Методики сбора данных об участниках онлайн-программ дополнительного профессионального образования в вузах
https://doi.org/10.32517/0234-0453-2023-38-2-57-65
Аннотация
В статье подробно рассмотрены разработанные авторами основные методики сбора данных об участниках онлайн-программ дополнительного профессионального образования (ДПО) в вузах. При разработке методик авторы в качестве базовых использовали такие подходы, как: личностно-ориентированный, средовой, продуктовый, data-driven подход. Также авторами учтены основные положения доказательного образования, образовательной аналитики, характеристики типов данных об обучении (модель LOTS).
Рассмотренные в статье новые методические подходы представляют практическую ценность на разных этапах проектирования и реализации образовательной программы обучения на основе полученных данных с помощью обратной связи и оценивания, а также метрик обучения. Апробация полученных результатов проводилась в малых группах слушателей (12–20 участников) в рамках реализации дополнительного профессионального образования и курсов повышения квалификации «Оценивание и обратная связь», «Основы педагогического дизайна в дистанционном и смешанном обучении» и летней школы для преподавателей и методистов «Проектирование обучения на основе данных». Общее количество участников, прошедших обучение с использованием описанных в статье методик, составило 146 человек.
Результаты исследования могут представлять практический интерес для сотрудников администрации образовательных организаций, осуществляющих обучение по программам ДПО, ориентирующихся на развитие системы ДПО на основе данных, а также для методистов и преподавателей, проектирующих программы под актуальный образовательный запрос. Полученные результаты способствуют повышению результативности обучения с учетом валидных метрик в условиях конкуренции с российскими и зарубежными компаниями EdTech. Кроме того, они могут быть полезны преподавателям, которые реализуют образовательные программы высшего образования, методистам и разработчикам образовательных продуктов.
Об авторах
Е. А. БезызвестныхРоссия
Безызвестных Екатерина Анатольевна, канд. пед. наук, специалист по учебно-методической работе Центра обучения и развития сотрудников; доцент кафедры информационных технологий обучения и непрерывного образования, Институт педагогики, психологии и социологии
г. Санкт-Петербург
г. Красноярск
М. А. Скрябин
Россия
Скрябин Максим Александрович, канд. физ.-мат. наук, доцент Научно-образовательного центра математики, факультет систем управления и робототехники, Мегафакультет компьютерных технологий и управления; руководитель Дирекции инновационных образовательных программ
г. Санкт-Петербург
г. Ростов-на-Дону
Список литературы
1. Romero C., Ventura S. Educational data mining and learning analytics: An updated survey. WIREs Data Mining and Knowledge Discovery. 2020;10(3):1355. DOI: 10.1002/widm.1355
2. Romero C., Ventura S. Educational data science in massive open online courses. WIREs Data Mining and Knowledge Discovery. 2017;7(1):1187. DOI: 10.1002/widm.1187
3. Стародубцев В. А., Ситникова О. В., Лобаненко О. Б. Оптимизация контента онлайн-курса по данным статистики активности пользователей. Высшее образование в России. 2019;28(8-9):119–127. EDN: HEGBYR. DOI: 10.31992/0869-3617-2019-28-8-9-119-127
4. Озерова Г. П. Оценка самостоятельной работы студентов при смешанном обучении на основе данных учебной аналитики. Высшее образование в России. 2020;29(89):117–126. EDN: NNRDRK. DOI: 10.31992/0869-36172020-29-8-9-117-126
5. Бешенков С. А., Шелковникова Н. В., Шутикова М. И. Информационные инструменты в системе электронного обучения и исследовательско-проектной деятельности. Вестник Московского городского педагогического университета. Серия: Информатика и информатизация образования. 2020;(3(53)):8–15. EDN: JEOBNF. DOI: 10.25688/2072-9014.2020.53.3.01
6. Котова Е. Е. Прогнозирование успешности обучения в интегрированной образовательной среде с применением инструментов онлайн аналитики. Компьютерные инструменты в образовании. 2019;(4):55–80. EDN: GSJKDN. DOI: 10.32603/2071-2340-2019-4-55-80
7. Свердлов М., Конобеев А. Data-driven подход к образованию: кейсы Skyeng. Современная аналитика образования. 2021;(9(58)):31–38. Режим доступа: https://ioe.hse.ru/pubs/share/direct/556977752.pdf
8. Хэтти Д. Видимое обучение: синтез результатов более 50 000 исследований с охватом более 86 миллионов школьников. М.: Национальное образование; 2017. 495 с.
