО «Марийский государственный университет», сбор цифрового следа осуществлялся в рамках курса «Основы проектной деятельности».
Как и многие подобные ресурсы, система позволяет просмотреть список пользователей курса и дату их последнего входа. Система собирает в качестве цифрового следа количество попыток и время, потраченное на изучение учебного материала, а также фиксирует завершено или нет изучение материала (рис. 1). При формировании рабочей программы дисциплины данная информация поможет определить сложность материала и скорректировать время, отводимое на изучение той или иной темы. Также фиксируется цифровой след обращения к элементам курса (форум, чат и т.д.) в целом.
Просмотр Редактировать Отчеты Оценить =
Обзор Подроби
Видимые группы_ I Все участники
Просмотреть все оценки курса
Название Адрес электронной почты Попытки Высший результат
Андреев Кирилл st2001069S@no-ema il. local □ 809t вторник. 15 сентября 2020.14:49, (1 ч. 46 мин,) □ Лекция не завершена пятница. 27 ноября 2020,16:03 8036
Асадуллаев Дон мер si20011 S54@no-ema ¡1. local □ 92.86% понедельник, 12октября 2020,14:35, (сейчас] □ четверг, 21 января 2021,21:5б, (26 мин. 15 сек.) 92.86%
Виноградов Вячеслав [email protected] □ Лекция не за вершена 0%
Гамирова Айсылу st2001 Q700@no-ema II. local □ 100% воскресенье, 13 сентября 2020,16:06. (2 час. 2 мин,) □ Лекция не за вершена понедельник, 21 сентября 2020,18:17 100%
Изиткина Людмила Я2001 0702@tio-ema il, local □ 100% среда, 16 сентября 2020,14:14, (сейчас) □ четверг, 17 сентября 2020,17:24, {3 час, 14 мин,) 100%
Исмоил ов Улугбек
st20011856@no-ema il. local
Лекция не за вершена пятница, 22 января 2021,11:36 □
Лекция не за вершена пятница, 18 июня 2021,17:30
Рис. 1. Список обучающихся с результатами чтения лекционного материала / Fig. 1. List of students with the results of reading lecture material
Одним из самых значимых цифровых следов, оставляемых обучающимся в системе, являются следы, извлекаемые из прохождения им активностей по оценке компетенций (рис. 2). Благодаря данной информации мы можем определить, насколько вопросы теста составлены корректно. Если на какой-то вопрос в большинстве случаев обучающиеся дают неверный ответ, то, возможно,
стоит пересмотреть его формулировку или теоретический материал, по которому построен тест. И с другой стороны, если на тест более 90 % обучающихся дают правильные ответы, то возможно вопросы в нем слишком тривиальные (рис. 3).
Также можно просмотреть цифровые следы обучающихся по результатам выполнения практических работ (рис. 4).
; Навигация по тесту
нввввванваввв
Закончить обзор
& Навигация
©Личный кабинет # Домашняя страница V Мои курсы > Moodle
> 02.04.03 Математическое обеспечение и администриро... V 02.03.03 Математическое обеспечение и администриро...
1&"Метрология_качествоПО ^ ОшовыПрограммирования > Участники
V Значки И Оценки
V Тема 2. Язык программирования ОС++. Структура про... V Проверочный тест по теме "Введение в С++"
¡©"Практикум по системному программированию (В к. Вин...
> 09.03.02 Информационные системы и технологии
> 09.04.02 Информационные системы и технологии
> 09.02.07 Информационные системы и программирование
Лаптев Павел
Тест начат
Состояние Завершенные
Завершен воскресенье, 27 сентября
Прошло 1В мин, 52 сек. времени
Баш 18,2/22,0
Оценка 4,1 из5,0(8$)
История ответов
Шаг Зрею ¿efcrt* Сотне
1 7МЩ№ Кечеао Гьв нет ответе
г тщш Coç&ie-c ~tn фртор ортита ar/pw» сок» Ошегаирнн
з иш,ш Пмвэдрш ЧПМППрашшй H5
Рис. 2. Статистика по тесту для отдельно взятого обучающегося / Fig. 2. Test statistics for an individual student
Рис. 3. Решаемость тестовых вопросов в тесте № 3 курса / Fig. 3. Solvability of test questions in test No. 3 of the course
Рис. 4. Сводная таблица по результатам выполнения практического задания / Fig. 4. Summary table of the results of the practical task
Цифровые следы обучающихся, оставлен- ности, также можно консолидировать и иссле-ные ими в процессе коммуникативной деятель- довать (рис. 5).
Рис. 5. Отчет по отдельно взятому обучающемуся о сообщениях в форуме курса / Fig. 5. Individual student report on messages in the course forum
В рамках выполнения проектной работы деятельность обучающихся не заканчивается работой в LMS Moodle. Они также ведут работу над проектом во внеучебное время в рамках совместной деятельности. В процессе этой работы они используют большое количество интернет-сервисов, в которых также оставляют свои цифровые следы.
