Пандемия COVID-19 изменила подход к организации учебного процесса во всём мире. Российские вузы также были поставлены перед необходимостью быстро перевести всё обучение в онлайн-формат. Значение удовлетворённости студентов качеством образовательного процесса при онлайн-обучении повышается, поскольку является важным условием мотивации. Для понимания удовлетворённости студентов при переходе к новому формату реализации образовательного процесса были проанализированы цифровые следы студентов из социальной сети ВКонтакте с применением отдельных инструментов Big Data на программной платформе PolyAnalyst. Это позволило проследить изменения настроения студентов и на примере отдельно взятого вуза выявить и объяснить отклонения в отношении студентов к реализации учебного процесса, а также верифицировать методику. Разработанная авторами методика даёт возможность обнаружить проблемные вопросы в вузе, в том числе момент их возникновения, актуальность, степень озабоченности студентов. Такой контент-анализ можно применять не только для оценки удовлетворённости студентов качеством учебного процесса, но и для отслеживания появления любых проблем, которые вызывают беспокойство и сильные реакции со стороны студенческого сообщества, а также других сообществ и отдельных коллективов.
Идентификаторы и классификаторы
- SCI
- Образование
С началом пандемии COVID-19 высшее образование во всём мире столкнулось с рядом неординарных вызовов, которые ранее не имели прецедентов такого масштаба. В короткий срок было необходимо ограничить очное обучение и взаимодействие между студентами и вузами оффлайн. Меры безопасности, связанные с COVID-19, сделали практически невозможным очное обучение для многих вузов по всему миру. Применение подобных радикальных мер всегда сопровождается множественными побочными эффектами. Это подтверждается опубликованными аналитическими данными в различных странах [1–5].
Если у вас возникли вопросы или появились предложения по содержанию статьи, пожалуйста, направляйте их в рамках данной темы.
Список литературы
1. Bakker A., Cai J. & Zenger L. Future themes of mathematics education research: an international survey before and during the pandemic // Educational Studies in Mathematics. 2021. No. 107. P. 1-24. DOI: 10.1007/s10649-021-10049-w EDN: OXQAJI
2. Turnbull D., Chugh R. & Luck J. Transitioning to e-learning during the COVID-19 pandemic: how have higher education institutions responded to the challenge? // Education and Information Technologies. 2021. No. 26. P. 6401-6419. DOI: 10.1007/s10639-021-10633-w EDN: EAQLDG
3. Rapanta C., Botturi L., Goodyear P. et al. Balancing technology, pedagogy and the new normal: post-pandemic challenges for higher education // Postdigital Science and Education. 2021. No. 3. P. 715-742. DOI: 10.1007/s42438-021-00249-1 EDN: UPWPJC
4. El-Sayad G., Md Saad N.H. & Thurasamy R. How higher education students in Egypt perceived online learning engagement and satisfaction during the COVID-19 pandemic // Journal of Computers in Education. 2021. No. 8. P. 527-550. DOI: 10.1007/s40692-021-00191-y EDN: FEKOBS
5. Osina D.M., Tolstopyatenko G.P., Malinovsky A.A. Digitalization of higher legal education in Russia in the era of COVID-19 // Engineering Economics: Decisions and Solutions from Eurasian Perspective: ed. by S. Ashmarina, V. Mantoulenko, M. Vochozka. 2021. Vol. 139. P. 392-398. DOI: 10.1007/978-3-030-53277-2_47 EDN: SHDQYT