9. Рзун И. Г. Информационные технологии как средство обратной связи образовательного процесса. Естественно-гуманитарные исследования. 2013;(2):6–11. EDN: RSGJVD
10. Курьян М. Л., Воронина Е. А. Применение технологии педагогической поддержки («скаффолдинг») при обучении студентов эффективной обратной связи. Вестник Томского государственного университета. 2020;(461):183– 191. EDN: SMRPJD. DOI: 10.17223/15617793/461/22
11. Carless D. Feedback loops and the longerterm: Towards feedback spirals. Assessment & Evaluation in Higher Education. 2019;44(5):705–714. DOI: 10.1080/02602938.2018.1531108
12. Барабашёва И. В. Feedback как средство развития мотивации к изучению иностранного языка. Вестник Томского государственного педагогического университета. 2017;(6(183)):135–140. EDN: WENYRX. DOI: 10.23951/1609-624X-2017-6-135-140
13. Ласков В. Б., Алексеенко Ю. В., Третьякова Е. Е., Логачева Е. А. Обратная связь в образовательном процессе: мнение студентов о качестве преподавания. Sciences of Europe. 2016;(10-2(10)):33–37. EDN: XLIFCF
14. Ishmuradova I. I., Kamasheva Y. L., Khanmurzina R. R., Borysova O. V., Makarov A. L., Denisova R. R., Kora N. A. Marketing approach in educational institutions management: Transformation and development management. Journal of Environmental Treatment Techniques. 2020;8(4):1304–1308. EDN: UEJHLX. DOI: 10.47277/JETT/8(4)1308
15. Moore M. G. Editorial: Three types of interaction. American Journal of Distance Education. 1989;3(2):1–7. DOI: 10.1080/08923648909526659
16. Hillman D. C., Willis D. J., Gunawardena C. N. Learner-interface interaction in distance education: An extension of contemporary models and strategies for practitioners. American Journal of Distance Education. 1994;8(2):30–42. DOI: 10.1080/08923649409526853
17. Soo K.-S., Bonk C. J. Interaction: What does it mean in online distance education? Proc. of 10th World Conf. on Educational Multimedia and Hypermedia & World Conf. on Educational Telecommunications (ED-MEDIA/ED-TELECOM 98). Freiburg, Germany, Educational Resources Information Center; 1998:1–9. Available at: http://www.trainingshare.com/pdfs/june-27/Ed-Media-Proceedings_1998_Soo_Bonk_Interaction_means_online_ed_Freiberg_Ger.pdf
18. Northrup P. T. Online learner’s preferences for interaction. Quarterly Review of Distance Education. 2002;3(2):219–226. Available at: https://www.learntechlib.org/p/95275/
19. Cattell R. B. Personality and motivation structure and measurement. Chicago, World Book Co; 1957. 948 p.
20. Magnusson D., Endler N. S. Personality at the crossroads: Current issues in interactional psychology. Hillsdale, Lawrence Erlbaum Associates; 1977. 454 p.
21. Funder D. C., Parke R. D., Tomilinson-Keasey C. A., Widaman K. (eds.) Studying lives through time: Personality and development. Washington DC, American Psychological Association; 1993. 452 p.
22. Boud D., Falchikov N. Rethinking assessment in higher education. Learning for the longer term. London, Routledge; 2007. 224 p. DOI: 10.4324/9780203964309
23. Bennett R. E. The changing nature of educational assessment. Review of Research in Education. 2015;39(1):370–407. DOI: 10.3102/0091732X14554179
24. Федерякин Д. А., Угланова И. Л., Скрябин М. А. Новые источники информации в компьютерном тестировании. Вестник Томского государственного университета. 2021;(465):179–187. EDN: AAJYZT. DOI: 10.17223/15617793/465/24
Рецензия
Для цитирования:
Безызвестных Е.А., Скрябин М.А. Методики сбора данных об участниках онлайн-программ дополнительного профессионального образования в вузах. Информатика и образование. 2023;38(2):57-65. https://doi.org/10.32517/0234-0453-2023-38-2-57-65
For citation:
Bezyzvestnykh Е.А., Skryabin M.A. Methods for collecting data on participants of online programs of additional professional education in universities. Informatics and education. 2023;38(2):57-65. (In Russ.) https://doi.org/10.32517/0234-0453-2023-38-2-57-65