CC BY
60
Перспективы Науки и Образования
Международный электронный научный журнал ISSN 2307-2334 (Онлайн)
Адрес выпуска: https://pnojournal.wordpress.com/2022-2/22-04/ Дата публикации: 31.08.2022 УДК 378.1
С. В. Горбатов, Е. А. Краснова
Цифровой след как механизм индивидуализации образовательной траектории студента (на примере курса «Цифровые технологии самообразования»)
Введение. Цифровая трансформация сферы образования влечет за собой накопление значимого объема цифровой информации о ходе образовательного процесса. Анализ цифрового следа обучающегося может стать одним из средств индивидуализации его образовательной траектории. Для персонализации хода освоения образовательной программы оптимально использовать имеющиеся в арсенале образовательной организации ресурсы. Цель работы - описание модели электронного учебного курса на базе LMS Мсюс11е, который позволяет выстроить траекторию изучения учебной дисциплины на основе цифрового следа студента, а также описание результатов апробации указанного курса.
Материалы и методы. Моделирование электронного курса производилось на основе анализа основных принципов индивидуализации образовательной траектории, описанных в научно-методических работах. Апробирование курса «Цифровые технологии самообразования» проводилось на базе Самарского государственного университета путей сообщения. Для обработки полученных результатов применялись непараметрические методы математической статистики: для сравнения контрольной и экспериментальных групп использовался и-критерий Манна-Уитни.
Результаты. Выявлена эффективность включения в учебный процесс механизмов индивидуализации образовательной траектории: завершили обучение в срок с положительным результатом 86 % обучающихся. Количество студентов, продолживших выполнение заданий курса после получения минимальных баллов, составило 27%. Подтверждено качество знаний и умений, полученных студентами в ходе освоения электронного учебного курса с поддержкой автоматизированного механизма формирования и оценки компетенций обучаемых. Установлено положительное влияние курса «Цифровые технологии самообразования», составленного на основе алгоритмизации процесса достижения цели, на эффективность освоения родственных дисциплин (р < 0,01).
Практическая значимость. Предложенная модель построения учебного курса на базе LMS Мае^е с использованием стандартного инструментария системы является универсальной и позволяет индивидуализировать траекторию освоения студентом учебной дисциплины за счет варьирования учебных заданий в зависимости от уровня сформированности отдельных навыков.
Заключение. Алгоритмизация и автоматизация процесса сбора и обработки образовательных результатов обучающихся освобождает педагога от рутинных задач, решает проблему усиления тематических и междисциплинарных связей в процессе обучения, а также дает возможность сделать процесс обучения более гибким и персонализированным без потери качества формирования компетенций. Понимание обучающимся своего образовательного маршрута усиливает мотивацию к обучению, позволяет осознать индивидуальные потребности в формировании профессиональных навыков.
Ключевые слова: цифровая образовательная среда, электронная образовательная среда, цифровой след, индивидуальная траектория обучения, индивидуализация маршрута обучения, цифровые компетенции
Ссылка для цитирования:
Горбатов С. В., Краснова Е. А. Цифровой след как механизм индивидуализации образовательной траектории студента (на примере курса «Цифровые технологии самообразования») // Перспективы науки и образования. 2022. № 4 (58). С. 193-208. 10.32744/р$е.2022.4.12
Perspectives of Science & Education
International Scientific Electronic Journal ISSN 2307-2334 (Online)
Available: https://pnojournal.wordpress.com/2022-2/22-04/ Accepted: 14 April 2022 Published: 31 August 2022
S. V. Gorbatov, E. A. Krasnova
A digital footprint as a mechanism of individualizing a student's educational trajectory (on the case of the "Digital technologies of self-education" course)
Introduction. Digital transformation of the education sector leads to accumulation of a significant amount of digital information about the educational process. Analysis of a student's digital footprint can become one of the means of individualizing his educational trajectory. To personalize the progress of mastering an educational program, it is optimal to use the resources available in the toolbox of the educational institution. The purpose of the paper is to describe a model of an electronic training course based on LMS Moodle, which allows you to build a trajectory for studying a subject based on a student's digital footprint, as well as to describe the results of this course testing.
Materials and methods. Modeling of the e-course was carried out on the basis of the analysis of the basic principles of individualization of the educational trajectory, described in scientific and methodological works. Testing of the course "Digital Technologies of Self-Education" was carried out on the basis of the Samara State Transport University. Nonparametric methods of mathematical statistics were used to process the obtained results. To compare the control and experimental groups, the Mann-Whitney.
Results. The study revealed efficiency of including the mechanisms of individualization of the educational trajectory into the educational process. 86% of students completed their studies on time with a positive result. The number of students who continued to complete the course assignments after receiving the minimum points was 27%. The research confirmed the quality of knowledge and skills obtained by students in the course of mastering an electronic training course with the support of an automated mechanism for forming and assessing students' competencies. The study proved the positive impact of the course "Digital Technologies of Self-Education", developed on the basis of the algorithmization of the process of achieving the goal, on mastering related subjects (p < 0,01).
Practical significance. The proposed model for developing a training course based on LMS Moodle using standard system tools is universal and allows you to individualize the trajectory of a student's mastering of an academic discipline by varying educational tasks depending on the level of individual skills.
Conclusion. Algorithmization and automation of the process of collecting and processing educational results of students frees a teacher from routine tasks, solves the problem of strengthening thematic and interdisciplinary connections in the learning process, and also enables to make the learning process more flexible and personalized without losing the quality of competencies formation. Students' understanding of their educational route enhances their motivation for learning, allows them to realize their individual needs in developing professional skills.