6. Shchekotin E., Goiko V., Myagkov M., Dunaeva D. Assessment of quality of life in regions of Russia based on social media data // Journal of Eurasian Studies. 2021. No. 12 (2). P. 182-198. DOI: 10.1177/18793665211034185 EDN: GXOMKJ
7. Zielinski A., Bьgel U. Multilingual analysis of Twitter news in support of mass emergency events // Proc. of the 9th International Conference on Information Systems for Crisis Response and Management (ISCRAM 2012), Vancouver, Canada, 2012. DOI: 10.24406/publica-fhg-377702
8. Shchekotin E., Myagkov M., Goiko V., Kashpur V. Digital methods of analysis of subjective quality of life: Case of Russian regions // Administratie si Management Public. 2021. No. 36. P. 25-48. DOI: 10.24818/amp/2021.36-02 EDN: VFDYOD
9. Yin J., Lampert A., Cameron M.A., Robinson B., Power R. Using social media to enhance emergency situation awareness // IEEE Intell Syst. 2012. No. 27(6). P. 52-59. DOI: 10.1109/MIS.2012.6
10. Orlova V., Goiko V., Alexandrova Yu., Petrov E. Analysis of approaches to study identification in social media // E3S Web of Conferences. 2020. Vol. 210: 16034. DOI: 10.1051/e3sconf/202021016034 EDN: PWTOPN
11. Verma S., Vieweg S., Corvey W., Palen L., Martin J., Palmer M., Schram A., Anderson K. Natural Language Processing to the Rescue? Extracting “Situational Awareness” Tweets During Mass Emergency // Proceedings of the International AAAI Conference on Web and Social Media. 2021. Vol. 5. No. 1. P. 385-392. DOI: 10.1609/icwsm.v5i1.14119 EDN: UTVJXQ
12. Liu B. Sentiment analysis and subjectivity // Handbook of Natural Language Processing, Chapman & Hall/CRC Machine Learning & Pattern Recognition Series: ed. by Indurkhya N., Damerau F.J. Florida: Taylor & Francis Group, Boca Raton, 2010. P. 627-666. URL: https://www.routledge.com/Handbook-of-Natural-Language-Processing/Indurkhya-Damerau/p/book/9781420085921 (дата обращения: 22.12.2022).
13. Pang B., Lee L. Opinion mining and sentiment analysis // Foundations and Trends in Information Retrieval. 2008. Vol. 2. No. 1-2. P. 1-135. DOI: 10.1561/1500000011
14. Treude C., Barzilay O., Storey M.A. How do programmers ask and answer questions on the web? (nier track) // Proc. of the 33rd International Conference on Software Engineering, ICSE. 2011. Vol. 11. P. 804-807. DOI: 10.1007/s11390-016-1672-0
15. Mezouar M.E., Zhang F., Zou Y. Are tweets useful in the bug fixing process? An empirical study on firefox and chrome // Empirical Software Engineering. 2018. Vol. 23. No. 3. P. 1704-1742. DOI: 0.1007/s10664-017-9559-4. EDN: YZCVTS
16. Aniche M., Treude C., Steinmacher I., Wiese I., Pinto G., Storey M.A., Gerosa M.A. How modern news aggregators help development communities shape and share knowledge // Proc. of the 40th International Conference on Software Engineering, ICSE ’18. 2018. P. 499-510. DOI: 10.1145/3180155.3180180
17. Sharma U., Datta R.K., Pabreja K. Sentiment Analysis and Prediction of Election Results 2018 // Social Networking and Computational Intelligence. Lecture Notes in Networks and Systems: ed. by R. Shukla, J. Agrawal, S. Sharma, N. Chaudhari, K. Shukla. 2020. Vol. 100. P. 727-739. DOI: 10.1007/978-981-15-2071-6_61