Многие интернет-сервисы для совместной работы реализованы средствами Google. Работая в команде или мини-группой авторизиро-ванных пользователей в Google документах можно просматривать, что именно тот или иной пользователь разместил в этом документе. Кроме этого, отображается даже время, когда происходили изменения.
Еще одна возможность Google документов -это оставлять комментарии и правки владельцу документа, которые отображаются у остальных обучающихся в отдельном диалоговом окне. Для обучающихся существует чат для обсуждения каких-либо вопросов, в реальном времени можно увидеть, чем занимается тот или иной член команды, попросить о помощи или самому помочь советом.
С помощью цифрового следа мы определяли, какой обучающийся что записал, оформил, а ка-
кой отсиживался и ничего не делал. Кроме того, это позволило увидеть, как обучающиеся распределяют обязанности и общаются в мини-группах без фактического присутствия педагога и тотального контроля. Особенности оценивания проектных работ на сервисе Google с помощью анализа цифрового следа обучающегося дает более детальный анализ и проекта, и личности обучающегося состоящего в команде проекта.
Таким образом, достижение эффективности и качества образования - это важнейшая задача любого учебного заведения. При этом оценка эффективности должна удовлетворять таким универсальным принципам, как конкретность (четкое определение критериально-оценочной базы оценивания, подходов к ее измерению); целостность (обеспечение полного объема требований к результатам обучения); технологичность (обоснованность методологических и технологических средств для получения оценочной информации и выполнения необходимых расчетов).
Использование технологии цифрового следа при оценивании проектной деятельности студентов способствует расширению возможностей для каждого человека по реализации персональных траекторий развития; обеспечивает условия для
реализации адаптивного обучения; предлагает многообразие вариантов развития обучаемых с учетом их личностных качеств и образовательных результатов и запросов; позволяет осуществлять постоянный мониторинг действий
и уровень компетенций студентов. А использование больших данных и аналитики в области проектной деятельности позволяет заложить основы эффективной командной работы и послужить базой для персонализированного учебного плана.
1. Мантуленко В. В. Перспективы использования цифрового следа в высшем образовании // Преподаватель ХХI век. 2020. № 3-1. URL: https://cyberleninka.ru/article/n/perspektivy-ispolzovaniya-tsifrovogo-sleda-v-vysshem-obrazovanii (дата обращения: 20.05.2021).
2. Семенова Д. А., Токтарова В. И., Организация проектной деятельности студентов на основе сервисов интернет-технологий // Мир университетской науки: культура, образование. 2020. № 4. С. 29-40.
3. Фомин Н. В. Технология разработки требований к результатам образования в контексте ФГОС ВПО // Стандарты и мониторинг в образовании. 2013. № 4 (91). С. 24.
4. Шамсутдинова Т. М. Когнитивная модель траектории электронного обучения на основе цифрового следа // Открытое образование. 2020. № 24 (2). C. 47-54. URL: https://openedu.rea.ru/jour/artide/view/726/475 (дата обращения: 18.05.2021).
5. Bloom B. S. Taxonomy of educational objectives. The Classification of Educational Goals. Vol. 1, 2. N.Y., 1967. 324 p. URL: https://www.uky.edu/~rsand1/china2018/texts/Bloom%20et%20al%20-Taxonomy%20of%20Educational%20Objectives.pdf (дата обращения: 15.05.2021).
6. Girardin, Fabien; Calabrese, Francesco; Fiore, Filippo Dal; Ratti, Carlo; Blat, Josep. Digital Footprinting: Uncovering Tourists with User-Generated Content // IEEE Pervasive Computing. 2008. Vol. 7. No. 4. Pp. 36-43. DOI: https://doi.org/10.1109/MPRV.2008.71
7. Kosinski M., Stillwell D., Graepel T. Private traits and attributes are predictable from digital records of human behavior // Proceedings of the National Academy of Sciences of the United States of America. 2013. Vol. 110. No. 15. Pp. 5802-5805. DOI: https://doi.org/10.1073/pnas.1218772110
8. Madden M., Fox S., Smith A. & Vitak J. Digital Footprints. Pew Research Center. 2007. URL: https://www.pewresearch.org/internet/2007/12/16/digital-footprints/ (дата обращения: 15.05.2021).