Keywords: digital educational environment, electronic educational environment, digital footprint, individual learning trajectory, individualization of the educational route, digital competencies
For Reference:
Gorbatov, S. V., & Krasnova, E. A. (2022). A digital footprint as a mechanism of individualizing a student's educational trajectory (on the case of the "Digital technologies of self-education" course). Perspektivy nauki i obrazovania - Perspectives of Science and Education, 58 (4), 193-208. doi: 10.32744/pse.2022.4.12
_Введение
"ч азвитие образования во всем мире сегодня связывают с дальнейшим внедрением цифровых технологий. Как отмечают авторы фундаментального исследования «Трудности и перспективы цифровой трансформации образования»: «суть цифровой трансформации образования - достижение необходимых образовательных результатов и движение к персонализации образовательного процесса на основе использования цифровых технологий» [1, с. 30]. Взрывное внедрение информационных технологий обучения, особенно в связи с введением ограничительных мер, привело к накоплению значительного объема данных: массив нового образовательного контента, сведения о сильных и слабых сторонах применяемых образовательными организациями форматов обучения, результаты деятельности учащихся и пр. Очевидно, что образование в постпандемийную эпоху не будет прежним [2]. Весь этот «цифровой след пандемии», безусловно, нуждается в осмыслении.
В наши дни перед образовательными организациями встает задача не только обобщить и систематизировать полученный опыт, но и найти применение всем возможностям, которое дает цифровизация. В том числе, извлечь пользу из имеющейся в распоряжении цифровой информации.
Цифровой след стал неотъемлемой частью цифрового общества. Одним из свидетельств признания этого факта стал разработанный АНО «Университет национальной технологической инициативы 2035» по поручению Министерства труда и социальной защиты Российской Федерации профессиональный стандарт «Специалист по моделированию, сбору и анализу данных цифрового следа».
«Цифровой след обучающегося» - уже привычное в педагогической среде понятие, однако в последнее время оно меняет свое содержание, получая более обобщенное понимание. В. Г. Баранова и Г. В. Швецов отмечают, что в современных исследованиях «понятие цифрового следа обучаемых трактуется по-разному, но при этом прослеживается общая перспектива - переход от узкого, технического понимания следа как набора IP-адресов и отчетов о сетевой активности обучаемых, к более широкому рассмотрению» [3, с. 417]. По сути, все данные о профессиональной, обра-
\J г* \J I W
зовательной и любой иной деятельности человека, зафиксированные в электронной форме, являются компонентами его цифрового профиля. Информация в соцсетях, на сайтах и порталах, комментарии, вопросы, сообщения и прочее уже сегодня активно используется в различных сферах: от HR до юриспруденции. Цифровой след студента начинает формироваться до его поступления в вуз. Персональные данные абитуриента, результаты конкурсного отбора, сведения о выбранном направлении подготовки, записях на курсы по выбору, оценки по экзаменам, рейтинговые значения, материалы, размещенные в портфолио, - весь этот объемный массив данных отражает в итоге индивидуальный образовательный путь.
Индивидуальные образовательные траектории сегодня - не просто перспективное направление развития образовательной парадигмы, а обязательное условие, заложенное на законодательном уровне [4]. Но индивидуализация в любой отрасли - недешевое удовольствие, которое требует серьезных финансовых вложений и кадровых ресурсов.
В сложившихся условиях функционирования учебных заведений оптимальным представляется поиск возможностей поэтапной индивидуализации процесса освое-
ния образовательных программ при помощи имеющихся в арсенале образовательных организаций ресурсов.
В рамках данной работы рассмотрим основные возможности электронного курса, созданного на основе платформы Moodle как системы, способной персонализировать ход освоения учебного предмета. В качестве примера приведем дисциплину «Цифровые технологии самообразования», которая была введена в образовательные программы Самарского государственного университета путей сообщения с 1 сентября 2020 года. Включение в учебные планы этой дисциплины преследовало две цели. Во-первых, нужно было максимально быстро включить в образовательный процесс вчерашних абитуриентов, не переступавших порог университета, помочь им стать полноценными обитателями цифрового пространства университета. Во-вторых, всем студентам нужно было продемонстрировать обновленные образовательные возможности электронных ресурсов вуза, которые весной-летом 2020 года прошли серьезную трансформацию и к началу нового учебного года были объединены в единое цифровое пространство.
Названные цели обусловили требования к учебному курсу: интуитивно понятная структура и последовательность изучения материала; максимальная практикоориен-тированость и возможность выбрать темп и глубину освоения отдельных тем курса в зависимости от уровня информационных компетенций обучающегося. Значимое количество одновременно изучающих курс вкупе с малым числом обеспечивающих его преподавателей определили ключевое условие его реализации - максимальная автоматизация процессов маршрутизации, оценивания и аналитики. Электронный курс должен автоматически адаптироваться под уровень студентов на основе анализа их цифрового следа и предлагать им материалы дисциплины на основе индивидуальной образовательной траектории.
Таким образом, объектом исследования стала индивидуализация образовательной траектории на основе автоматизированного анализа цифрового следа в рамках электронного курса.
Задачами исследования стали: 1) анализ степени разработанности проблемы исследования и определение перспективных подходов к ее решению; 2) выявление основных принципов формирования содержания электронных образовательных ресурсов, учитывающих цифровой след обучающегося, в разрезе дисциплины «Цифровые технологии самообразования»; 3) анализ результатов освоения электронного курса с поддержкой автоматизированного механизма индивидуализации образовательной траектории.
_Материалы и методы
Для решения поставленных задач и проверки исходных предположений был использован комплекс взаимосвязанных методов исследования, адекватных его предмету: анализ научной и методической литературы; изучение и систематизация материала; моделирование; педагогическое наблюдение за познавательной деятельностью обучающихся; методы математической статистики: и-критерий Манна-Уитни, W-критерий Уилкоксона.
Исследование выполнялось на базе кафедры «Цифровые технологии в образовании» ФГБОУ ВО «Самарский государственный университет путей сообщения». На
первом этапе исследования была разработана модель учебного курса на основе алгоритмизации процесса достижения цели с учетом цифрового следа обучающихся, ставшая основой для факультативной дисциплины «Цифровые технологии самообразования». В течение 2020/21 учебного года обучение в рамках указанного курса прошли 950 студентов. Для исследования уровня сформированных в ходе освоения электронного курса компетенций использовались оценочные средства в виде тестов с закрытыми вопросами.