18. Georgiadou E., Angelopoulos S., Drake H. Big data analytics and international negotiations: Sentiment analysis of Brexit negotiating outcomes // International Journal of Information Management. 2020. Vol. 51(2): 102048. 10.1016 /j.ijinfomgt.2019.102048. DOI: 10.1016/j.ijinfomgt.2019.102048 EDN: KKVQQL
19. Si X.-M., Li C. Bounded confidence opinion dynamics in virtual networks and real networks // Journal of Computers. 2018. Vol. 29(3). P. 220-228. DOI: 10.3966/199115992018062903021
20. Kahani N., Bagherzadeh M., Dingel J., Cordy J.R. The problems with eclipse modeling tools: A topic analysis of eclipse forums // Proc. of the ACM/IEEE 19th International Conference on Model Driven Engineering Languages and Systems, MODELS ’16. 2016. P. 227-237. DOI: 10.1145/2976767.2976773
21. Squire M. Should we move to stack overflow? Measuring the utility of social media for developer support // Proc. of the 37th International Conference on Software Engineering, ICSE ’15. 2015. Vol. 2. P. 219-228. DOI: 10.1109/ICSE.2015.150
22. Lazar J. Managing digital accessibility at universities during the COVID-19 pandemic // Universal Access in the Information Society. 2021. Vol. 21. P. 749-765. DOI: 10.1007/s10209-021-00792-5 EDN: AMWJTV
23. Ligthart A., Catal C., Tekinerdogan B. Systematic reviews in sentiment analysis: a tertiary study // Artificial Intelligence Review. 2021. Vol. 54. No. 2. P. 1-51. DOI: 10.1007/s10462-021-09973-3 EDN: XAKCVB
24. Li K.C., Wong B.Tm. The Opportunities and Challenges of Social Media in Higher Education: A Literature Review // SN Computer Science. 2021. Vol. 2: 455. DOI: 10.1007/s42979-021-00857-5 EDN: CNQWMN
25. Purcell W.M., Lumbreras J. Higher education and the COVID-19 pandemic: navigating disruption using the sustainable development goals // Discover Sustainability. 2021. Vol. 2: 6,. DOI: 10.1007/s43621-021-00013-2 EDN: JCLBFM
26. Абрамова М.О., Баранников К.А., Груздев И.А. и др. (2021). Качество образования в российских вузах: что мы поняли в пандемии: Аналитический доклад / науч. ред. Е.А. Суханова, И.Д. Фрумина. Томск: Издательство Томского государственного университета, 2021. 46 с. https://publications.hse.ru/pubs/share/direct/506461902.pdf (дата обращения: 18.06.2023). EDN: VLNAXP
27. Самые популярные социальные сети в России // Газета “Коммерсантъ”. № 174/П от 27.09.2021, с. 10. URL: https://www.kommersant.ru/doc/5006356 (дата обращения: 22.12.2022).
28. Демченко Н., Макаров И. Instagram обошёл “ВКонтакте” по числу активных авторов в России. URL: https://www.rbc.ru/technology_and_media/30/11/2020/5fc4aa2c9a7947f4bfbce6db# (дата обращения: 22.12.2022).
29. Magdin M., Balogh Z., Reichel J. et al. Automatic detection and classification of emotional states in virtual reality and standard environments (LCD): comparing valence and arousal of induced emotions // Virtual Reality. 2021. Vol. 25. P. 1029-1041. DOI: 10.1007/s10055-021-00506-5 EDN: VGSSTP
30. Сигаева Е. Речевые парадоксы: Мы, Ты или Я? // Проект В17. URL: https://www.b17.ru/article/5993/(дата обращения: 22.12.2022).
31. Патент № 2769644 Российская Федерация, МПК G06Q 50/20 (2012.01), СПК G06Q 50/20 (2021.08). Система высшего образования онлайн: № 2021117849, заявлено 19.06.2021: опубликовано: 04.04.2022 / Криштал М.М., Боюр Р.В., Бабошина Е.С., Кутузов А.И., Соколова Т.А., Дроздова М.А., Репина Е.А., Денисова О.П., Богданова А.В., Хамидуллова Л.Р., Гасанова Р.М.; патентообладатель ТолГУ. - 44 с.