9. Toktarova V. I., Semenova D. А. Digital Pedagogy: Analysis, Requirements and Experience of Implementation // Journal of Physics: Conference Series. 2020. Vol. 1691. Conf. Ser. 1691 012112 (1-5). DOI: https://doi.org/10.1088/1742-6596/1691/1/012112
Статья поступила в редакцию 07.06.2021 г.; одобрена после рецензирования 12.07.2021 г.; принята к публикации 28.07.2021 г. Об авторах
Токтарова Вера Ивановна
доктор педагогических наук, доцент, проректор по цифровой трансформации - руководитель проектного офиса, Марийский государственный университет (424000, Российская Федерация, г. Йошкар-Ола, пл. Ленина, д. 1), ORCID: https://orcid.org/0000-0002-3590-3053, [email protected]
Семенова Дина Алексеевна
заместитель руководителя проектного офиса, старший преподаватель, Марийский государственный университет (424000, Российская Федерация, г. Йошкар-Ола, пл. Ленина, д. 1), ORCID: https://orcid.org/0000-0002-7892-3003, [email protected]
Зарипов Ренат Назипович
доктор педагогичяеских наук, профессор, декан факультета управления и автоматизации, Казанский национальный исследовательский технологический университет (420015, Российская Федерация, г. Казань, улица Карла Маркса, д. 68), [email protected]
Все авторы прочитали и одобрили окончательный вариант рукописи.
1. Mantulenko V. V. Perspektivy ispol'zovaniya tsifrovogo sleda v vysshem obrazovanii [Prospects for digital footprint usage in the higher education]. Prepodavatel' XXI vek = Prepodavatel XXI vek, 2020, no. 3-1. Available at: https://cyberleninka.ru/ article/nperspekivy-ispolzovaniya-tsifrovogo-sleda-v-vysshem-obrazovanii (accessed 20.05.2021). (In Russ.).
2. Toktarova V. I., Semenova D. A. Organizatsiya proektnoi deyatel'nosti studentov na osnove servisov internet-tekhnologii [Organization of students' project activities based on Internet technology services]. Mir universitetskoi nauki: kul'tura, obrazovanie = The world of academia: culture, education, 2020, no. 4, pp. 29-40. (In Russ.).
3. Fomin N. V. Tekhnologiya razrabotki trebovanii k rezul'tatam obrazovaniya v kontekste FGOS VPO [Technology related to development of requirements to education results in the context of Federal State Educational Standards of higher professional education]. Standarty i monitoring v obrazovanii = Standards and Monitoring in Education, 2013, no. 4 (91), pp. 24. (In Russ.).
4. Shamsutdinova T. M. Kognitivnaya model traektorii elektronnogo obucheniya na osnove tsifrovogo sleda [Cognitive model of electronic learning trajectories based on digital footprint]. Otkrytoe obrazovanie = Open Education, 2020, no. 24 (2), pp. 47-54. Available at: https://openedu.rea.ru/jour/article/view/726/475 (accessed 18.05.2021). (In Russ.).
5. Bloom B. S. Taxonomy of educational objectives. The Classification of Educational Goals. 1967, vol. 1, 2, N. Y., 324 p. Available at: https://www.uky.edu/~rsand1/china2018/texts/Bloom%20et%20al%20-axonomy%20of%20Educational%20Objectives.pdf (accessed 15.05.2021). (In Eng.).
6. Girardin F., Calabrese F., Fiore F. D., Ratti C. and Blat J. Digital footprinting: uncovering tourists with user-generated content. IEEE Pervasive Computing, 2008, vol. 7, no. 4. pp. 36-43. (In Eng.) DOI: https://doi.org/10.1109/MPRV.2008.71
7. Kosinski M., Stillwell D., Graepel T. Private traits and attributes are predictable from digital records of human behavior. Proceedings of the National Academy of Sciences of the United States of America, 2013, vol. 110, no. 15, pp. 5802-5805. (In Eng.). DOI: https://doi.org/10T 073/pnas.1218772110
8. Mary Madden, Susannah Fox, Aaron Smith & Jessica Vitak Digital footprints. Pew Research Center, 2007. Available at: https://www.pewresearch.org/internet/2007/12/16/digital-footprints/ (accessed 17.05.2021). (In Eng.).
9. Toktarova V. I., Semenova D. A. Digital pedagogy: analysis, requirements and experience of implementation. Journal of Physics: Conference Series, 2020, vol. 1691 012112. (In Eng.). DOI: https://doi.org/10.1088/1742-6596/1691/1/012112
The article was submitted 07.06.2021; approved after reviewing 12.07.2021; accepted for publication 28.07.2021.
About the autors Vera I. Toktarova
Dr. Sci. (Pedagogy), Associate Professor, Vice-Rector for Digital Transformation - Head of the Project Office, Mari State University (1 Lenin Sq., Yoshkar-Ola 424000, Russian Federation), ORCID: https://orcid.org/0000-0002-3590-3053, [email protected]
Dina A. Semenova
Deputy Head of the Project Office, Senior Lecturer, Mari State University (1 Lenin Sq., Yoshkar-Ola 424000, Russian Federation), ORCID: https://orcid.org/0000-0002-7892-3003, [email protected]
Renat N. Zaripov
Dr. Sci. (Pedagogy), Professor, Dean of the Faculty of Management and Automation, Kazan National Research Technological University (68 Karl Marx St., Kazan 420015, Russian Federation), [email protected]
All authors have read and approved the final manuscript.