Для достоверной оценки эффективности предложенной модели курса был проведен на втором этапе исследования был проведен анализ влияния включения в состав образовательной программы электронного курса с механизмом индивидуализации образовательной траектории на результаты изучения последующей дисциплины. В качестве экспериментальной и контрольной групп были выбраны учебные группы студентов первого курса, обучающихся по одной и той же образовательной программе очной формы обучения - программе специалитета «Электроснабжение железных дорог» по специальности 23.05.05 Системы обеспечения движения поездов. Количество студентов, принимавших участие в эксперименте, составило 22 в контрольной группе и 24 - в экспериментальной. Студентам заранее не сообщалось об их участии в эксперименте. Для обработки полученных результатов были применены непараметрические методы математической статистики
_Литературный обзор
Несмотря на значимость и актуальность вопроса использованию больших данных и цифрового следа в образовании, мы вынуждены согласиться с рядом исследователей, считающих, что специальных научных публикаций пока еще не так много [5, с. 35], а интерес к ним, выражающийся в том числе в пропорционально нарастающей цитируемости [6, с. 17-21], говорит о высокой востребованности понимания работ о сущности и механизмах таких явлений, как цифровая среда, электронное обучение, цифровой след.
Позиции разных авторов относительно толкования термина «цифровое образование» раскрыты в работе М.Е. Вайндорф-Сысоевой и М.Л. Субочевой [7]. Многоаспектный анализ категориального значения нового термина «цифровая образовательная среда» представлен в работе О.Ф. Природовой, А.В. Даниловой, А.Н. Моргуна [6]. Исследователи обобщили существующие в отечественной науке подходы к трактованию содержания и элементов данного понятия и пришли к выводу, что цифровую образовательную среду неверно рассматривать только с позиции доступа к онлайн-контенту. Это более сложная область, позволяющая «формировать образовательные траектории с учетом возможностей очного обучения и самообразования, предоставляя формат удобного поиска, механизмы рейтингования и учета результатов освоения различных образовательных элементов понятийно-категориального аппарата» [6, с. 16].
Основой процесса индивидуализации должен стать цифровой след учащегося [8; 9]. Среди основных перспектив и возможностей использования цифрового следа в образовании называются: обеспечение преемственности разных уровней образования, организация учебного процесса на основе индивидуализации образовательных траекторий, повышение качества управления образовательной системой учебного заве-
дения [5, с. 37], повышение эффективности цифрового обучения, организация обмена лучшими педагогическими практиками [9].
Анализ цифрового следа, по мнению ученых, должен основываться на методологии, базирующейся на педагогических и психологических знаниях, использовании механизмов распознавания, обработки больших данных, методах семантического и онтологического анализа, построения тематических рубрикаторов, применении искусственного интеллекта [10, с. 59]. Кроме того, необходимо учитывать и двунаправленное воздействие цифрового следа на социокультурную составляющую общества: позитивное (связанное с возможностями реализации личностного потенциала) и негативное (предполагающее искажение социокультурного пространства) [11]. Серьезное значение при формировании цифрового облика обучающегося, как отмечают исследователи, приобретают его виртуальная активность и профили в социальных сетях [8; 12-14].
Возможности повышения объективности оценки результатов учебно-познавательной деятельности, эффективности самообразования и саморазвития путем цифрови-зации отдельных элементов образовательного процесса рассматриваются, как правило, на примере изучения отдельных дисциплин [15-18 и др.]
Построение комплексной модели анализа цифровых следов, которая объединит в себе и управленческую, и научную, и образовательную деятельность образовательных организаций, - актуальная проблема, к решению которой приступили ведущие вузы мира. Требуется переосмыслить функции и назначение многих элементов образовательных систем, преодолеть барьеры, в том числе нормативного и этического характера. Так, возрастающее внимание государств и экономик к цифровым данным уже приводит к росту желающих скрыть или запутать свои следы в информационном пространстве, избавиться от «слежки» [19-21].
Таким образом, анализ научно-методических работ по исследуемой теме показал, что в настоящее время в педагогике не сложилось единого толкования содержания понятий «цифровое образование», «цифровая образовательная среда», «цифровой след». Идет активное осознание опыта использования отдельных инструментов и методик для интерпретации накопленного в образовательной сфере массива данных и применения полученных результатов при проектировании педагогической среды. Полагаем, что результаты проведенного нами исследования внесут свой вклад в развитие вопроса.
_Результаты
Описание модели электронного курса
При выборе программной среды, обеспечивающей процесс создания электронных образовательных ресурсов, авторы исследования исходили из требований распространенности программного продукта, простоты и доступности предлагаемых решений. Оптимальным решением, позволяющим полностью автоматизировать в рамках электронного курса, механизм индивидуализации образовательных траекторий учащихся, на наш взгляд, сегодня является система управления обучением Moodle. Она позволяет преподавателям, администраторам и учащимся вза-
V U f \J V I и
имодействовать в единой, надежной, безопасной и интегрированной цифровой образовательной среде.
Эта система развивается уже более десяти лет и в ее основе лежит теория педагогики социального конструктивизма. Ключевыми преимуществами системы является большое сообщество разработчиков, открытый исходный код, модульность и архитектура, построенная на основе плагинов. На сегодняшний день к системе разработано около двух тысяч плагинов, размещенных на официальном сайте Moodle. Такое количество плагинов, в первую очередь, связано с мощным и хорошо задокументированным API системы, а во вторую с большим и открытым сообществом разработчиков. Часть плагинов, разработанных сообществом, со временем интегрируется в базовое ядро системы, но данное разграничение, в целом, условно, т. к. и ядро системы также построено на основе плагинной архитектуры. Наконец, Moodle - одно из самых распространенных в вузовской среде решение.
