Введение. В статье обсуждается содержание предложенной методики формирования новых умений будущих педагогов, связанных с принятием педагогических решений на основе анализа образовательных данных. Необходимость разработки методики определили тренды развития цифровой образовательной среды, связанные со все более широким использованием информационных систем, цифровых сервисов и платформ образовательного назначения. Специфику методики определили связи задач учебной аналитики с возможностями трансформации педагогического управления в цифровой образовательной среде. Методика строится на базе актуальных знаний цифровой дидактики с учетом разных видов образовательных взаимодействий в цифровой среде. Новизна исследования заключается в предложении методики развития транспрофессиональных компетенций будущих педагогов в области учебной аналитики.
Материалы и методы. В проведенном нами исследовании были использованы следующие методы: анализ научной литературы, систематизация, анкетирование, статистическая обработка экспериментальных результатов.
Результаты. Были проанализированы результаты опроса педагогов и студентов педагогического вуза, проводившегося для выявления значимости приобретения новых профессиональных информационно-аналитических компетенций и заинтересованности во внедрении методики. По результатам исследования выявлено, что респонденты осознают имеющиеся профессиональные дефициты, которые могут препятствовать полноценному раскрытию потенциала цифровой образовательной среды в плане педагогического управления на основе данных информационных систем. Будущие и работающие педагоги в значительной степени заинтересованы в развитии аналитических компетенций при реализации профессиональной деятельности в цифровой среде, в том числе в освоении новых приемов гибкого педагогического управления на основе анализа образовательных данных. Состав и структура новых информационно-аналитических умений педагога, связанных с педагогическим управлением в цифровой образовательной среде и задачами учебной аналитики, обоснованные нами в предыдущих публикациях, определили содержание трехэтапной методики формирования компетенций педагога в области учебной аналитики. Методика адресована учителям и преподавателям разных предметов и дисциплин, не предполагает формирования углубленных компетенций профессионала – дата-аналитика.
Обсуждение и выводы. Этапность реализации методики ориентирована на продвижение от базового уровня работы с образовательными данными к формированию транспрофессиональных компетенций педагога в области учебной аналитики. Продолжение исследования будет связано с практической реализацией элементов методики в отдельных дисциплинах.
Introduction. The article discusses the content of the proposed methodology for the formation of new skills of future teachers related to making pedagogical decisions based on the analysis of educational data. The need to develop the methodology was determined by the trends in the development of the digital educational environment associated with the increasingly widespread use of information systems, digital services and platforms for educational purposes. The specifics of the methodology were determined by the connections between the tasks of learning analytics and the possibilities of transforming pedagogical management in the digital educational environment. The methodology is based on current knowledge of digital didactics, taking into account different types of educational interactions in the digital environment. The novelty of the research consists in the proposal of a methodology for developing transprofessional competencies of future teachers in the field of learning analytics.
Materials and methods. The following methods were used in our research: analysis of scientific literature, systematization, questioning, statistical processing of experimental results.
Results. The composition and structure of new information and analytical skills of a teacher related to pedagogical management in a digital educational environment and tasks of educational analytics, substantiated by us in previous publications, determined the content of a three-stage methodology for developing teacher competencies in the field of educational analytics. The methodology is addressed to teachers and lecturers of various subjects and disciplines, does not imply the formation of in-depth competencies of a professional – a data analyst. The results of a survey of teachers and students of a pedagogical university, conducted to identify the importance of acquiring new professional information and analytical competencies and interest in implementing the methodology, were analyzed. The results of the study revealed that respondents are aware of existing professional deficiencies that may hinder the full disclosure of the potential of the digital educational environment in terms of pedagogical management based on information systems data. Future and working teachers are largely interested in developing analytical competencies when implementing professional activities in the digital environment, including mastering new techniques of flexible pedagogical management based on the analysis of educational data.
Discussion and conclusion. The stages of the methodology implementation are aimed at moving from the basic level of working with educational data to the formation of transprofessional competencies of a teacher in the field of learning analytics. The continuation of the study will be associated with the practical implementation of the methodology elements in individual disciplines.
