Преподаватели улучшат качество образования, проанализировав соцсети
2 Марта 2020

Команда учёных ТГУ, разработавшая алгоритм поиска «своих» абитуриентов в соцсети «ВКонтакте», пробует использовать эту технологию для оптимизации образовательного процесса. Изучив цифровой след студента, преподаватель может, например, анализировать интересы учащихся и использовать эти данные для рекомендаций по выбору тем курсовой работы, учебного проекта, производственной или исследовательской практики, факультативного курса.

Напомним, что разработанный в ТГУ алгоритм по поиску абитуриентов анализирует подписки старшеклассников во ВКонтакте. Предварительно контрольная группа учащихся прошла тестирование, и учёные выявили связь между уровнем интеллекта, креативности и мотивации выпускников и его подписками. Кроме того, алгоритм помогает определить, какая образовательная программа будет интересна будущему абитуриенту. Точность алгоритма – более 85%.

– Анализ цифровых следов абитуриентов и студентов ТГУ первых лет обучения показал, что спектр их подписок не очень различается, а значит, картирование интересов можно применять и для студентов, – пояснил участник проекта, зав. лабораторией компьютерных средств обучения Института дополнительного образования ТГУ Артем Фещенко. – Когда мы анализировали, кому в университете может помочь алгоритм, то остановились на нескольких потенциальных пользователях: тьютор, руководитель образовательной программы, научный руководитель или преподаватель.


Сейчас разработан прототип инструмента для преподавателя, который позволяет создавать карту интересов студента по цифровому следу во «ВКонтакте». Преподавателю достаточно указать только адрес страницы студента, всё остальное сделает машина. Результат – это перечень предметных областей (более 20) и доля подписок студента на тематические сообщества по каждому из предметов.

Результаты Артема Фещенко.jpg

– Но, наверное, не все преподаватели смогут найти прикладное применение такому анализу. Например, НИР студента-физика должна быть связана с этим профилем подготовки, но его интересы в пространстве информального обучения могут быть направлены в сторону психологии и истории. Что с этой информацией делать классическому научному руководителю? Как соединить эти интересы с физикой? Готового ответа на эти вопросы у нас пока нет. Поэтому анализ пока актуален для тех, кто работает в междисциплинарной тематике, на пересечении разных наук, – отметил Артем Фещенко.

Информальное образование – индивидуальная познавательная деятельность, сопровождающая повседневную жизнь и не обязательно носящая целенаправленный характер. Это спонтанное образование, реализующееся за счёт собственной активности человека в окружающей его культурно-образовательной среде.

По словам учёного, карта интересов также может быть полезна и тьюторам, чтобы они во время консультаций подсказывали, какие факультативные курсы лучше взять. Это поможет сделать образовательную траекторию студентов более гибкой и индивидуальной, достроить её за счет разным форм неформального образования.

Руководителям образовательных программ и преподавателям алгоритм поможет формировать команды для выполнения проектных или творческих проектов.

– Привычный принцип формирования студенческих команд обычно базируется на симпатии студентов друг к другу, но его можно дополнить алгоритмом сопоставления личных интересов с теми или иными областям знаний, проявляющихся ВКонтакте. Такой подход, с одной стороны, позволит искать единомышленников, с другой, соединять студентов с различными, но взаимодополняющими интересами в междисциплинарном проекте. Этот сценарий применения результатов анализа данных может оказаться востребованным, например, в Ядре бакалавриата ТГУ, – пояснил учёный.

Прототип инструмента доступен на платформе Университетского консорциума исследователей больших данных. На сайте может зарегистрироваться и получить доступ к инструменту любой желающий.

– У преподавателей ТГУ есть отличная возможность для экспериментов с новыми технологиями в образовании через участие в конкурсе инициативных проектов. Совместно с нами вы можете разработать и испытать новые модели персонализированного обучения студентов на основе анализа данных из социальных сетей. Заявки на конкурс принимаются до 10 марта, – отметил Артем Фещенко.

Если вас привлекает возможность улучшать методы и приёмы обучения своих студентов, узнавая их лучше через социальные сети, свяжитесь с командой проекта через Артема Фещенко: fav@ido.tsu.ru.

Добавим, что эта же команда лаборатории компьютерных средств обучения ИДО ТГУ разрабатывает алгоритм для выявления пользователей «ВКонтакте», которые проявляют склонность к агрессии, тревожности и стрессу, а также алгоритм для поиска небезопасного контента. Сейчас для создания базы данных исследователи сформировали онлайн-опросники, доступные студентам ТГУ. Ответивший узнает свой психологический портрет, эмоциональное состояние и то, как он пользуется интернетом.