Электронный курс в системе управления обучением Moodle базируется на блочной архитектуре. Основное содержание электронного курса разбито на модули, количество и содержание которых может варьироваться в зависимости от курса. Модуль электронного курса может содержать ресурсы и элементы. Различные типы ресурсов позволяют интегрировать в электронный курс практически любое статичное веб-содержимое. К элементам курса относится такое содержимое, как форумы, тесты, wiki, лекции и т. д., т. е. все то, что позволяет добавлять к электронному курсу интерактивное содержимое. У всех интерактивных элементов могут быть настроены ограничения доступа и условия для выполнения элемента курса. Условия выполнения для каждого типа элементов курса различны и зависят в первую очередь от возможностей объекта. К таким условиям могут быть отнесены «Требуется просмотр», «Требуется оценка», «Планируется выполнение до», «Требуется прокторинг» и др. При достижении одного или комбинации условий система будет считать этот элемент изученным. В дальнейшем эта информация может быть использована при предоставлении доступа к другим элементам курса или же при расчете итоговой оценки.
Система ограничений доступа к элементу курса значительно обширнее. Для доступа к элементу может требоваться информация о завершении любого другого элемента курса, информация о завершении изучения другого электронного курса, граница дат, оценка, принадлежность к той или иной группе или потоку, язык, информация из профиля пользователя, дата завершения и т. п. Кроме этого ограничения на доступ к элементу курсов могут использоваться одновременно в рамках определенных условий.
LMS Moodle предлагает следующие инструменты для анализа результатов образовательного процесса: отчет по оценкам за каждый из элементов курса, предполагающий оценивание; оценка результатов тестирования; журнал событий; статистические отчеты, формируемые на основе журнала событий; отчеты по активности и по участию в курсе. Дополнительными инструментами выступают групповые чаты и индивидуальные сообщения обучающихся. Каждый инструмент позволяет увидеть «картину» как по всей учебной группе (потоку), так и по каждому студенту отдельно: какие задания вызвали наибольшую сложность, сколько времени было потрачено на каждый элемент курса, к какому из ресурсов курса студенты обращались чаще всего или не обращались вовсе и пр.
Все эти данные помогают преподавателю объективно оценить результаты обучающихся, сделать выводы о сильных и слабых сторонах курса и скорректировать при необходимости процесс изучения дисциплины. Однако подробный детальный анализ требует серьезных временных затрат. В современных условиях образовательной деятельности при существующей норме аудиторной нагрузки и количестве одновремен-
но читаемых курсов подобная роскошь преподавателю, как правило, недоступна. Потому большую часть функций по сбору и обработке данных логично передать системе. Проще всего это сделать на этапе разработки курса через настройку ограничений.
Сочетание наборов ограничений выступает в качестве простого, прозрачного и удобного инструмента конструирования курса с индивидуальной траекторией освоения.
При проектировании электронного курса «Цифровые технологии самообразования», предполагающего автоматизированную индивидуализацию образовательной траектории на основе цифрового следа учащихся, разработчики ставили своей целью воспитание у студентов культуры взаимодействия с электронной информационно-образовательной средой (ЭИОС) через обучение практическим навыкам работы с программным обеспечением ЭИОС университета. Планируемые результаты обучения в привязке к компетенциям представлены в таблице 1.
Таблица 1
Результаты изучения дисциплины «Цифровые технологии самообразования»
Формируемая компетенция* Индикаторы достижения компетенции
ОПК-2. Способен понимать принципы работы современных информационных технологий и использовать их для решения задач профессиональной деятельности 1. Использует системы видеоконференцсвязи в учебном процессе
2. Использует сервисы портфолио обучающегося в ЭИОС
3. Использует сервисы Microsoft Office 365 в учебном процессе и самообразовании
УК-6. Способен определять и реализовывать приоритеты собственной деятельности и способы ее совершенствования на основе самооценки и образования в течение всей жизни 1. Анализирует основные возможности цифрового университета и ЭИОС
2. Использует материалы электронных курсов в учебном процессе и самообразовании
3. Использует электронные библиотеки в процессе самообразования
4. Использует MOOC в процессе самообразования
На этапе формирования тематического плана электронного курса в его структуру были заложены ограничения: требование завершить другой элемент курса (в том числе завершить изучение элемента другого - пропедевтического - электронного курса), требование выполнить задание, требование набрать необходимое количество баллов за элемент (ограничение по оценке). Фактически каждый элемент созданного курса выступает в качестве ограничивающего либо ограниченного. Именно баланс между ограничениями различных элементов курса задает вероятностные индивидуальные образовательные маршруты.
Первое ограничение заложено на «входе». Каждый обучающийся попадает в «Тему № 0», где должен пройти входной контроль, по результатам которого система автоматически либо откроет ему доступ к основным тематическим модулям дисциплины, либо перенаправит его в иной электронный курс - «Краткий курс информатики и ИКТ».
Каждый тематический модуль курса «Цифровые технологии самообразования» направлен на формирование определенного навыка. Данные текущей успеваемости и результаты итогового контроля по тематическому модулю позволяют определить уровень овладения каждым навыком: начальный, базовый или продвинутый. Если
* В соответствии с требованиями ФГОС ВО 3++ по УГСН 23.00.00 (уровень специалитета).
система диагностирует у студента недостаточно сформированный уровень, то она направляет его в соответствующий раздел пропедевтического курса «Краткий курс информатики и ИКТ».
Результат, сигнализирующий о достижении студентом продвинутого уровня, «открывает доступ» к заданиям повышенной сложности (в том числе творческо-исследо-вательского характера), которые проверяются, как правило, непосредственно преподавателем. Такие задания в соответствии с балльно-рейтинговой картой дисциплины позволяют набрать максимальное количество баллов по предмету.
Модель формирования индивидуальной образовательной траектории изучения учебной дисциплины на основе анализа цифрового следа студента представлена на рисунке 1.
Л
I •
м—»-
Выбор задании и их выполнение
Индикаторы усвоения компетенций
'- Входной модуль
> -
Рисунок 1 Модель учебного курса с автоматизированным процессом построения индивидуальной образовательной траектории на основе цифрового следа обучающегося
Приведенная модель носит универсальный характер и может быть использована при проектировании электронного курса любой направленности.