32. Криштал М.М., Боюр Р.В., Бабошина Е.С., Кутузов А.И., Соколова Т.А., Денисова О.П. Опыт построения системы высшего образования онлайн (проект Росдистант). Предпосылки возникновения проекта. Ч. 1 // Стандарты и качество. 2021. № 11. С. 52-56. DOI: 10.35400/0038-9692-2021-11-52-56 EDN: MJJSGB
33. Криштал М.М., Боюр Р.В., Бабошина Е.С., Кутузов А.И., Соколова Т.А., Денисова О.П. Опыт построения системы высшего образования онлайн (проект Росдистант). Основные институциональные изменения и эффекты. Ч. 2 // Стандарты и качество. 2021. № 12. С. 82-87. DOI: 10.35400/0038-9692-2021-12-82-87 EDN: HKVLDJ
34. Zefirova T., Loukachevitch N. Expression of irony and sarcasm on Twitter // Proc. of Third Workshop “Computational linguistics and language science”. 2019. Vol. 4. P. 45-49. DOI: 10.29007/tpzw
Выпуск
Другие статьи выпуска
Целью настоящей статьи является сопоставительный анализ эксплицитного и имплицитного подходов в развитии прагматической компетенции у аспирантов инженерных специальностей в рамках академической дисциплины «Иностранный язык». Для достижения поставленной цели 32 обучающихся были разделены на две группы, в которых использовались разные подходы (эксплицитный vs имплицитный) к формированию фокусной прагматической компетенции. Проекты исследований, составленные аспирантами после шестинедельного обучения, были изучены с использованием методов количественного и интерпретативного анализа с целью выявления языковых средств выражения авторской позиции и определения частотности их употребления. В результате проведённого анализа были обнаружены существенные различия количественного и качественного характера в использовании данных языковых ресурсов. С точки зрения соблюдения норм письма, принятых в англоязычном академическом сообществе, эксплицитный подход оказался более эффективным, чем имплицитный. Было обнаружено, что аспиранты группы, в которой использовался эксплицитный метод обучения, чаще стремились смягчать категоричность высказываний и скрывать следы авторского присутствия, в то время как тексты участников первой группы отличались большей категоричностью и субъективностью. Полученные данные дополняют предыдущие исследования, посвящённые подходам, используемым при формировании прагматической компетенции в процессе обучения иностранному языку в высшей школе. Результаты исследования могут быть использованы как преподавателями английского языка для академических целей, так и исследователями научного дискурса.
История развития естественных наук интегрирована в образовательный процесс соответствующих дисциплин и может оказывать влияние на формирование личности студента. Содержание и интерпретация исторической составляющей не регламентированы, входят в так называемую скрытую учебную программу. Цель данной работы: проанализировать функции истории в преподавании естественнонаучных дисциплин как компонента скрытой учебной программы по данным литературы и оценить степень их реализации по мнению участников педагогического процесса. На основе литературных данных выделены функции, которые выполняет история в рамках естественных наук. Эмпирический этап: проведён анонимный онлайн-опрос преподавателей и студентов 2-3 курса российских медицинских вузов в 2022 г. (N=325). Анализ полученных данных показал, что, по мнению участников опроса, во-первых, история изучаемой науки является необходимой частью образовательного процесса. Во-вторых, использование исторических фактов во время лекций и занятий выполняет в большей степени познавательные (включая развитие критического мышления), чем воспитательные функции (в том числе, формирование социокультурной идентичности и гражданственности), что можно связать с разной степенью их имплицитности. Итоги опроса студентов из разных регионов оказались сходными. Бóльшая часть респондентов высказалась за унификацию исторической составляющей естественнонаучной дисциплины для всех медицинских вузов России. В практическом смысле результаты данного исследования могут быть использованы при подготовке и повышении квалификации педагогических кадров вузов с целью акцентирования внимания на скрытых компонентах образовательного процесса и актуализации различных контекстов истории естественных наук, а также учитываться при разработке учебной литературы и рабочих программ. Перевод скрытого компонента программы в осознанный позволит интегрировать его в единую образовательную и воспитательную политику.
В статье анализируется восприятие разницы между фундаментальным и прикладным научным знанием на примере отдельной группы российских учёных. Выборку составили главным образом исследователи, которые работают в университетских лабораториях, научных центрах и научных группах, специализирующихся в области биологии и биобезопасности, как по основному контракту, так и в рамках внешнего совместительства. Используя качественный анализ интервью с представителями данной группы, авторы рассматривают способы конструирования границы между теоретическими и прикладными исследованиями. Интерпретация результатов производится по шкалам миров оправдания французских социологов Люка Болтански и Лорана Тевено. Концептуальной схемой для разделения фундаментального и прикладного знания стала модель взаимоотношений науки и технологий американского политолога Дональда Стоукса «Квадрант Пастера». Показано, что учёные предпочитают заниматься фундаментальной наукой, реже выбирая прикладные проекты. Они используют стратегии «ограждения» от прикладных задач или имитируют прикладной характер своих исследований. Границы между категориями фундаментального и прикладного гибкие и пересобираются в каждом исследовательском проекте в зависимости от контекста, финансовых условий и прикладных компетенций привлекаемых участников. Когда решение прикладных задач оказывается неизбежным, учёные предпочитают говорить об этом как о занятии «ненастоящей» наукой. Авторы делают вывод, что традиционное деление на фундаментальные и прикладные исследования не соответствует ежедневным практикам исследовательской работы.
