В статье исследуются проблемы управления индивидуальной образовательной траекторией (ИОТ) студентов, базирующейся на анализе цифрового профиля и цифрового следа. Авторы подчеркивают значимость персонализации образовательного процесса для повышения его эффективности и адаптации к уникальным потребностям учащихся. Рассматриваются основные вызовы, связанные с использованием цифрового следа, включая его ограниченность, неполноту данных и сложности при прогнозировании академической успешности. Особое внимание уделено вопросам интеграции цифрового профиля в системы управления обучением, где отсутствие единой стандартизированной структуры затрудняет анализ и перенос данных между различными образовательными учреждениями. Также обсуждаются угрозы конфиденциальности и этические аспекты, связанные с хранением и обработкой личных данных студентов. Авторы подчеркивают необходимость разработки универсальных стандартов для структуры цифрового профиля, а также внедрения более эффективных методов сбора и анализа данных, включая использование данных социальных сетей и видеоаналитики. В заключение статьи акцентируется внимание на необходимости нахождения баланса между глубоким уровнем персонализации и сохранением способности студентов адаптироваться к разнообразным образовательным контекстам, чтобы избежать риска гиперперсонализации.
Идентификаторы и классификаторы
Цифровой след – это данные о человеке, генерируемые при его взаимодействии с цифровыми устройствами [2]. Несмотря на то, что цифровой след обычно рассматривается как составляющая цифрового профиля [1], в настоящее время есть достаточно много статей, посвященных управлению образовательной траекторией студента, а также прогнозированию образовательных результатов на основе как цифрового профиля, так и цифрового следа отдельно. Понятие «Учебная аналитика» включает в себя широкий набор процессов, подробно описанный в [3, стр. 181], однако в рамках данной статьи термин «учебная аналитика» используется в более узком плане и рассматривается только как совокупность данных цифрового портрета и цифрового следа. В статье также затронуты проблемы, связанные с областью исследований под название EDM (Educational Data Mining), внимание которой акцентировано на способах извлечения данных из больших массивов (Big Data).
Список литературы
1. Цифровая образовательная история как составляющая цифрового профиля обучающегося в условиях трансформации образования / Р. В. Есин, Т. В. Зыкова, Т. А. Кустицкая, А. А. Кытманов // Перспективы науки и образования. - 2022. - № 5 (59). - С. 566-584. -. DOI: 10.32744/pse.2022.5.34 EDN: OMTHCN
2. Hakimi L., Eynon R., Murphy V. A. The ethics of using digital trace data in education: A thematic review of the research landscape // Review of Educational Research. - 2021. - № 91(5). - Pp. 671-717. EDN: EXVSKT
3. Ширинкина Е. В. Интеллектуальный анализ образовательных данных // Вестник Тверского государственного университета. Серия: Экономика и управление. - 2021. - № 3 (55). - С. 179-188. EDN: ZKOGBS
4. Self J. Student models in computer-aided instruction // International Journal of Man-Machine Studies. - 1974. - Vol. 6 (2). - Pp. 261-276. - DOI: http://dx.doi.org/10/10.16/S0020-7373(74)80005-2.