Анализ эффективности разработанной модели электронного курса
По окончании изучения дисциплины «Цифровые технологии самообразования» был проведен анализ результатов текущего и итогового контроля. Из 950 обучающихся, зачисленных на курс, 86 % успешно преодолели порог в 56 баллов, необходимых для получения зачета. Система автоматически наградила каждого специальным значком как символом, что они могут использовать на базовом уровне практически все инструменты ЭИОС университета и при необходимости смогут продолжить обучение в дистанционном режиме.
Значимая часть обучающихся (27 %) продолжила выполнение заданий курса после получения минимальных проходных баллов. Для дополнительной мотивации студентов, набравших более 82 баллов, т.е. глубоко освоивших курс, в системе была предусмотрена автоматическая генерация сертификата, который студент должен был загрузить в личный кабинет, заодно закрепив навык ведения портфолио.
Для оценки влияния введения в образовательную программу разработанной модели электронного курса на дальнейшую образовательную траекторию обучающегося нами было проведено сопоставление результатов успеваемости студентов, изучивших факультативную дисциплину «Цифровые технологии самообразования» в описанном формате, с результатами студентов, в учебный трек данная дисциплина не была включена. Сопоставление проводилось в рамках обязательной для всех студентов по всем образовательным программам дисциплины - «Информатика». Ее выбор обусловлен тесными содержательными связями и близостью индикаторов освоения ключевых цифровых компетенций. Кроме того, обе дисциплины реализуются исключительно в информационно-образовательной среде с использованием дистанционных образовательных технологий.
I I V V V и
Контрольной и экспериментальной группам было предложено пройти входной контроль с использованием автоматизированных инструментов электронной информационно-образовательной среды университета. Показателем успешности служило количество правильно выполненных заданий, которое позволяет сделать вывод об уровне имеющихся знаний: начальный, базовый или продвинутый.
В рамках анализа полученных данных мы поставили перед собой вопрос о значимости различий в уровне знаний контрольной и экспериментальной групп. Для ответа на этот вопрос мы применили и-критерий Манна - Уитни.
В таблице 2 представлены результаты оценки знаний студентов контрольной (КГ) и экспериментальной групп (ЭГ) в ходе входного и итогового контроля по дисциплинам «Информатика» и «Цифровые технологии самообразования».
Полученные значения и-критерия и их сравнения с табличными значениями критерия для используемого объема выборки при уровнях значимости 0,01 (158) и 0,05 (188) позволяют сделать следующие выводы: по уровню знаний до изучения дисциплин «Информатика» и «Цифровые технологии самообразования» контрольная и экспериментальная группы были схожи, т.е. различия в них были статистически незначимы (р>0,05). После изучения дисциплины «Цифровые технологии самообразования» экспериментальной группой различия в уровне знаний по дисциплине «Информатика» стали статистически значимыми (р<0,01).
Таблица 2
Результаты входного и итогового контроля по дисциплинам «Информатика» и «Цифровые технологии самообразования» в контрольной (КГ) и экспериментальной
(ЭГ) группах
№ студента Вх. контроль по Информатике Вх. контроль по ЦТС Итоговый контроль по Информатике Итоговый контроль по ЦТС
КГ ЭГ КГ ЭГ КГ ЭГ КГ ЭГ
1 11 14 13 12 10 17 12 18
2 16 13 15 15 11 18 15 17
3 15 8 12 10 8 16 16 15
4 13 9 11 10 8 14 11 18
5 12 12 10 16 6 20 12 19
6 12 14 13 12 10 18 11 16
7 17 12 21 14 16 16 17 15
8 9 14 7 14 6 19 13 15
9 13 10 13 8 10 12 12 13
10 11 14 13 17 8 17 12 15
11 10 14 13 13 9 16 11 16
12 11 8 12 8 6 12 12 15
13 13 13 12 13 7 18 13 19
14 16 17 15 18 12 20 15 20
15 17 13 21 15 18 17 17 17
16 14 10 16 14 13 19 14 17
17 9 13 13 14 6 16 11 16
18 8 13 9 15 7 17 11 15
19 17 10 15 11 9 14 18 15
20 11 11 13 15 10 14 11 12
21 11 15 11 14 6 15 12 16
22 14 11 15 14 11 19 13 18
23 14 13 18 19
24 16 13 19 20
Значение и-критерия 254 240,5 27 78
Вывод Группы схожи Группы схожи Группы различны Группы различны
Таким образом, можно сделать вывод о существенном различии результатов итогового контроля экспериментальной и контрольной групп по дисциплине «Информатика», или, другими словами, мы можем сделать вывод, что изучение дисциплины «Цифровые технологии самообразования» существенно повлияло на результаты итогового контроля изучения дисциплины «Информатика».
_Обсуждение результатов
Развитие информационных технологий привело к тому, что в последнее десятилетие акцент во взаимодействии «университет» - «студент» ощутимо сместился в сторону последнего. Вузы перестают восприниматься как закрытые хранилища «сакрального» знания, доступ к которому открывается лишь избранным. Человек, желающий
получить знания и навыки, сегодня практически не ограничен в выборе их источников, форм и методов. Выбор учебного заведения зачастую делается из позиции «а что полезного может дать университет лично мне?». Потому организация процесса обучения исходя из индивидуальных возможностей и потребностей обучаемого справедливо признается одним из актуальных направлений развития образования [18, с. 332]. Актуальным, но сложным.
Построение индивидуальных образовательных траекторий сегодня, по мнению исследователей, затрудняют многие факторы. Среди основных называют низкое качество накопленных данных, сложность их обработки и нехватку специалистов, способных проанализировать массивы, а также медлительность «индустриальной» образовательной модели [11; 22]. Согласимся с каждым из авторов. И предложим все названные трудности воспринимать в качестве точек роста.