Часто феномен служения попадает в область нашего интереса тогда, когда мы говорим об уникальности социального устройства России и маркерах, её определяющих. В повседневность служение может быть вписано через профессиональную деятельность, поэтому предлагается рассматривать исследуемый объект, фокусируясь именно на этом его типе. Определение смысла профессионального служения, его места в современном мире, а также разработка направляющих учебное занятие методологических ориентиров составляет цель исследования. Достижение поставленной цели было бы невозможно без опоры на методологию социально-философского анализа, ценностный, деятельностный и психологический подходы. В работе решены следующие задачи, структурирующие изложение материала. 1. Выявлены истоки идеи служения и пути её развития в российском обществе. Ретроспективно трансформация служения рассмотрена от становления российской государственности до современности. 2. Определена применимость стратегии служения к любой профессиональной деятельности. Утверждается, что этика каждой профессии может быть построена вокруг идеи служения. 3. Предложены направления формирования отношения студентов к приобретаемой профессии, основанного на служении. К таковым отнесены: осознание значимости выполняемого труда; оценка трудовой роли как призвания; обострённая социальная ответственность; усвоение служения как одного из жизненных принципов. 4. Намечены смысловые ориентиры в обсуждении возможных трудностей, возникающих на пути профессионального служения. К таковым отнесены: потеря мотивации; утрата ценности профессионализма; отказ от пожизненной профессиональной траектории. Исследование носит поисковый характер, однако полученные выводы представляются плодотворными для обмена первым опытом проведения курса «Основы российской государственности», дальнейшей теоретико-методологической дискуссии с возможной коррекцией учебного материала.
Данная статья посвящена изучению влияния социальной среды и происходящих в ней изменений на ценности студенческой молодёжи. Создание предпосылок для следования ценностям представляет собой сложную задачу, включающую глубокое изучение природы ценностей, условий их формирования, а также разработку мер по обеспечению устойчивого следования этим ценностям, особенно среди студенческой молодёжи. На основе различных определений ценностей в статье приводится авторское операциональное определение, ставшее отправной точкой для организации прикладного социологического исследования. На основе проведённого факторного и кластерного анализа данных социологического исследования сформированы типологические группы, описанные через соотнесение с героями русской литературы. Благодаря выбранному методу типологического анализа удалось наглядно продемонстрировать возможные изменения ценностей студенческой молодёжи под влиянием меняющейся социальной среды, а также описать вероятные социальные траектории студентов как результат ухода от прежних ценностей.
