ПЕДАГОГИЧЕСКИЙ ФОРСАЙТ: БОЛЬШИЕ ДАННЫЕ Текст научной статьи по специальности «Науки об образовании»

т

ПЕДАГОГИЧЕСКАЯ ПЕРСПЕКТИВА. 2021. № 1. С. 15-22.

2021; 1 : 15"22'

Научная статья УДК 378.046.4

яЯЯШгкшш

ПЕДАГОГИЧЕСКИМ ФОРСАЙТ: БОЛЬШИЕ ДАННЫЕ

Т.Б. Волобуева

Донецкий республиканский институт дополнительного педагогического образования, Донецк, Донецкая народная республика, [email protected]

Аннотация. В статье актуализируется стратегическая значимость глобального педагогического прогнозирования. Обосновывается включение форсайт технологии в дополнительные профессиональные программы повышения квалификации педагогических кадров. Выделяются и характеризуются четыре форсайт-сессии. Аргументируется выбор технологии «Большие данные» для инструментария реализации форсайт-проектов. Анализируются перспективы использования специальных методов и инструментов обработки больших данных в образовании, их технические особенности. В работе выделены основные преимущества больших данных, ценных для образования: сбор информации из разнообразных источников; увеличение качества процессов за счет всестороннего анализа в реальном времени; хранение мегакрупных массивов данных; большая проницательность к скрытой информации; снижение рисков, оптимизация решений. Аргументированы образцы больших данных в познании картины мира, педагогических исследованиях, оценивании качества образования. Обозначены, выделенные педагогами на форсайт-сессии, барьеры использования Big Date в педагогической практике.

Ключевые слова: педагоги, повышение квалификации, форсайт-технология, форсайт-сессия, большие данные, прогнозирование, развитие, моделирование.

Для цитирования: Т.Б. Волобуева. Педагогический форсайт: большие данные // Педагогическая перспектива. 2021. № 1. С. 15-22.

PEDAGOGICAL FORESIGHT: BIG DATA

T.B. Volobueva

Donetsk Republican Institute of Additional Pedagogical Education, Donetsk, Donetsk People's Republic, [email protected]

Abstract. The strategic importance of global pedagogical forecasting is actualized in the article. The demands of the digital society dictate the need to master the latest information technologies. Comparative analysis of technologies and results of teachers ' foresight sessions is the leading idea of the research methodology. The author substantiates the inclusion of foresight technology in additional professional training programs for teachers. Four foresight sessions are distinguished and characterized. Choice Big Date for instruments for the implementation of the foresight project argued. Prospects for using special methods and tools for big data processing in education, their technical features are analyzed. The main advantages of big data valuable for education are highlighted: collection of information irom various sources; improving the quality of processes through comprehensive real-time analysis; storage of mega large data sets; greater insight into hidden information; risk reduction, optimization of solutions. Samples of big data in the knowledge of the picture of the world, pedagogical research, evaluation of the quality of education are reasoned. Barriers to the use of Big data in pedagogical practice, highlighted by teachers at the foresight session, are indicated.

Keywords: teachers, advanced training, foresight technology, foresight session, big data, forecasting, development, modeling.

For citation: Volobueva T.B. Pedagogical foresight: Big Data. Pedagogical perspective. 2021; 1 : 15-22. (In Russ.)

© Волобуева Т.Б.

15

Одним из наиважнейших вызовов, с которым столкнулось молодое государство - Донецкая народная республика - является технологическое отставание от ведущих стран мира. Устойчивое экономическое развитие зависит от многих параметров, и один из них - способность системы образования подготовить компетентных выпускников общеобразовательных организаций. Для того чтобы занять достойное место в мировом образовательном сообществе, нужно обоснованно и грамотно выстраивать приоритеты развития отрасли, наращивать конкурентоспособность. Для этого нужны перспективные проекты, инновационные программы, технологические нововведения.