Задачу персонификации учебного маршрута каждого студента, на наш взгляд, необходимо решать постепенно. Полученные нами результаты согласуются с итогами поиска других исследователей, подтвердивших возможность построения гибких траекторий обучения, используя уже существующие методики и приемы: от применения инструментов образовательной аналитики [5] («learning analytics»), до методов EDM [3] или, к примеру, учета когнитивной модели обучаемого [17]. Каждая образовательная организация выбирает свой путь. Главное - что ни у кого нет сомнений в необходимости указанной работы.
Сегодня возможности электронных информационно-образовательных сред университетов постоянно расширяются. Вслед за А. Гущиным мы предлагаем воспринимать электронный курс в качестве полноценного элемента взаимодействия педагога и обучающихся, видеть в нем не «копилку» учебного материала, а алгоритмический процесс, направленный на достижение целей обучения [24]. В условиях сегодняшнего дня часть функций педагога можно «перепоручить» информационным технологиям, которые имеются в арсенале университетов. Однако, перенося фокус внимания на потребности студента, нельзя упускать из виду противоречие между безграничным разнообразием типов реакций обучаемых (спонтанностью человеческого поведения) и ограниченным числом «компьютерных» реакций, которые могут быть заложены в электронный курс при проектировании его алгоритма [24, с. 211-212].
Подведение итогов проведенного исследования заострило одну из ключевых проблем, ограничивающих масштабное внедрение механизмов индивидуализации образовательной траектории студента, - дефицит кадров, готовых и способных к работе с цифровой средой и ее компонентами, включая цифровые следы. Безусловно, преподаватель в классическом понимании этого слова не может, да и не должен в одиночку решать задачу массовой индивидуализации обучения (как бы парадоксально не звучало это сочетание). В условиях российского образования педагог, разработчик и дизайнер курса, как правило, это одно лицо. Однако всем участникам современного образовательного пространства очевидно, что пришло время для новых профессий: дизайнеров образовательных программ, дата-инженеров, аналитиков, тьюторов образовательных маршрутов и пр. Педагогу необходимо дать возможность сосредоточиться на педагогической поддержке обучаемых, организационно-педагогической и воспитательной работе [1, с. 35]. Полагаем, что именно в этом направлении следует трансформировать подход к проектированию учебного процесса.
Новая реальность формируется на наших глазах. Все названные направления изменения образовательных отношений нуждаются в постижении, осознании и поиске
новых форм и методов педагогической коммуникации. Информационно-телекоммуникационные технологии и электронные системы управления в образовании, существующие в настоящее время, не только делают возможным и целесообразным формирование индивидуальных траекторий изучения отдельных курсов, но и открывают перспективы индивидуализации всего образовательного маршрута личности.
Заключение
В условиях всеобщей цифровизации, открытости знаний, скорости обновления информации возрастает значимость персонализированной образовательной среды. А следовательно, значимости учета имеющегося цифрового опыта, диагностики цифрового следа, проектирования индивидуального результата обучения и построения цифрового профиля.
Даже введение отдельных учебных курсов с индивидуализированной образовательной траекторией является важным шагом на пути к модернизации процесса обучения. Применение инструментов, алгоритмизирующих работу с электронными образовательных ресурсами (фиксацию хода образовательного процесса, последовательность освоения учебного материала и выполнения заданий, результатов промежуточной аттестации, взаимодействие между участниками образовательного процесса и пр.), как показало проведенное исследование, уже сегодня позволяет эффективно строить гибкие образовательные маршруты.
Разработанный и внедренный в образовательный процесс учебный курс с поддержкой автоматического сбора и анализа цифрового следа обучающихся позволил достаточно успешно решить несколько задач: выстроить образовательный процесс каждого студента в зависимости от его возможностей, скорости и глубины освоения учебного материала, обеспечить высокий уровень интерактивности, повысить мотивированность обучающихся и эффективность их самостоятельной работы, избавить преподавателя от рутинной работы по текущему контролю за ходом учебного процесса и диагностике возникающих проблем по усвоению материала, привлечь внимание педагога к студентам, желающим выйти за границы курса, узнать больше. Кроме того, правильно выстроенные междисциплинарные связи помогают студентам осознать назначение каждого учебного курса и ценность получаемых навыков для будущей профессиональной деятельности.
ЛИТЕРАТУРА
1. Трудности и перспективы цифровой трансформации образования / А. Ю. Уваров [и др.]; под ред. А. Ю. Уварова, И. Д. Фрумина. М.: Изд. дом Высш. шк. экономики, 2019. 343 с.
2. Болгова В. В., Гаранин М. А., Краснова Е. А., Христофорова Л. В. Образование после пандемии: падение или подготовка к прыжку? // Высшее образование в России. 2021. Т. 30. № 7. С. 9-30. DOI: 10.31992/0869-36172021-30-7-9-30
3. Баранова Е. В., Швецов Г. В. Методы и инструменты для анализа цифрового следа студента при освоении образовательного маршрута // Перспективы науки и образования. 2021. № 2(50). С. 415-430. DOI: 10.32744/ pse.202L2.29
4. Краснова Е. А., Сагирян И. Г. Индивидуальная траектория обучения как реализация образовательных прав студентов // Наука и культура России. 2021. Т. 1. С. 225-227.
5. Мантуленко В. В. Перспективы использования цифрового следа в высшем образовании // Преподаватель XXI век. 2020. № 3-1. С. 32-42. DOI: 10.31862/2073-9613-2020-3-32-42
6. Природова, О. Ф.0 Данилова А. В., Моргун А. Н. Структура цифровой образовательной среды: нормативно-правовые и методические аспекты // Педагогика и психология образования. 2020. № 1. С. 9-30. DOI: 10.31862/2500-297X-2020-1-9-30
7. Вайндорф-Сысоева М. Е., Субочева М. Л. «Цифровое образование» как системообразующая категория: подходы к определению // Вестник Московского государственного областного университета. Серия: Педагогика. 2018. № 3. С. 25-36. DOI: 10.18384/2310-7219-2018-3-25-36
8. Долгих Е. А., Першина Т. А. Анализ возможностей использования цифрового следа в системе высшего образования // Тенденции развития науки и образования. 2021. № 76-2. С. 10-16. DOI: 10.18411/lj-08-2021-36
9. Вайндорф-Сысоева, М. Е., Пчелякова В. В. Перспективы использования цифрового следа в образовательном и научном процессах // Вестник Мининского университета. 2021. Т. 9. № 3(36). DOI: 10.26795/2307-12812021-9-3-1
10. Гурьева Т. Н. Некоторые аспекты использования цифрового следа в образовательном процессе // Научные труды Северо-Западного института управления РАНХиГС. 2020. Т. 11. № 4(46). С. 58-64.
