Технологии в образовании

Аналитика в онлайн учебных платформах
Концепция. Первыми видами аналитики, с которыми столкнутся многие учебные заведения, будут 
панели мониторинга аналитики, появляющиеся в большинстве онлайн платформ обучения. Фактиче-
ски это воздействие продуктов БА на платформы обучения. До недавнего времени данные находились 
в формате, недоступном для обычных пользователей. На сегодняшний день они предоставлены в виде 
графиков, столбцов и другой визуализации. Индивидуальные отчеты разработаны для учеников, пе-
дагогов, администраторов и аналитиков. Более усовершенствованная функциональность объединяет 
данные других университетских систем (например, служба технической поддержки; студенческие ин-
формационные системы), позволяет пользователям выходить за пределы встроенных отчетов и ис-
следовать отношения между различными переменными. Ученики могут получить базовую аналитику, 
как, например, их место в группе (экзаменационные отметки, участие в форумах, участие в онлайн-
семинарах). Некоторые учреждения идут дальше и добавляют продукты визуализации с дополнитель-
ной информацией, способствующие пониманию сложных данных, или предметный уровень аналитики 
основных разработчиков.
Например, EDUCAUSE выполняется чрезвычайно полезное обобщение предметного исследования 
в сфере высшего образования. Так, университет штата Аризона сообщает о том, что его инвестиции в 
учебный и образовательный анализ, включая программу «Student 360», которая объединяет все знания 
учреждения о студенте, принесли свои плоды.
Аналитика прогноза успешности
Концепция.
 Одним из наиболее развитых применений аналитики является возможность определе-
ния своей индивидуальной траектории обучения (например «с риском»; «успевающий ученик»; «обще-
ственный учащийся») благодаря статическим данным учеников (например, демографические данные;
прошлые достижения) и динамическим данным (например, образец онлайн логинов; количество дис-
куссий). Следовательно, становятся возможными своевременные вмешательства (например, допол-
нительная социальная и академическая помощь; более стимулирующие задачи). В настоящее время
одним из самых надежных прогностических параметров итогового экзамена все еще является экзамен 
в начале обучения. Создание более сложных моделей прогнозирования на основе данных должно его 
усовершенствовать, но необходим статистический анализ для идентификации тех параметров, кото-
рые могут быть признаны в качестве самых сильных прогностических параметров «успеха». В настоя-
щее время они обычно определены как задание/результат экзамена, тогда как дискуссии о системах 
оценки (см. ниже) привлекают внимание к роли, которую мог бы играть анализ в обеспечении форми-
рующей обратной связи и создании однородных/передаваемых навыков. 
Например, Course Signals в Университете Пердью в качестве показателя успехов в обучении ученика 
показывает красный/желтый/зеленый свет. Результаты на данный момент свидетельствуют о том, что 
студенты, использующие Course Signals, имеют более высокую успеваемость и с большим желанием 
ищут вспомогательные ресурсы, чем другие студенты. Отчет Мичиганского университета сообщает о 
многообещающих результатах по физике благодаря системе E2Coach, которая адаптирует технологию 
персонифицированного вмешательства, одобренную исследованиями медицинской информатики, для 
обеспечения индивидуальной обратной связи и мотивации студентов на изменение своей стратегии. 
Колледж Пола Смита использовал Starfish EarlyAlert для обеспечения обратной связи преподавателей 
и студентов, а также инструменты Rapid Insight для построения точной прогнозирующей модели в це-
лях выявления ученика, входящего в группу риска. Эта структура Предиктивной аналитики (PAR), раз-
работанная и руководимая шестью американскими образовательными учреждениями, способна иден-
тифицировать образцы по коллективным данным о студентах. Такие подходы разработаны для типичной 
среды обучения по содержанию предметной области, но если ограничиться отдельной темой, возможны 
новые виды аналитики.

---

Новые информационные технологии в образовании
309