В настоящее время во многих зарубежных странах базовым инструментом развития стали форсайт-технологии. Применение их в дополнительном профессиональном образовании будет способствовать прогрессивности обучения педагогов, стимулированию освоения ими новейших техник, адаптации современных инструментов к педагогическим целям.

Ученые и практики исследовали различные методики работы со слушателями на курсах повышения квалификации в поиске эффективных нововведений в соответствии с вызовами времени. В арсенале преподавателей информационно-коммуникативные, проектные, компетентностно-ориентированные, рефлексивные и другие технологии [1]. Для обеспечения опережающего содержания дополнительных профессиональных программ появляется потребность освоения прогностических техник, ранее не используемых в обучении педагогов.

Современные исследователи занимались проблемой долгосрочного прогнозирования, что нашло отражение в трудах таких авторов, как И.В. Бестужев-Лада [2], Ю.В. Яременко [3], Ю.В. Яко-вец[4]идр.Форсайтисследованиюпосвя-щены работы С.А. Смирнова [5], А.В. Соколова, А.А. Чулок [6] и др.

Подавляющее большинство исследований посвящено форсайту в сфере экономики, менеджмента и технологий. Концептуальные основы образовательного форсайта разрабатывали Б.С. Гершунский [7], И.Д. Демакова [8] и др. Многие направления форсайт-технологии еще не исследованы в достаточной степени, в частности их развивающий потенциал в дополнительном профессиональном образовании педагогических кадров. Прогнозирование развития опирается на изучения технологий, востребованных в будущем. Таким образом, образовательный форсайт побуждает изучать и применять мета-предметные, межотраслевые новейшие технологии.

Целью данной статьи является анализ исследования возможностей Big Datа на форсайт-сессии в рамках курсов повышения квалификации.

Перспективность Big Data, как инструмента обработки и хранения больших данных, подчеркивается вызовами времени, потребностью более глубокой персонификации обучения, цифровыми предпочтениями нового поколения. Приобщаясь к высоким технологиям, педагоги на курсах повышения квалификации имеют возможность освоить нововведения, углубить свои аналитические и прогностические компетенции, выработать методику использования новых знаний и умений в школьной практике.

Важными составляющими профессиональной компетентности педагогических кадров являются способность к анализу, моделированию, прогнозированию. Поэтому в дополнительные профессиональные программы повышения квалификации Донецкого республиканского института дополнительного педагогического образования было введено изучение форсайт-технологий. Особенно они актуальны для руководителей общеобразовательных организаций, их заместителей, заведующих и методистов муниципальных

методических служб. Но и педагогам важно прогнозирование развития образования для опережающей ориентации обучения. Освоение форсайт-технологий педагогами на курсах повышения квалификации проходит на четырех форсайт-сессиях. На первой сессии изучается теория по проблеме, на второй - методом мозгового штурма формируется образ будущего. Чтобы выпускник был успешен, он должен ориентироваться в сфере высоких технологий, а значит, педагогам тоже нужны соответствующие компетенции. Исследуются инновационные технопарки с точки зрения продуктивности их в образовании. Далее слушатели объединяются в группы и разрабатывают фосайт-проек-ты, дорожные карты их реализации.

На заключительном этапе проходит защита проектов с использованием метода «займи позицию» и элементов ролевой игры. Одни педагоги в процессе защиты поочередно выполняют роли оппонента, сподвижника, спонсора, промоутера, другие - оценивают проекты, с точки зрения работника министерства, родителя, директора образовательной организации, работодателя, школьника. Каждому участнику форсайт-сессии приходится побывать и в роли спикера, и в каждом из выше перечисленных образов.

В межкурсовой период на постоянно действующих семинарах, в методических лабораториях и педагогических мастерских также проводятся форсайт-сессии по актуальным направлениям развития образования. Особенно остро проходят обсуждения в смешанных группах, когда на семинар приглашаются руководители, методисты, учителя.

Одним из вызовов сессий стало изучение возможностей больших данных для образовательных моделей будущего. Работа с большими массивами информации требует использования новейших информационных технологий.