11. Листвина Е. В. Цифровое общество: социокультурный анализ цифрового следа // Аспирантский вестник Поволжья. 2020. № 7-8. С. 14-18. DOI: 10.17816/2072-2354.2020.20.4.14-18
12. Вартанов С.А. Цифровые медиа и Big Data: математический подход к анализу медиасреды // Век информации.
2018. Т. 1. № 2. С. 211-213.
13. Николаенко Г.А. Перспективы использования цифровых следов исследователей для анализа их коммуникативных стратегий (на примере социальной сети ResearchGate) // Социология науки и технологий.
2019. Т. 10. № 2. С. 93-109. DOI: 10.24411/2079-0910-2019-12005
14. Тулупьева Т.В., Тафинцева А.С., Тулупьев А.Л. Подход к анализу отражения особенностей личности в цифровых следах // Вестник психотерапии. 2016. № 60 (65). С. 124-137.
15. Galimova E. G., Konysheva A. V., Kalugina O. A., Sizova Z. M. Digital educational footprint as a way to evaluate the results ofstudents'learning and cognitive activity in the process of teaching mathematics // EURASIA Journal of Mathematics, Science and Technology Education, 2019. Vol. 15 (8). DOI: 10.29333/ejmste/108435
16. Пучков Н. П., Попов А. И., Тормасин С. И. Интеграция компетенций в условиях цифровизации образования // Continuum. Математика. Информатика. Образование. 2020. № 1 (17). С. 36-43. DOI: 10.24888/2500-19572020-17-1-36-43
17. Шамсутдинова Т. М. Когнитивная модель траектории электронного обучения на основе цифрового следа // Открытое образование. 2020. Т. 24. № 2. С. 47-54. DOI: 10.21686/1818-4243-2020-2-47-54.
18. Tsarev R. Y., Yamskikh T. N., Evdokimov I. V., Prokopenko A. V., Rutskaya K. A., Everstova V. N., Zhigalov K. Yu. An approach to developing adaptive electronic educational course // CSOC 2019. AISC. 2019. Vol. 986. Р. 332-341. DOI: 10.1007/978-3-030-19813-8_34
19. Хусяинов, Т. М. Запутывая «цифровые следы» // Цифровой ученый: лаборатория философа. 2021. Т. 4. № 1. С. 45-50. DOI: 10.32326/2618-9267-2021-4-1-45-50
20. Ahearn F. M., Horam E. C. How to Disappear: Erase Your Digital Footprint // Leave False Trails, and Vanish without a Trace. Guilford: Lyons Press, 2010. 208 p.
21. Zuboff Sh. The Age of Surveillance Capitalism: The Fight for a Human Future at the New Frontier of Power. N.Y.: PublicAffairs, 2019. 691 p. URL: https://feb.unhas.ac.id/mm/wp-content/uploads/2020/11/The-Age-of-Surveillance-Capitalism_-The-Fight-for-a-Human-Future-at-the-New-Frontier-of-Power-PDFDrive.com-.pdf.pdf
22. Кузнецов Н. В., Хабиб М. Д. Анализ развития системы мониторинга цифровизации экономики // E-Management. 2020. № 3(1). С. 86-98. DOI: 10.26425/2658-3445-2020-1-86-98
23. Рязанова Г. Н. Использование цифровых технологий в образовательном процессе высшей школы // E-Management. 2020. № 3(2). С. 40-54. DOI: 10.26425/2658-3445-2020-2-40-54
24. Gushchin A. Algorithmic Approach to the Design of e-Learning Courses // Silhavy R. (eds) Informatics and Cybernetics in Intelligent Systems. CSOC 2021. Lecture Notes in Networks and Systems. 2021. Vol. 228. Springer, Cham. DOI: 10.1007/978-3-030-77448-6_19
25. Azcona D., Hsiao IH. & Smeaton A.F. Detecting students-at-risk in computer programming classes with learning analytics from students' digital footprints. User Modeling and User-Adapted Interaction, 2019, vol. 29, pp. 759788. DOI: 10.1007/s11257-019-09234-7
REFERENCES
1. Uvarov A. Yu., et al. Difficulties and prospects of digital transformation of education. Moscow, 2019. 343 p.
2. Bolgova, V.V., Garanin, M.A., Krasnova, E.A., Khristoforova, L.V. Post-Pandemic Education: Falling or Preparing for a Jump? Higher Education in Russia, 2021, vol. 30, no. 7, pp. 9-30. DOI: 10.31992/0869-3617-2021-30-7-9-30
3. Baranova E. V., Shvetsov G. V. Methods and tools for analysing students' digital footprint in the course of work under educational programmes. Perspectives of Science & Education, 2021, no. 2(50), pp. 415-430. DOI: 10.32744/ pse.2021.2.29
4. Krasnova E. A., Sagirian I. G. Individual trajectory of learning as the implementation of students' educational rights. Science and culture of Russia, 2021, vol. 1, pp. 225-227.
