Preview

Информатика и образование

Расширенный поиск

Использование технологий больших данных и нейросетей в создании адаптивных методических материалов для развития исследовательских навыков педагогов

https://doi.org/10.32517/0234-0453-2024-39-5-63-77

Аннотация

В повышении эффективности развития профессиональных навыков педагогов и формировании их исследовательских компетенций важную роль играет адаптивное обучение, в том числе адаптивная методическая литература. Представленное в данной статье исследование посвящено применению моделей обработки больших данных и нейросетевых технологий при подготовке адаптивной методической литературы для формирования исследовательских компетенций педагогов в период с 2010 по 2023 годы. На основе анализа научных публикаций, технической документации, опросов педагогов и образовательной аналитики выявлены ключевые принципы, методы и инструменты персонализации образовательного контента. Определены типы данных и источники информации для адаптации материалов под индивидуальные потребности педагогов-исследователей. Разработаны критерии и метрики оценки эффективности адаптивной методической литературы, обоснованы перспективы ее развития на базе технологий больших данных и нейросетей. Выявлены проблемы и ограничения рассматриваемых подходов, даны рекомендации по их преодолению. Теоретическая значимость работы состоит в углублении научных представлений о методологии разработки адаптивного образовательного контента на основе интеллектуального анализа больших данных. Практическая ценность связана с потенциалом оптимизации процессов создания персонализированных методических ресурсов и развития адаптивной системы повышения квалификации педагогических кадров.

Об авторах

В. И. Аннушкин
Государственный институт русского языка им. А. С. Пушкина
Россия

Аннушкин Владимир Иванович, доктор филол. наук, профессор, профессор кафедры русской словесности и межкультурной коммуникации, филологический факультет



А. В. Шмелева
Государственный университет просвещения
Россия

Шмелева Анна Вячеславовна, канд. филол. наук, доцент, зав. кафедрой методики преподавания русского языка и литературы, факультет русской филологии



Список литературы

1. Ганичева А. Н., Ильина И. В., Ким Т. К., Метелькова Л. А., Правдов Д. М., Сухова Е. И. Проблемы подготовки образовательных организаций системы среднего профессионального образования к конкурсам различной направленности. Управление образованием: теория и практика. 2021;2(42):150–159. EDN: PYXLPT. DOI: 10.25726/i9251-7537-2765-w.

2. Aleven V., McLaughlin E. A., Glenn R. A., Koedinger K. R. Instruction based on adaptive learning technologies. Handbook of Research on Learning and Instruction. New York, Routledge; 2016:522–560.

3. Baker R. S. Stupid tutoring systems, intelligent humans. International Journal of Artificial Intelligence in Education. 2016;26(2):600–614. DOI: 10.1007/s40593-016-0105-0.

4. Brusilovsky P., Millán E. User models for adaptive hypermedia and adaptive educational systems. The Adaptive Web. Lecture Notes in Computer Science. Berlin, Heidelberg, Springer; 2007;4321:3–53. DOI: 10.1007/978-3-540-72079-9_1.

5. Chatti M. A., Dyckhoff A. L., Schroeder U., Thüs H. A reference model for learning analytics. International Journal of Technology Enhanced Learning. 2012;4(5–6):318–331. DOI: 10.1504/IJTEL.2012.05181.

6. Conde M. Á., Hernández-García Á. Learning analy tics for educational decision making. Computers in Human Behavior. 2015;47:1–3. DOI: 10.1016/j.chb.2014.12.034.

7. Drachsler H., Kalz M. The MOOC and learning analytics innovation cycle (MOLAC): A reflective summary of ongoing research and its challenges. Journal of Computer Assisted Learning. 2016;32(3):281–290. DOI: 10.1111/jcal.12135.

