Фотографии: Ксюша Рябова.
В сфере образования выделяются пять основных типов данных: персональные данные, данные о взаимодействии студентов с электронными системами обучения, данные об эффективности учебных материалов, административные данные, прогнозные данные. Edutainme опубликовал примеры того, как данные разного типа используются в учебных заведениях, и чем это помогает образованию.
Большие данные и экономия
Университет Содружества Виргинии совместно с исследовательской компанией Education Advisory Board провели исследование, позволившее выявить студентов в группе риска и помочь им. Студенты, которые стали пропускать занятия или получать плохие оценки, покидали учебное заведение чаще всего. Для университета была создана платформа, которая агрегирует все оценки студентов и находит проблемы. С ними сотрудники могут работать индивидуально – например, предложить студенту репетитора. В течение одного семестра количество студентов, закончивших курс, увеличилось на 16%, а количество студентов, перешедших на следующий курс обучения – на 8 процентов.
Государственный университет Болл в Индиане использует большие данные, чтобы анализировать участие студентов в разнообразных мероприятиях кампуса. Этот параметр считается ключевым с точки зрения успехов в учебе. Университет отслеживает частоту посещения кампуса и различных мероприятий с помощью идентификационных карт: если вовлеченность студента снижается, то сотрудники университета выявляют причину и могут предложить помощь.
Персонализация обучения
Одна из популярных стратегий персонализации обучения – предложить дополнительный онлайн-курс отстающему студенту. По мере того как учащийся будет отвечать на вопросы, платформа сможет предсказать его готовность к новым темам. К примеру, Аризонский технологический университет нуждался в разработке нового курса по математике, так как студентам приходилось готовиться к экзамену целый год. После использования дополнительных курсов на базе платформы Knewton около половины студентов смогли сдать экзамен как минимум на месяц раньше.
Еще одна сфера применения больших данных – прогнозное моделирование. Американские колледжи и университеты сами направляют письма-приглашения будущим студентам. Каждый вуз стремится привлечь наиболее перспективных студентов, которые наверняка поступят. Чтобы облегчить работу приемной комиссии, аналитики из компании ForecastPlus собрали и проанализировали несколько типов данных студентов: этническая принадлежность, успеваемость, выпускные работы. Прогнозное моделирование доказало свою эффективность более чем в ста кампусах США. В частности, Университет Крейтон в Небраске смог исключить 35 тысяч не самых перспективных студентов и не направлять им письма, что позволило сэкономить более 30 тысяч долларов.
Повышение качества преподавания
В начальной школе Рузвельта недалеко от Сан-Франциско учителя используют программу с поэтичным названием DIBELS с заданиями по чтению, помогающую выявить отстающих учеников и предложить им помощь. Это позволяет учителю быстро подготовить и адаптировать свои уроки к потребностям школьников. Оценка качества преподавания с помощью тестов не может быть по-настоящему эффективной: в итоге учителя просто натаскивают учеников на задания определенного типа. Анализируя данные об учебном процессе, администрация школы может лучше оценить учителей и, при необходимости, внести изменения.
Выбор будущей профессии
В шести технологических вузах Южной Каролины работает программа по получению новой профессии SC ACCELERATE, ориентированная на людей старше 25 лет и ветеранов. Анализ данных позволяет участникам выбрать образование и карьеру, наиболее соответствующие их опыту и личным качествам. Программа CareerChoice GPS помогает определиться с выбором карьеры: сервис изучает черты характера учащегося, его успехи в обучении, опыт предыдущей работы. Абитуриенты подают заявления в самые подходящие вузы – и последние от этого выигрывают.
Виртуальный кампус
В России только начинается использование больших данных в образовании. Авторы научного проекта, придуманного группой студентов ГУУ, предлагают разработать идентификационную карту студента, которая объединит ряд функций: проездной и студенческий билет, зачетная книжка и пропуск на территорию. С помощью карты можно будет собирать данные о времени и месте нахождения студента в кампусе. Создав личный кабинет, студенты будут отлеживать успеваемость, общаться с преподавателями, узнавать расписание занятий и изучать университетский каталог. Все эти сервисы позволят собирать и обрабатывать данные, чтобы генерировать дальнейшие рекомендации по улучшению опыта обучения.