Павлова Татьяна Борисовнакандидат педагогических наук, доцент
Российский государственный педагогический университет имени А.И. Герцена
Санкт-Петербург, Российская Федерация
pavtatbor@gmail.com
Ковалева Елизавета Андреевна-
Российский государственный педагогический университет имени имени А. И. Герцена
Санкт-Петербург, Российская Федерация
elizavetakovaleva13@gmail.com
1. Другова Е. А., Журавлева И. И., ЗахароваУ.С., СотниковаВ. Е., ЯковлеваК. И. Искусственный интеллект для учебной аналитики и этапы педагогического проектирования: обзор решений // Вопросы образования. – 2022. – № 4. – С. 107–153. DOI: 10.17323/1814-9545-2022-4-107-153. EDN: BYFFFX
2. Дюличева Ю. Ю. Датасет и разработка инструмента учебной аналитики для извлечения проявлений студенческой агентности из текстов отзывов на МООК // Вопросы образования. – 2024. – № 1. – С. 288–313. DOI: 10.17323/vo-2024-16677. EDN: PYENAL
3. ДюличеваЮ.Ю. Применение учебной аналитики в высшем образовании: датасеты, методы и инструменты // Высшее образование в России. – 2024. – № 33 (5). – С. 86–111. DOI: 10.31992/0869-3617-2024-33-5-86-111. EDN: EIDBZY
4. Зеер Э. Ф., Сыманюк Э. Э., Лебедева Е. В. Транспрофессионализм как предиктор преадаптации субъекта деятельности к профессиональному будущему // Сибирский психологический журнал. – 2021. –№ 79. –С. 87–107. DOI: 10.17223/17267080/79/6. EDN: GPKIQR
5. Котюрова И. А., Щеголева Л. В. Визуализация образовательных данных в немецкоязычном корпусе студенческих текстов // Перспективы науки и образования. – 2024. – № 2 (68). – С. 578–594. DOI: 10.32744/pse.2024.2.35. EDN: UTDLFM
6. Криштал М. М., Богданова А. В., Мягков М. Г., Александрова Ю. К. Цифровои? след: оценка удовлетворе?нности студентов качеством образования // Высшее образование в России. – 2024. – № 33 (2). – С. 89–108. DOI: 10.31992/0869-3617-2024-33-2-89-108. EDN: MAGTNF
7. Носкова Т. Н. Интеллектуальные эффекты при использовании сетевой среды взаимодействий // Новые образовательные стратегии в современном информационном пространстве: сборник научных статей по материалам международной научно-практической конференции, Санкт-Петербург, 9–29 марта 2023 г. –СПб.: Центр научно-информационных технологий Астерион, 2023. – С. 203–210. EDN: HZBIEC
8. Павлова Т. Б., Ковалева Е. А. Новые информационно-аналитические умения педагога в педагогическом управлении образовательным взаимодействием в цифровой образовательной среде // KANT. – 2023. – № 3 (48). – С. 231–238. DOI: 10.24923/2222-243X.2023-48.40. EDN: WULNUE
9. Пинчук А. Н., КареповаС. Г., Тихомиров Д. А. Транспрофессиональное образование в студенческом дискурсе: востребованность, ожидания, риски // Образование и наука. – 2022. – № 24 (3). – С. 184–220. DOI: 10.17853/1994-5639-2022-3-184-220. EDN: FDITNJ
10. ФиофановаО.А.Анализ больших данных в сфере образования: методология и технологии: моногр. – М.: Издательский дом «Дело» РАНХиГС, 2020. – 200 с. EDN: SLBKRW
11. Фиофанова О. А. Проблема интеграции цифровых сервисов аналитики данных: компетенции педагога в работе с образовательными данными // Вестник Московского университета. Серия 20. Педагогическое образование. – 2020. – № 3. – С. 38–49.
