Архив статей журнала
Цель данного исследования - рассмотреть перспективы и проблемы применения больших данных в образовании. Материалы и методы. Методами исследования выступали анализ, систематизация и структурирование информации в области применения больших данных в образовании, а также моделирование и программная реализация тестовой модели обработки больших данных с использованием фреймворка Apache Spark. Результаты. В статье рассмотрены ключевые аспекты использования больших данных в образовании, в частности, их источники в виде цифрового следа обучения, методы анализа и направления применения больших данных. При этом были выделены следующие источники больших данных в образовании: электронная образовательная среда и электронная библиотека вуза; мобильные приложения для обучения; сайт вуза; социальные сети и форумы; данные обратной связи, обращений и опросов; персональные данные, включая психометрические характеристики обучающихся; данные научных smart лабораторий; данные видеонаблюдений и систем контроля управления доступом; данные о карьерном пути и успешности выпускников. Направления применения больших данных в образовании включают в себя следующие моменты: персонализация электронного обучения, выдача персонализированных рекомендаций; аналитика данных; оценка и обратная связь; прогнозирование успеха студентов; мониторинг качества образования; создание модели обучаемого; разработка учебных планов на основе запросов работодателей; разработка новых образовательных программ; появление новых моделей обучения; совершенствование процессов управления вузом; совершенствование работы приемной компании; модернизация программно-технических средств обучения; оптимизация педагогического состава. В качестве проблем применения больших данных в образовании рассматриваются проблемы защиты личных (персональных) данных, необходимость в новых методологиях и технологиях анализа больших данных, потребность в существенной модернизации имеющихся в системе образования технических средств, необходимость в квалифицированных кадрах. В статье также приведен тестовый пример анализа log-файла (журнала событий) электронного курса с помощью технологий обработки больших данных Spark SQL, показывающий потенциальную возможность и практическую применимость технологий обработки больших данных к задачам анализа цифрового следа обучения. Заключение. Большие данные в образовании способны предоставить уникальные возможности для анализа и оптимизации учебного процесса, помогая выявить тенденции, прогнозировать успехи студентов и адаптировать образовательные программы к индивидуальным потребностям учащихся. Но нельзя также забывать, что использование больших данных в сфере образования также несет с собой определенные риски и вызовы, связанные с этическими аспектами, защитой личных данных и необходимостью кадровой модернизации сложившейся системы образования. Для успешной интеграции аналитики данных в образовательную практику необходимо развивать не только технические ресурсы, но и уровень цифровой безопасности и этики в использовании персональных данных.
Цель данного исследования - рассмотреть вопросы теории и практики интеграции цифрового пространства вуза путем внедрения личных кабинетов студентов, преподавателей и абитуриентов, включая описание возможных подсистем и сервисов данных кабинетов. Материалы и методы. В данном исследовании использовались следующие материалы и методы: анализ библиографических источников по проблемам цифровой трансформации системы высшего образования, а также методы сбора, систематизации, структурирования и анализа данных о подсистемах и сервисах личных кабинетов студентов, преподавателей и абитуриентов вуза. Результаты. К результатам работы можно отнести проект подсистем и сервисов личных кабинетов студентов, преподавателей и абитуриентов вуза. Проект личного кабинета студента вуза включает следующие подсистемы: учебный процесс, практика и трудоустройство, обратная связь, взаимодействие с бухгалтерией, электронный документооборот (заказ направлений и справок), интеграция с информационными системами. Личный кабинет преподавателя вуза содержит подсистемы: учебный процесс, научно-исследовательская работа, взаимодействие с отделом кадров, взаимодействие с бухгалтерией, система менеджмента качества, интеграция с информационными системами. Личный кабинет абитуриента включает подсистемы: подача документов, вступительные экзамены, зачисление, заключение договоров, обратная связь, авторизация в личном кабинете. Также рассмотрены проблемы и перспективы цифровой трансформации системы образования и вопросы интеграции личных кабинетов в электронную среду вуза. В частности, можно предложить интеграцию кабинетов в следующие возможные варианты базовых платформ: LMS - система управления электронным обучением вуза (например, LMS Moodle); ERP - система управления образовательной организацией (например, 1С: Университет ПРОФ); интернет-портал вуза (например, на платформе 1С-Битрикс); реализация кабинетов посредством собственных программных разработок вуза на основе систем с веб-интерфейсом (с адаптированной версией для мобильных устройств). Также в работе строится модель возможной интеграции личных кабинетов студента и преподавателя в информационную среду вуза. Кроме этого, в качестве результатов работы приводится пример реализации личного кабинета преподавателя в Электронной информационно-образовательной среде Башкирского ГАУ. Заключение. В заключении можно сделать вывод, что цифровая трансформация высшего образования является крайне сложной, многокомпонентной комплексной задачей, эффективное решение которой возможно только в ходе интеграционного взаимодействия всех участников образовательного процесса. Организация эффективного взаимодействия администрации, преподавателей, студентов и абитуриентов вуза на основе применения современных информационных технологий позволит осуществлять непрерывный мониторинг хода образовательной деятельности с возможностью проведения корректирующих мероприятий, обеспечивающих активизацию деятельности по ключевым для университета направлениям. Внедрение в деятельность вуза личных кабинетов студентов, преподавателей и абитуриентов позволит автоматизировать взаимодействие со всеми участниками образовательного процесса, что будет способствовать повышению его эффективности.