В образовании много говорится о качестве. Им обеспокоены учителя,

родители, управленцы. От него зависит успешность обучающегося в жизни, самореализация в социуме. Качеству образования уделяли внимание отечественные и зарубежные исследователи. Но понятие «качество образования» многофакторное, и, несмотря на большое количество существующих определений, каждый участник образовательного процесса вкладывает в него свое понимание и характеризует своим набором значимых факторов влияния.

Параметрическая модель качества содержит следующие основные компоненты: качество целей (стратегических, оперативных, тактических, ситуативных), качество условий (качество финансирования; качество нормативно-правового обеспечения; качество санитарно-гигиенических условий, безопасности; качество психологического фона, условий для личностного развития; качество ресурсного обеспечения; качество кадрового состава; качество образовательной и социокультурной среды), качество процесса (качество субъектов образования; качество содержания; качество методик и технологий обучения; качество преподавания; качество оборудования; качество диагностики, мониторинга, измерения и оценки компетенций; преемственности и непрерывности; преемственности и непрерывности; качество информационных потоков; качество дополнительных услуг в сфере образования; качество исследовательской и инновационной работы; качество управления образовательным процессом), качество результатов (личностных, метапредметных, предметных, уровня развития жизненных компетенций, качества соотношения целей и результатов, уровня удовлетворенности образованием). Надежность и валидность измерения качества образования обеспечивается обработкой больших данных.

На данный момент остро востребован инструмент, который бы измерял не только большое количество па-

раметров, но и прогнозировал вектор развития, способствовал принятию оптимального решения, побуждал к изменениям, высвечивал проблемные зоны и т.д. Если выделить такой показатель качества обучения как оценка, то нужно замерить все факторы, влияющие на нее: знания, состояние здоровья, атмосфера в классе, семейные отношения, ценностные ориентиры, память, внимание, скорость чтения и пр. Обработав огромное количество данных, создается цифровой двойник обучающегося, по которому можно прогнозировать зону ближайшего развития, учитывать риски. Цифровая модель динамична, постоянно обновляющаяся. Это тоже нужно учитывать при составлении, например, индивидуальной траектории обучения, которую следует корректировать, прогнозируя образовательную активность в соответствии с обновлением цифрового двойника. Функции индивидуального сопровождения обучающегося тоже можно доверить современным интеллектуальным системам.

На форсайт-сессии педагоги осмысливали суть понятия «большие данные» или «Big Data». Сегодня результаты интеллектуальной деятельности людей превращаются в океан информационных потоков. Генераторами большого количества данных являются бизнес-хранилища, показания множества устройств, файлообменники, социальные сети и пр. Например, Нью-Йоркская Фондовая Биржа за каждую сессию ежедневно сохраняет терабайт данных о торгах. В Facebook ежедневно загружается 500 терабайт новых фотографий, видео, комментариев. Каждые полчаса полёта реактивный двигатель выдает 10 терабайт информации. Тысячи ежедневных перелетов формируют петабайты данных. Медицинские обследования, коммунальные службы, электростанции, телефоны генерируют лавины инфоединиц. Появились умные сети электроснабжения «smart grid», которые дают возможность коммуналь-

ным службам измерять десятки тысяч показателей потребления электроэнергии ежесекундно. Прогнозируется увеличение мирового объема информации в 2021 году до 44 зеттабайтов [9], что в перерасчете на численность населения планеты составит примерно 5200 Гб. К этому времени накопленные массивы информации будут удваиваться каждые два года.

Исследуя проблему, педагоги убедились в том, что традиционные системы управления базами данных (БД) не справятся с таким количеством инфо-единиц по причинам, связанными с некоторой спецификой Big Data:

- большие данные расположены в различных хранилищах, поэтому обычные инструменты их корреляции не работают;

- традиционные БД обрабатывают структурированную информацию, а большие данные хранятся в различных форматах;

- непрерывное обновление данных.

В таблице 1 представлена сравнительная характеристика больших данных и традиционных БД [10, с. 18].