8. Fernández-Delgado M., Mucientes M., Vázquez-Barreiros B., Lama M. Learning analytics for the prediction of the educational objectives achievement. Proc. IEEE Frontiers in Education Conference (FIE). Madrid, Spain, Institute of Electrical and Electronics Engineers Inc.; 2014:1–4. DOI: 10.1109/FIE.2014.7044402.

9. Hwang G. J., Sung H. Y., Hung C. M., Huang I. A learn ing style perspective to investigate the necessity of develop ing adaptive learning systems. Educational Technology & Society. 2013;16(2):188–197.

10. Khosravi H., Sadiq S., Gasevic D. Development and adoption of an adaptive learning system: Reflections and lessons learned. Proc. 51st ACM Technical Symposium on Computer Science Education (SIGCSE’20). New York, NY, USA, Association for Computing Machinery; 2020:58–64. DOI: 10.1145/3328778.3366900.

11. Kulik J. A., Fletcher J. D. Effectiveness of intelligent tutoring systems: A meta-analytic review. Re view of Educational Research. 2016;86(1):42–78. DOI: 10.3102/0034654315581420.

12. Lynch C. F. Who prophets from big data in education? New insights and new challenges. Theory and Research in Education. 2017;15(3):249–271. DOI: 10.1177/1477878517738448.

13. Paquette L., De Carvalho A. M. J. A., Baker R. S. To wards understanding expert coding of student disengagement in online learning. Proc. 36th Annual Meeting of the Cognitive Science Society (CogSci 2014). Quebec City, Canada, The Cognitive Science Society; 2014:1126–1131.

14. Romero C., Ventura S. Educational data science in massive open online courses. Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery. 2017;7(1):e1187. DOI: 10.1002/widm.1187.

15. Schraw G., Dennison R. S. Assessing metacogni tive awareness. Contemporary Educational Psychology. 1994;19(4):460–475. DOI:10.1006/ceps.1994.1033.

16. Vallejo M., Bernárdez Gómez A., Torres-Soto A., Nieto-Cano J. M. Professional relationships and professional learning from a generational perspective. Professional Development in Education. 2024:1–16. DOI: 10.1080/19415257.2024.2335962.

17. Rosé C. P., McLaughlin E. A., Liu R., Koedinger K. R. Explanatory learner models: Why machine learning (alone) is not the answer. British Journal of Educational Technology. 2019;50(6):2943–2958. DOI: 10.1111/bjet.12858.

18. Sergis S., Sampson D. G. Teaching and learning analytics to support teacher inquiry: A systematic literature review. Learning analytics: Fundaments, applications, and trends. Berlin, Springer; 2017;94:25–63. DOI: 10.1007/978-3-319-52977-6_2.

19. Siemens G., Long P. Penetrating the fog: Analytics in learning and education. EDUCAUSE review. 2011;46(5): 30–40.

20. Tsai Y.-S., Gasevic D. Learning analytics in higher education — challenges and policies: A review of eight learning analytics policies. Proc. 7th Int. Learning Analytics & Knowledge Conf. (LAK’17). 2017:233–242. DOI: 10.1145/3027385.30274.

21. Pardo A., Jovanovic J., Dawson S., Gašević D., Mirriahi N. Using learning analytics to scale the provision of personalised feedback. British Journal of Educational Technology. 2019;50(1):128–138. DOI: 10.1111/bjet.12592.


Рецензия

Для цитирования:


Аннушкин В.И., Шмелева А.В. Использование технологий больших данных и нейросетей в создании адаптивных методических материалов для развития исследовательских навыков педагогов. Информатика и образование. 2024;39(5):63-77. https://doi.org/10.32517/0234-0453-2024-39-5-63-77

For citation:


Annushkin V.I., Shmeleva A.V. Using big data and neural network technologies in the creation of adaptive methodological materials for the development of teachers’ research skills. Informatics and education. 2024;39(5):63-77. (In Russ.) https://doi.org/10.32517/0234-0453-2024-39-5-63-77

Просмотров: 108


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 0234-0453 (Print)
ISSN 2658-7769 (Online)