5. Живетьев А. В., Белов М. А. Прогнозирование сложности курса на основе оценок по обеспечивающим дисциплинам с помощью метода логистической регрессии на примере курса по программированию на Python // Системный анализ в науке и образовании. - 2024. - №.2. - С. 91-97. EDN: HNKMGS
6. Применение методов нечеткой логики для формирования адаптивной индивидуальной траектории обучения на основе динамического управления сложностью курса / М. А. Белов, С. И. Гришко, А. В. Живетьев [и др.] // Моделирование, оптимизация и информационные технологии. - 2022. - Т. 10, № 4(39). - С. 7-8. - -. DOI: 10.26102/2310-6018/2022.39.4.018 EDN: ZLSDPE
7. Кустицкая Т. А., Носков М. В., Вайнштейн Ю. В. Прогнозирование успешности обучения: проблемы и задачи // Наука и школа. - 2023. - № 4. - С. 71-83. - 10.31862/1819-463X- 2023-4-71-83. DOI: 10.31862/1819-463X-2023-4-71-83 EDN: RTRRAY
8. Костюк, А. В. Особенности внедрения учебной аналитики в прогностическую систему обучения / А. В. Костюк, А. В. Курилов // Перспективы науки. - 2023. - № 2(161). - С. 159-164. -. EDN: LVCBAK
9. Лызь Н. А., Лызь А. Е. Интеллектуальный анализ образовательных данных в совершенствовании подготовки инженеров // Инженер настоящего и будущего: практика и перспективы развития партнерства в высшем техническом образовании: материалы XVII Международной научно-практической конференции. Таганрог: Южный федеральный университет, 2022. - С. 151-156. EDN: DSWIWP
10. Лызь Н. А. Системы искусственного интеллекта в образовании: возможности и ограничения // Информатизация образования и методика электронного обучения: цифровые технологии в образовании: материалы VI Международной научной конференции: в трех частях. Часть 2. Красноярск: Красноярский государственный педагогический университет им. В. П. Астафьева, 2022. - С. 238-242. EDN: XPKDIV
11. Лызь Н. А. Использование искусственного интеллекта для сопровождения деятельности обучающихся // Информатизация образования и методика электронного обучения: цифровые технологии в образовании: Материалы VII Международной научной конференции, Красноярск, 19-22 сентября 2023 года. - Красноярск: Красноярский государственный педагогический университет им. В.П. Астафьева, 2023. - С. 1201-1205. -. EDN: JFUFSX
12. Николаева М. В. Цифровой портрет студента // Вестник педагогических наук. - 2023. - № 4. - С. 169 - 177. EDN: FUDSFH
13. Панкратова М. В. Цифровой портрет современного студента как представителя поколения Z // Digital society as a cultural and historical context of human development: Сборник научных статей и материалов международной конференции, Коломна, 17 февраля 2022 года / Под общей редакцией Р.В. Ершовой. - Коломна: Государственное образовательное учреждение высшего образования Московской области “Государственный социально-гуманитарный университет”, 2022. - С. 221-225. -. EDN: QZNSYF
14. Живетьев, А. В. Этические аспекты индивидуальных образовательных траекторий в цифровой образовательной среде // Вестник государственного университета Дубна. Серия: Науки о человеке и обществе. - 2022. - № 3. - С. 11-20. -. EDN: YLEPRC
15. Буймов, А. Г. Управление мотивацией как задача управления изменениями // Современное образование: качество образования и актуальные проблемы современной высшей школы: материалы международной научно-методической конференции, Томск, 31 января - 01 2019 года. - Томск: Томский государственный университет систем управления и радиоэлектроники, 2019. - С. 30-31. -. EDN: GNIMYU
16. Ихсанов И. Р., Шахова И. С. Применение методов машинного обучения для выявления взаимосвязи академической успеваемости и данных профиля социальной сети // Электронные библиотеки. - 2019. - Т. 22, № 2. - С. 95-118. - -. DOI: 10.26907/1562-5419-2019-22-2-95-118 EDN: RFMTLF
17. Junco R. The relationship between frequency of Facebook use, participation in Facebook activities, and student engagement Received // Magazine Computers & Education. - 2012. - Vol. 58, No 1. - Pp. 162-171.
18. Kosinski M., Stillwell D., Graepel T. Private traits and attributes are predictable from digital records of human behavior // Magazine PNAS. - 2013. - Vol. 110, No 15. - Pp. 5802-5805.