Осознание приближения информационного коллапса помогло слушателям курсов повышения квалификации понять важность Big Data. Этот термин использовался впервые в 2008 году в журнале «Nature», специальный выпуск которого был посвящен неуправляемому росту массивов информации в мире. К большим данным относят такое количество инфоединиц, которое не в состоянии хранить и обрабатывать типовые программные инструменты [10]. Но в это понятие входит и эффективная работа с огромным количеством данных различного формата, находящихся в разных источниках, постоянно обновляющихся для оценивания ключевых тенденций, прогнозирования рисков, конструирования моделей, создания новых продуктов и т.д. Наиболее адекватное определение, на наш взгляд, дает кон-

Таблица 1

Сравнительная характеристика больших данных и традиционных БД

Параметры данных Традиционные базы данных Большие Данные

Количество информации для обработки От гигабайта (109 байт) до терабайт (1012 байт) От петабайт (1015 байт) до экса-байт (1018 байт)

Характеристика данных Только структурированные данные Очень большие массивы информации со сложной неопределенной и\или неоднородной структурой

Модель хранения и обработки данных Вертикальная модель Горизонтальная модель

Способ хранения данных Централизованный Децентрализованный

Область применения Одна или более предметная область применения Обширная сфера применения: выявления предпочтений клиентов, анализа рисков, моделирование, прогноз и др.

салтинговая компания Forrester: «Большие данные объединяют техники и технологии, которые извлекают смысл из данных на экстремальном пределе практичности» [9]. Приоритетными задачами данных технологий являются: организация неструктурированной информации; хранение и управление сотнями терабайт или петабайт данных; генерирование аналитических отчетов, прогностических моделей.

Педагоги ранее на практике подтверждали действенность технологий других отраслей, адаптированных к педагогическим системам. В IT-инду-стрии, веб-маркетинге Big Data становится важнейшим трендом. К их преимуществам, в первую очередь, относят:

- сбор информации из разнообразных источников;

- увеличение качества бизнес-процессов за счет всестороннего анализа в реальном времени;

- хранение мегакрупных массивов данных;

- большую проницательность к скрытой информации (инсайты);

- снижение рисков, оптимизацию решений.

Участники форсайт сессии обозначили барьеры, препятствующие внедрению Big Data в образование:

- недостаток знаний и опыта работы с большими данными, непонимание потенциальных возможностей и преимуществ;

- полное отсутствие специалистов в сфере образования, владеющих инструментарием обработки больших данных, активных пользователей платформ Big Data;

- недоступность платных приложений для работы с большими данными;

- нехватка методик и экспертов по оцениванию достоверности предоставляемой информации;

- недостаточная ясность целей использования накопленных данных;

- слабая инновационная готовность руководителей, склонность к традиционности;

- инертность системы образования.

Одним из стержневых результатов использования Big Data является повышение конкурентоспособности. Сильные стороны использования больших данных ценны и в образовании.

Для хранения больших данных применяют распределительные файловые системы и специальные озера (big lake). В первом случае для систематизации и управления информацией используются стандартные технические решения.

Например, система Hadoop накапливает и управляет данными в объемах от нескольких терабайт до петабайт. Они сохраняются на жестких дисках тысяч компьютеров. Для усиления надежности делают несколько резервных копий. Для отслеживания местонахождения конкретной информации используется специальная карта, реализующая идею алгоритма Map-Reduce: входящие данные распределяются на узлы, после первоначальной обработки (map-шаг) объединяются (reduce-шаг) [11].

Big lake имеет ряд преимуществ:

- данные анализируются без обработки, в исходном виде;

- озера более экономны, чем хранилища структурированной информации;

- доступна одновременная работа нескольких пользователей.

На коммерческих сайтах встречается термин Extremely Big Data, который применяется для хранящихся годами

Немаловажна и мультимедийная визуализация процесса и результатов исследования в виде диаграмм, аними-рованных схем и пр. Они упрощают понимание тенденций, расширяют интерпретацию полученных данных.