DOI: 10.51314/2073-2635-2020-3-38-49. EDN: CKQVAB
12. Darvishi A., Khosravi H., Sadiq S., Ga?evi? D., Siemens G. Impact of AI assistance on student agency // Computers & Education. – 2024. – Vol. 210. – P. 1–18. DOI: 10.1016/j.compedu.2023.104967
13. Ismail D., Ayse S., White S., Banu D. Deep Learning for discussion-based cross-domain performance prediction of MOOC learners grouped by language on future learn // Arabian Journal for Science and Engineering. – 2021. – Vol. 46 (2). – P. 1–24. DOI: 10.1007/s13369-020-05117-x
14. Koyuncuo?lu D. Analysis of Digital and Technological Competencies of University Students // International Journal of Education in Mathematics, Science and Technology. – 2022. – Vol. 10 (4). – P. 971–988. DOI:10.46328/ijemst.2583
15. Madsen S., Saure H., Lie M., Aleksander J., Klan?ar A., Brito R., Thorvaldsen S. Pathway analysis of the dynamics of teacher educators’ professional digital competence // New media pedagogy: Research trends, methodological challenges, and successful implementations. – 2024. – P. 59–74. DOI: 10.1007/978-3-031-63235-8_4
16. Muslim A., Chatti M., Guesmi M. Open learning analytics: A systematic literature review and future perspectives // Artificial intelligence supported educational technologies. – 2023. – P. 3–29. DOI: 10.1007/978-3-030-41099-5_1
17. Siemens G. Learning analytics the emergence of a discipline // American Behavioral Scientist. – 2013. – Vol. 57 (10). – P. 1380–1400. DOI: 10.1177/0002764213498851
1. Drugova, E. A., Zhuravleva, I. I., Zaharova, U. S., Sotnikova, V. E., Yakovleva, K. I. (2022) Iskusstvennyj intellekt dlya uchebnoj analitiki i etapy pedagogicheskogo proektirovaniya: obzor reshenij [Artificial intelligence for learning analytics and instructional design steps: an overview of solutions]. Voprosy obrazovaniya – Educational studies. Moscow. No 4. Pp. 107–153. (In Russian). DOI: 10.17323/1814-9545-2022-4-107-153. EDN: BYFFFX
2. Dyulicheva, Yu. Yu. (2024) Dataset i razrabotka instrumenta uchebnoj analitiki dlya izvlecheniya proyavlenij studencheskoj agentnosti iz tekstov otzyvov na MOOK [Dataset and development of learning analytic tool to extract manifestations of students’ agency from texts of comments from MOOCs]. Voprosy obrazovaniya – Educational studies. Moscow. No. 1. Pp. 288–313. (In Russian). DOI: 10.17323/vo-2024-16677. EDN: PYENAL
3. Dyulicheva, Yu. Yu. (2024) Primenenie uchebnoj analitiki v vysshem obrazovanii: datasety, metody i instrumenty [Application of learning analytics in higher education: Datasets, methods and tools]. Vysshee obrazovanie v Rossii – Higher education in Russia. No. 33 (5). Pp. 86–111. (In Russian). DOI: 10.31992/0869-3617-2024-33-5-86-111. EDN: EIDBZY
4. Zeer, E. F., Symanyuk, E. E., Lebedeva, E. V. (2021) Transprofessionalizm kak prediktor preadaptacii sub"ekta deyatel'nosti k professional'nomu budushchemu [Transprofessionalism as a predictor for the preadaptation of an agent to the professional future]. Sibirskij psihologicheskij zhurnal – Siberian Psychological Journal. No. 79. Pp. 87–107. (In Russian). DOI: 10.17223/17267080/79/6. EDN: GPKIQR
5. Kotyurova, I. A., Shchegoleva, L. V. (2024) Vizualizaciya obrazovatel'nyh dannyh v nemeckoyazychnom korpuse studencheskih tekstov [Visualization of educational data in a germanlanguage corpus of student texts]. Perspektivy nauki i obrazovaniya – Perspectives of science and education. No. 2 (68). Pp. 578–594. (In Russian). DOI: 10.32744/pse.2024.2.35. EDN: UTDLFM