5. Mantulenko V.V. Prospects for digital footprint usage. In the higher education, 2020, no. 3-1, pp. 32-42. DOI: 10.31862/2073-9613-2020-3-32-42
6. Prirodova O.O., Danilova A.B., Morgun A.H. Digital educational environment structure: Regulatory legal and methodological aspects. Pedagogy and Psychology of Education, 2020, no. 1, pp. 9-30. DOI: 10.31862/2500-297X-2020-1-9-30
7. Vaindorf-Sysoeva M. E. "Digital education" as a system-forming category: approaches to definition of the concept. Bulletin of the Moscow State Regional University. Series: Pedagogy, 2018, no. 3, pp. 25-36. DOI: 10.18384/23107219-2018-3-25-36
8. Dolgikh E. A. Analysis of the possibilities of using a digital footprint in the system of higher education. Trends in the development of science and education, 2021, no. 76-2, pp. 10-16. DOI: 10.18411/lj-08-2021-36
9. Vaindorf-Sysoeva M. E. Prospects for the use of a digital footprint in educational and scientific processes. Minin University Bulletin, 2021, vol. 9, no. 3(36). DOI: 10.26795/2307-1281-2021-9-3-1
10. Gur'yeva T. N. Some aspects of using a digital footprint in the educational process. Scientific works of the Northwest Institute of Management RANKhiGS, 2020, vol. 11, no. 4(46), pp. 58-64.
11. Listvina E.V. Digital society: A sociocultural analysis of the digital footprint. Postgraduate Bulletin of the Volga Region, 2020, vol. 20, no. 7-8, pp. 14-18. DOI: 10.17816/2072-2354.2020.20.4.14-18
12. Vartanov S.A. Digital media and big data: a mathematic approach to media environment analysis. Information age, 2018, vol. 1, no. 2, pp. 211-213.
13. Nikolaenko G. A. The Perspectives of Using Digital Traces of Researchers for Analyzing their Communication Strategies (by the Example of the Social Network "ResearchGate"). Sociology of Science and Technology, 2019, vol. 10, no. 2, pp. 93-109. DOI: 10.24411/2079-0910-2019-12005
14. Tulup'eva T.V., Tafintseva A.S., Tulup'ev A.L. An approach to the analysis of personality traits reflection in the digital footprints. Psychotherapy Bulletin, 2016, no. 60 (65), pp. 124-137.
15. Galimova E. G., Konysheva A. V., Kalugina O. A., Sizova Z. M. Digital educational footprint as a way to evaluate the results ofstudents'learning and cognitive activity in the process of teaching mathematics. EURASIA Journal of Mathematics, Science and Technology Education, 2019, vol. 15 (8). DOI: 10.29333/ejmste/108435
16. Puchkov N. P., Popov A. I., Tormasin S. I. Integration of competencies in the context of digitalization of education. Continuum. Maths. Computer science. Education, 2020, no. 1 (17), pp. 36-43. DOI: 10.24888/2500-1957-202017-1-36-43
17. Shamsutdinova T.M. Cognitive Model of Electronic Learning Trajectories Based on Digital Footprint. Open Education, 2020, no. 24(2) pp. 47-54. DOI: 10.21686/1818-4243-2020-2-47-54
18. Tsarev R. Y., et al. An approach to developing adaptive electronic educational course. CSOC 2019. 2019, Advances in Intelligent Systems and Computing, vol. 986, pp. 332-341. DOI: 10.1007/978-3-030-19813-8_34
19. Khusyainov T. M. Confusing "Digital Footprints". The Digital Scholar: Philosopher's Lab, 2021, vol. 4, no. 1, pp. 45-50. DOI: 10.32326/2618-9267-2021-4-1-45-50
20. Ahearn F. M., Horam E. C. How to Disappear: Erase Your Digital Footprint, Leave False Trails, and Vanish without a Trace. Guilford, Lyons Press, 2010. 208 p.
21. Zuboff Sh. The Age of Surveillance Capitalism: The Fight for a Human Future at the New Frontier of Power. N. Y.: PublicAffairs, 2019. 691 p. Available at: https://feb.unhas.ac.id/mm/wp-content/uploads/2020/11/The-Age-of-Surveillance-Capitalism_-The-Fight-for-a-Human-Future-at-the-New-Frontier-of-Power-PDFDrive.com-.pdf.pdf
22. Kuznetsov N. V., Khabib M. D. Analysis of the development of the economy digitalization monitoring system. E-Management, 2020, no. 3(1), pp. 86-98. DOI: 10.26425/2658-3445-2020-1-86-98
23. Ryazanova G. Using of digital technologies in the educational process of higher school. E-Management, 2020, no. 3(2), pp. 86-98. DOI: 10.26425/2658-3445-2020-2-40-54
24. Gushchin A. Algorithmic Approach to the Design of e-Learning Courses. Informatics and Cybernetics in Intelligent Systems. CSOC 2021. Lecture Notes in Networks and Systems, 2021, vol. 228, Springer, Cham. DOI: 10.1007/978-3-030-77448-6_19
25. Azcona D., Hsiao IH. & Smeaton A.F. Detecting students-at-risk in computer programming classes with learning analytics from students' digital footprints. User Modeling and User-Adapted Interaction, 2019, vol. 29, pp. 759788. DOI: 10.1007/s11257-019-09234-7
Информация об авторах Горбатов Сергей Васильевич
(Россия, Самара) Кандидат педагогических наук, проректор по учебной работе и цифровой трансформации, заведующий кафедрой «Цифровые технологии в образовании» Самарский государственный университет путей сообщения E-mail: s.gorbatov@samgups.ru ORCID ID: 0000-0002-9498-3866
Краснова Елена Александровна
(Россия, Самара) Кандидат филологических наук, директор института заочного и электронного обучения Самарский государственный университет путей сообщения E-mail: krasnova@samgups.ru ORCID ID:0000-0002-3100-9310
Information about the authors
Sergey Gorbatov
(Russia, Samara) Cand. Sci. (Educ.), Vice-Rector for Academic Affairs and Digital Transformation, Head of the Department "Digital Technologies in Education Samara State Transport University E-mail: s.gorbatov@samgups.ru ORCID ID: 0000-0002-9498-3866
Elena A. Krasnova
(Russia, Samara) Cand. Sci. (Philol.), Director of the Institute of Distance and E-Learning Samara State Transport University
E-mail: krasnova@samgups.ru ORCID ID: 0000-0002-3100-9310