Картина мира в современном обществе тоже описывается большими данными. В образовательном процессе важное место занимает наблюдение обучающегося за объектами, процессами, явлениями окружающей действитель-

данных. Популярной платформой больших данных является BDP (Big Data Platform).

На форсайт-сессии курсов повышения квалификации педагогических кадров рассматривались перспективы развития образования через новые технологические решения. Ценность Big Data для педагогических исследований не вызвала сомнений. Их можно расширить и углубить за счет значительного увеличения и разнообразия меняющихся данных для анализа. Высокая скорость получения и обработки информации позволит вносить своевременнее коррективы в разработанные педагогические модели и стратегии. Большие данные станут информационной основой для усовершенствования инстру-ментариев исследований.

В таблице 2 представлено сравнение традиционного анализа исследовательских данных и анализа с помощью Big Data.

ности. Так накапливаются информация, опыт, формулируются описания объектов наблюдений в количественных и качественных характеристиках, свойствах, признаках, взаимоотношениях. Далее создаются системы, модели. Формируются разноуровневые блоки информации. Чем сложнее исследуемый объект, тем объемнее массив данных о нем, массивнее описательные параметры.

Таблица 2

Традиционный и инновационный анализ исследовательских данных

Традиционный Big Data анализ

Постепенный анализ небольших порций данных Анализ всего потока доступных данных

Сортировка и редактирование данных перед анализом Анализируется исходный вид данных

Формулирование гипотезы и проверка ее по данным Поиск взаимосвязей по всему массиву данных до получения запрошенной информации

Анализ данных производится после их сбора, обработки и хранения Непрерывный анализ данных по мере поступления

Big Data импонирует школьникам, т.к. предполагает использование электронного обучения, которое подпиты-вается интересом к информационным технологиям, гаджетам. Появились обучающие экспертные системы. Они используют элементы искусственного интеллекта, работают не с базами данных, а с базами знаний, непрерывно самообучаются. Большие данные позволяют им постоянно наращивать свои возможности и адаптироваться к каждому пользователю. В них используется новый формат машинного обучения Deep learning, что в переводе означает Глубокое обучение. В нем компьютерная программа больше не опирается на опыт программиста, а создает сама многоуровневые модули, а средства поиска связей и правил в огромных объемах информации ищут новые факторы влияния.

Таким образом, использование форсайт-технологий в дополнительном профессиональном образовании педагогических кадров подтвердило ее востребованность, перспективность,

развивающий потенциал. Одним из преимуществ форсайт-сессии является побуждение к овладению высокими технологиями для конструирования образовательных процессов, адекватных будущим потребностям высокоразвитого общества. В процессе моделирования развития образования педагоги выделили Big Data как один из ориентиров модернизации педагогической практики. Используя ресурсы больших данных можно конструировать обучение так, чтобы было интересно и максимально продуктивно. Резидентные программы больших данных будут формировать наборы стереотипных поведенческих реакций (паттерны) каждого ученика, фиксировать другие показатели и на их основе создавать не только цифрового двойника обучающегося, но и индивидуального цифрового репетитора, коуча. Роль учителя эволюционирует в менеджера образовательных проектов, педагогического дизайнера обучающих систем, координатора образовательных инициатив.

Список литературы

1. Шевченко А.А. Современные технологии последипломного образования педагогических кадров // Педагогическая сокровищница Донетчины. 2020. №1. С. 18-26.

2. Бестужев-Лада И.В. Социальное прогнозирование: курс лекций. М.: Педагогическое общество России, 2002. 392 с.

3. Яременко Ю.В. Об экономике. М.: МАКС Пресс, 2015. 272 с.

4. Яковец Ю.В. Российская цивилизация: происхождение, эволюция и прогнозы будущего // Стратегические приоритеты. 2019. Вып. 3-4. С. 147-155.

5. Смирнов С.А. Прогноз и форсайт: две парадигмы будущего. Методологический аспект // Вестник НГУЭУ. 2015. № 2. С. 27-45.

