Тренд последних лет - переобучение с целью смены профессии. В течение последних двух лет больше всего запросов было на освоение навыков, связанных с программированием. Например, если в 2021 году только 32% слушателей онлайн-платформ приходили туда с целью переквалификации, то в 2022 году таких стало 40%. Хотят люди получать новые знания в смежных сферах и для того, чтобы начать подрабатывать.
Однако надо признать, что далеко не всегда обучающиеся на онлайн-платформах доходят до финала. Говоря про результативность обучения, важно учитывать субъективный опыт учащегося, его комфорт в процессе, мотивацию, вовлеченность.
Одним из факторов результативного обучения взрослых является их вовлеченность в образовательный процесс. При этом автоматизированной системы измерения вовлеченности, учитывающей также личный опыт обучающихся, на рынке образования до последнего времени не существовало. Важный шаг в этом направлении сделали Skillbox и Международная лаборатория оценки практик и инноваций в образовании НИУ ВШЭ. Они разработали модель, которая предсказывает вовлеченность пользователей онлайн-платформы по их цифровому следу.
Как рассказали "Российской газете", их анализ строится на данных о числе начатых занятий, выполненных домашних работ, на результатах тестирования, числе недосмотренных видео и др. Эти и другие показатели позволяют отслеживать прогресс и вовлеченность взрослых обучающихся в программу. А платформе - своевременно принимать меры поддержки.
"В последние годы естественным образом вырос интерес исследовательского сообщества к созданию автоматизированных систем мониторинга опыта и прогресса обучающихся. И это задача не только и не столько техническая - такие системы позволяют нам лучше понять факторы, связанные с вовлеченностью, мотивацией, благополучием обучающихся, посмотреть на них в динамике и, как результат - проектировать образовательный опыт более эффективно", - комментирует Юлия Герасимова, руководитель проекта, Институт образования НИУ ВШЭ.
На первом этапе исследования собирались данные посредством опроса. Выборка респондентов составила более 2 тыс. человек, каждому из которых предложили заполнить анкету. Вопросы распределялись по трем компонентам вовлеченности (поведенческий, когнитивный и эмоциональный). В результате анализа собранных данных выявили три категории пользователей по степени вовлеченности: низко-, средне- и высокововлеченные.
Далее команда приступила к построению предикативной модели. Учитывались разные показатели: количество начатых занятий, выполненных домашних заданий, число недосмотренных видео и другие характеристики. Так, с помощью технологий машинного обучения была создана модель, предсказывающая вовлеченность студентов в динамике в процессе обучения. Для того, чтобы подтвердить полученные выводы, провели глубинные интервью с участниками испытания. Было установлено, что субъективный опыт студентов напрямую соотносится с тем цифровым следом, который они оставляют.
Как отметили руководители проекта, в перспективе модель может лечь в основу системы персонализированных треков обучения и сопровождения. А в дальнейших планах - доработать модель таким образом, чтобы предсказывать отсев студентов. При этом можно повысить результативность обучения у тех студентов, которым требуется больше помощи в достижении образовательных целей.
"Мы в своей модели образовательного продукта всегда были ориентированы на занятых взрослых людей, которые осознанно выбирают асинхронное обучение и самостоятельно максимально подстраивают его под свой жизненный ритм. Но понимаем, что вовлеченность в обучение при таком подходе может падать из-за перерывов в обучении, и активно исследуем поведение пользователей для построения более результативных отношений между учащимся и платформой", - уточняет директор по сервису Skillbox Наталья Влодавская.
"Сейчас уже смело можно говорить, что данная разработка позволит моделировать индивидуальные образовательные траектории в цифровых образовательных программах, которые ориентированы на наиболее заинтересованную в повышении своих компетенции студентов, при этом уже имеющих опыт традиционного образования, - отмечает доцент департамента менеджмента и инноваций Финансового университета при Правительстве РФ Михаил Хачатурян.
Он напоминает, что ранее приверженцы традиционного оффлайн-формата в образовании ставили в укор онлайн-программам то, что степень вовлеченности неочевидна. "Теперь же опыт работы с программой уже показывает, что разработанный механизм решает эту проблему. Он повышает качество оценки степени вовлеченности, а значит и качество образовательных программ", - добавляет Михаил Хачатурян.
Предложенная технология оценки степени вовлеченности стала прорывной инновацией в рамках цифровизации образовательной системы, а ВШЭ стал и продолжит быть полигоном, на котором эта технология уже апробирована и будет продолжать тестироваться и совершенствоваться. "Потенциальная польза понятна - улучшение оценки заинтересованности обучающихся читаемыми предметами для последующего совершенствования образовательного контента. А слушатели будут как бы соавторами образовательных программ, ведь на основе анализа его активности руководители программ смогут моделировать направления для совершенствования", - констатирует Хачатурян.
Что такое цифровой след
Цифровой след ― это информация, которую все мы оставляем о себе и своих действиях при пользовании интернетом. Например, посты в социальных сетях, комментарии к постам, историю поиска и просмотров в поисковиках и агрегаторах.
Все это - часть нашего цифрового портрета. Цифровой след делает сервисы и приложения удобнее: они знают, какой фильм или книгу нам предложить, какими товарами мы интересуемся и как построить самый близкий маршрут от дома до работы.