19. Кречетов И. А., Романенко В. В. Искусственный интеллект в образовании: реализация адаптивного обучения на основе учебной аналитики // Современное образование: повышение конкурентоспособности университетов: Материалы международной научно-методической конференции. В 2 ч., Томск, 28-29 января 2021 года. Том Часть 2. - Томск: Томский государственный университет систем управления и радиоэлектроники, 2021. - С. 77-84. -. EDN: JJBVRA
20. Shoaib M. How China is Using AI in Classrooms: A Look at the Future of Education // LinkedIn. - Дата публикации: 08.05.2023. - URL: https://www.linkedin.com/pulse/how-china-using-ai-classrooms-look-future-education-mohammed-shoaib/.
Выпуск
Другие статьи выпуска
В статье проанализированы различные LMS-системы и их подход к проведению дистанционных занятий, сформированы требования к разрабатываемому модулю видеоконференций. Проанализированы различные архитектуры видеоконференций. Предложено архитектурное решение, которое впоследствии было реализовано и внедрено в Lmsdot. В рамках работы была изменена клиентская часть, создан сигнальный сервер, внедрён Pusher сервер, добавлен медиасервер mediasoup и использован его API для организации сигнального сервера. Проведено тестирование модуля видеоконференций. Модуль встроен в систему Lmsdot и показал стабильную и качественную работу
В работе проанализированы популярные платформы, позволяющие решать алгоритмические задачи. Выбраны технологии реализации модуля и изучена структура приложения «Lmsdot». Созданы диаграмма последовательности и диаграмма классов модуля. Спроектирована база данных. Модуль решения алгоритмических задач реализован с помощью фреймворков Elysia. js и Next. js. Произведена интеграция модуля с уже существующими серверами и базой данных в приложении «Lmsdot». Проведено тестирование модуля и представлены рекомендации для дальнейшего масштабирования и улучшения работы модуля.
В статье исследованы функционал и применяемые технологии в современных системах тестирования; проанализированы системы тестирования оценки знаний Moodle, Mirapolis LMS, Teachbase, и WebTutor; сформулированы требования к системе тестирования, различные сценарии взаимодействия и дизайн системы, описаны основные модули системы.
Данная работа посвящена разработке и реализации веб-приложения облачного хранилища файлов. Целью являлось создание удобного и функционального инструмента для хранения и управления файлами в облаке. В работе проводится анализ существующих облачных хранилищ, выявляются их основные особенности и недостатки. На основе этого анализа определяются требования к разрабатываемому приложению, проектируется архитектура приложения, выбор технологий и инструментов разработки. В ходе реализации уделяется особое внимание аспектам масштабируемости и отказоустойчивости системы. В результате создается полнофункциональное веб-приложение, позволяющее пользователям загружать, хранить и организовывать файлы в облаке.
В работе рассмотрена правовая точка зрения на использование бесплатных аудиофайлов, рассмотрены популярные инструменты, позволяющие формировать домашнюю аудиотеку. Проработаны варианты использования, спроектирована схема данных. Разработана серверная часть приложения с интерфейсом REST API для взаимодействия с клиентскими приложениями, а также проведено тестирование.
В данной работе представлена разработка и внедрение системы мониторинга для рекомендательной системы, интегрированной в единую цифровую платформу «Работа в России». Система использует современные методы анализа данных и модели больших языковых моделей (LLM), а также методы A/B тестирования для оптимизации и улучшения функционирования рекомендательных систем. Разработка включает проектирование клиентской и серверной частей приложения, определение функционально-технических требований и проведение тестирования.
Издательство
- Издательство
- ДУБНА
- Регион
- Россия, Дубна
- Почтовый адрес
- 141980 г.Дубна Московской обл., ул.Университетская, 19
- Юр. адрес
- 141980 г.Дубна Московской обл., ул.Университетская, 19
- ФИО
- Деникин Андрей Сергеевич (ИСПОЛНЯЮЩИЙ ОБЯЗАННОСТИ РЕКТОРА)
- E-mail адрес
- rector@uni-dubna.ru
- Контактный телефон
- +8 (496) 2166001