6. Соколов А.В., Чулок А.А. Долгосрочный прогноз научно-технологического развития России на период до 2030 года: ключевые особенности и первые результаты // Форсайт. 2012. №1. С. 12-25.

7. Гершунский, Б.С. Образовательно-педагогическая прогностика: теория, методология, практика: учебное пособие. М: Флинта: Наука, 2003. 764 с.

8. Демакова И.Д. Воспитательная деятельность педагога в условиях парадигмального сдвига: методологический аспект // Образование и саморазвитие. 2013. № 4. С. 22-30.

9. Эпоха данных - 2025. URL: https://www.seagate.com/gb/en/our-story/data-age-2025/ (дата обращения: 28.06.2019).

10. Будзко В.И. Системы высокой доступности и Большие Данные // Большие данные в национальной экономике: сб. научн. ст. М: Открытые системы, 2013. С. 16-19.

11. Бассей М. Концептуальные основы Форсайт-исследований и их эффекты: классификация и практическое применение // Форсайт. 2013. Т. 7. № 3. С. 64-73.

12. Лэм Чак. Hadoop в действии. М.: ДМК Пресс, 2012. 425 с.

References

1. Shevchenko A.A. Modern technologies of postgraduate education of pedagogical personnel. Pedagogicheskaya sokrovishchnitsa Donetchiny. 2020. №.1. P. 18-26 [in Russian].

2. Bestuzhev-Lada I.V. Social forecasting: course of lectures. - M: Pedagogicheskoye obshchestvo Rossii, 2002. 392 p. [in Russian].

3. Yaremenko Yu.V. On Economics. M: MAKS Press, 2015. 272 p. [in Russian].

4. Yakovets, Yu.V. Russian civilization: origin, evolution and forecasts of the future. Strategicheskiye prioritety. 2019. Vol. 3-4. P. 147-155. [in Russian].

5. Smirnov S.A. Forecast and foresight: two paradigms of the future. Methodological aspect. Vestnik NGUEU. 2015. № 2. P. 27-45. [in Russian].

6. Sokolov A.V., Chulok A.A. Long-Term forecast of scientific and technological development of Russia for the period up to 2030: key features and first results. Forsajt. 2012. № 1. P. 12-25. [in Russian].

7. Gershunsky B.S. Educational and pedagogical prognostics: theory, methodology, practice. M: Flinta: Nauka, 2003. 764 p. [in Russian].

8. Demakova I.D. Educational activity of a teacher in the conditions of paradigm shift: methodological aspect. Obrazovanie i samorazvitie. 2014. № 4. P. 22-30. [in Russian].

9. The data era - 2025. Available at: https://www.seagate.com/gb/en/our-story/data-age-2025/ (Accessed: 28.06.2019). [in Russian].

10. Budzko V. I. Systems of high availability and Big Data // Bol'shiye dannyye v natsional'noy ekonomike: sb. nauchn. st. M: Open systems. 2013. P. 16-19. [in Russian].

11. Bassey M. Conceptual foundations of foresight research and its effects: classification and practical application. Forsajt. 2013. Vol. 7. № 3. P. 64-73. [in Russian].

12. Lam Chak. Hadoop in action. Moscow: DMK Press, 2012. 425 p. [in Russian].

Информация об авторе

Татьяна Борисовна Волобуева - кандидат педагогических наук, доктор философии, доцент, отличник образования Украины, проректор по научно-педагогической работе ГОУ ДПО «Донецкий республиканский институт дополнительного педагогического образования».

Information about the authors

Tatyana B. Volobueva - Candidate of Sciences (Education), PhD, Academic Title of Associate Professor, Donetsk Republican Institute of Additional Pedagogical Education, Vice-rector for scientific and educational work.

Статья принята в редакцию 12.04.2021; одобрена после рецензирования 15.04.2021; принята к публикации 22.04.2021.

The article was submitted 12.04.2020; approved after reviewing 15.04.2020; accepter for publication

22.04.2021.