6. Krishtal, M. M., Bogdanova, A. V., Myagkov, M. G., Aleksandrova, Yu. K. (2024) Cifrovoj sled: ocenka udovletvoryonnosti studentov kachestvom obrazovaniya [Digital footprint: Assessing student satisfaction with education quality]. Vysshee obrazovanie v Rossii – Higher education in Russia. No. 33 (2). Pp. 89–108. (In Russian). DOI: 10.31992/0869-3617-2024-33-2-89-108. EDN: MAGTNF
7. Noskova, T. N. (2023) Intellektual'nye effekty pri ispol'zovanii setevoj sredy vzaimodejstvij [Intelligent effects when used network environment of interactions]. Novye obrazovatel'nye strategii v sovremennom informacionnom prostranstve [New educational strategies in the modern information space]. Collection of scientific articles on the materials of the international scientific-practical conference, St. Petersburg, March 9-29, 2023. Saint-Petersburg: Centr nauchno-informacionnyh tekhnologij Asterion. Pp. 203–210. (In Russian). EDN: HZBIEC
8. Pavlova, T. B., Kovaleva, E. A. (2023) Novye informacionno-analiticheskie umeniya pedagoga v pedagogicheskom upravlenii obrazovatel'nym vzaimodejstviem v cifrovoj obrazovatel'noj srede [New information and analytical skills of a teacher in the pedagogical management of educational interaction in the digital educational environment]. KANT. No. 3 (48). Pp. 231–238. (In Russian). DOI: 10.24923/2222-243X.2023-48.40. EDN: WULNUE
9. Pinchuk, A. N., Karepova, S. G., Tihomirov, D. A. (2022) Transprofessional'noe obrazovanie v studencheskom diskurse: vostrebovannost', ozhidaniya, riski [Transprofessional education in the student discourse: demand, expectations, risks]. Obrazovanie i nauka – Education and science journal. No. 24 (3). Pp. 184–220. (In Russian). DOI: 10.17853/1994-5639-2022-3-184-220. EDN: FDITNJ
10. Fiofanova, O. A. (2020) Analiz bol'shih dannyh v sfere obrazovaniya: metodologiya i tekhnologi [Big Data Analysis in Education: Methodology and Technologies]. Moscow: Delo RANHiGS (In Russian). EDN: SLBKRW
11. Fiofanova, O. A. (2020) Problema integracii cifrovyh servisov analitiki dannyh: kompetencii pedagoga v rabote s obrazovatel'nymi dannymi [Problem of integration of digital data analytics services: Teacher’s competence in work with educational data]. Vestnik Moskovskogo universiteta – Lomonosov Pedagogical Education Journal. No. 3. Pp. 38–49. (In Russian). DOI: 10.51314/2073-2635-2020-3-38-49. EDN: CKQVAB
12. Darvishi, A., Khosravi, H., Sadiq, S., Ga?evi?, D., Siemens, G. (2024) Impact of AI assistance on student agency. Computers & Education. Vol. 210. Pp. 1–18. DOI: 10.1016/j. compedu.2023.104967
13. Ismail, D., Ayse, S., White, S., Banu, D. (2021) Deep Learning for discussion-based crossdomain performance prediction of MOOC learners grouped by language on future learn. Arabian Journal for Science and Engineering. Vol. 46 (2). Pp. 1–24. DOI: 10.1007/s13369-020-05117-x.
14. Koyuncuo?lu, D. (2022) Analysis of Digital and Technological Competencies of University Students. International Journal of Education in Mathematics, Science and Technology. Vol. 10(4). Pp. 971–988. DOI:10.46328/ijemst.2583
15. Madsen, S., Saure, H., Lie, M., AleksanderJ., Klan?a, r A., Brito, R., Thorvaldsen, S. (2024) Pathway analysis of the dynamics of teacher educators’ professional digital competence. New media pedagogy: Research trends, methodological challenges, and successful implementations. Pp. 59–74. DOI: 10.1007/978-3-031-63235-8_4
16. Muslim, A., Chatti, M., Guesmi, M. (2023) Open learning analytics: A systematic literature review and future perspectives. Artificial intelligence supported educational technologies. Pp. 3–29. DOI: 10.1007/978-3-030-41099-5_1
17. Siemens, G. (2013) Learning analytics the emergence of a discipline. American Behavioral Scientist. Vol. 57 (10). Pp. 1380–1400. DOI: 10.1177/0002764213498851