С каждым днём технологии искусственного интеллекта (ИИ) всё больше интегрируются в процесс обучения студентов российских вузов. Высокий уровень качества обратной связи от ИИ-инструментов приводит к распространению среди обучающихся ИИ-плагиата - несанкционированного заимствования материалов генеративного ИИ. Целью работы выступает: а) выделение аспектов, определяющих понимание студентами вопросов соблюдения авторской этики и проблемы плагиата при взаимодействии с генеративным ИИ; б) разработка анкеты с целью определения понимания студентами вопросов соблюдения авторской этики и проблемы ИИ-плагиата; в) проведение онлайн-анкетирования студентов вузов, анализ и обсуждение полученных результатов. В работе выделяется пять аспектов, определяющих понимание студентами вопросов соблюдения авторской этики и проблемы ИИ-плагиата при выполнении учебных заданий и подготовке исследовательских текстов: а) общее понимание студентами вопросов соблюдения авторской этики и проблемы плагиата в академической среде; б) опыт учебного взаимодействия студентов с ИИ-инструментами; в) понимание студентами проблемы ИИ-плагиата и отношение к заимствованию материалов генеративного ИИ; г) действия преподавателя по предупреждению ИИ-плагиата среди студентов; д) политика образовательной организации относительно соблюдения студентами авторской этики и ИИ-плагиата. Для выявления степени понимания студентами вопросов соблюдения авторской этики и проблемы ИИ-плагиата была разработана онлайн-анкета. В опросе приняли участие 1599 студентов из 29 вузов РФ. Результаты показали, что в целом в российском студенческом сообществе плагиат - это широко распространённое социальное явление, многие из видов которого воспринимаются молодёжью как норма академического поведения. Несмотря на относительно высокую осведомлённость студентов в области ИИ-технологий, чрезвычайно редкое использование преподавателями профильных дисциплин ИИ-инструментов в учебном процессе обусловливает на настоящий момент низкий уровень распространения ИИ-плагиата в академической среде. При этом необходимо констатировать отсутствие у обучающихся системного понимания, что именно будет считаться ИИ-плагиатом и как они могут «легально» использовать материалы генеративного ИИ. Важное значение, по мнению студентов, для понимания вопросов соблюдения авторской этики и проблемы ИИ-плагиата будут иметь, с одной стороны, действия преподавателей по разъяснению обучающимся правил использования материалов генеративного ИИ, а с другой - наличие в вузах нормативно-правовой основы, регламентирующей сферу и степень использования студентами ИИ в учебном процессе.
Актуальность статьи предопределена необходимостью поиска новых ресурсов для развития университетской научной сферы и определения возможностей её качественного улучшения. Цель работы - определение оснований для типологизации взаимодействия вузовских образовательных общностей и определения базовых черт научной концепции организации университетского научного пространства Уральского федерального округа как репрезентативной научно-образовательной модели высшей школы макрорегиона. Доминирующие теоретические подходы: общностный, ресурсный, типологический. Объект исследования - взаимодействие общности научно-педагогических работников (НПР), студенческой общности и общности административно-управленческих работников (АУР); предмет - ресурсы образовательных общностей в вузах макрорегиона. Эмпирическую базу составляют массовые анкетные опросы регионального и общероссийского характера, материалы экспертных интервью, статистические данные. Предложен подход к изучению НПР, АУР и студенчества как традиционных, виртуальных и цифровых общностей. Анализ предпосылок взаимодействия и специфики каждой из выделенных общностей позволил вскрыть наиболее острые проблемы, препятствующие их интеграции в единое университетское научное пространство макрорегиона. Показано, что негативное влияние оказывают несбалансированное соотношение численности представителей общностей в целом и по регионам округа, а также бюрократизация вузовской деятельности. Отмечено, что противоречия в целеполагании общностей в научной деятельности создают ситуацию межобщностной разобщённости. Изучение исследовательских практик выявило необходимость формализации статуса «кадровый резерв науки», распространения новаторских практик крупных вузов, организацию единой системы регионального инвестирования в студенческую науку, включение регионов в сферу влияния научно-образовательных центров мирового уровня. В качестве типологических оснований научного взаимодействия выделено четыре группы проблемных зон: численность участников коммуникаций; хронотоп научного взаимодействия; мотивация, возможности и позиции в науке; характер взаимодействия. Предложена трактовка ресурсного потенциала вузовского научного пространства и взаимодействующих в нём общностей. Определены основные черты концепции университетского научного пространства макрорегиона как специфической социальной экосистемы.
Издательство
- Издательство
- МОСКОВСКИЙ ПОЛИТЕХ
- Регион
- Россия, Москва
- Почтовый адрес
- 107023, г Москва, р-н Соколиная Гора, ул Большая Семёновская, д 38
- Юр. адрес
- 107023, г Москва, р-н Соколиная Гора, ул Большая Семёновская, д 38
- ФИО
- Миклушевский Владимир Владимирович (РЕКТОР)