Проблемы управления индивидуальной образовательной траекторией студента на основе цифрового профиля и цифрового следа
Боковая панель статьи
Основное содержимое статьи
Аннотация
В статье исследуются проблемы управления индивидуальной образовательной траекторией (ИОТ) студентов, базирующейся на анализе цифрового профиля и цифрового следа. Авторы подчеркивают значимость персонализации образовательного процесса для повышения его эффективности и адаптации к уникальным потребностям учащихся. Рассматриваются основные вызовы, связанные с использованием цифрового следа, включая его ограниченность, неполноту данных и сложности при прогнозировании академической успешности. Особое внимание уделено вопросам интеграции цифрового профиля в системы управления обучением, где отсутствие единой стандартизированной структуры затрудняет анализ и перенос данных между различными образовательными учреждениями. Также обсуждаются угрозы конфиденциальности и этические аспекты, связанные с хранением и обработкой личных данных студентов. Авторы подчеркивают необходимость разработки универсальных стандартов для структуры цифрового профиля, а также внедрения более эффективных методов сбора и анализа данных, включая использование данных социальных сетей и видеоаналитики. В заключение статьи акцентируется внимание на необходимости нахождения баланса между глубоким уровнем персонализации и сохранением способности студентов адаптироваться к разнообразным образовательным контекстам, чтобы избежать риска гиперперсонализации.
Скачивания
Информация о статье
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
Библиографические ссылки
Цифровая образовательная история как составляющая цифрового профиля обучающегося в условиях трансформации образования / Р. В. Есин, Т. В. Зыкова, Т. А. Кустицкая, А. А. Кытманов // Перспективы науки и образования. – 2022. – № 5 (59). – С. 566-584. – DOI: 10.32744/pse.2022.5.34.
Hakimi L., Eynon R., Murphy V. A. The ethics of using digital trace data in education: A thematic review of the research landscape // Review of Educational Research. – 2021. – № 91(5). – Pp. 671-717.
Ширинкина Е. В. Интеллектуальный анализ образовательных данных // Вестник Тверского государственного университета. Серия: Экономика и управление. – 2021. – № 3 (55). – С. 179–188.
Self J. Student models in computer-aided instruction // International Journal of Man-Machine Studies. – 1974. – Vol. 6 (2). – Pp. 261-276. – DOI: http://dx.doi.org/10/10.16/S0020-7373(74)80005-2.
Живетьев А. В., Белов М. А. Прогнозирование сложности курса на основе оценок по обеспечивающим дисциплинам с помощью метода логистической регрессии на примере курса по программированию на Python // Системный анализ в науке и образовании. – 2024. – №.2. – С. 91–97.
Применение методов нечеткой логики для формирования адаптивной индивидуальной траектории обучения на основе динамического управления сложностью курса / М. А. Белов, С. И. Гришко, А. В. Живетьев [и др.] // Моделирование, оптимизация и информационные технологии. – 2022. – Т. 10, № 4(39). – С. 7-8. – DOI: 10.26102/2310-6018/2022.39.4.018. – EDN: ZLSDPE.
Кустицкая Т. А., Носков М. В., Вайнштейн Ю. В. Прогнозирование успешности обучения: проблемы и задачи // Наука и школа. – 2023. – № 4. – С. 71–83. – DOI: 10.31862/1819-463X- 2023-4-71-83.
Костюк, А. В. Особенности внедрения учебной аналитики в прогностическую систему обучения / А. В. Костюк, А. В. Курилов // Перспективы науки. – 2023. – № 2(161). – С. 159-164. – EDN: LVCBAK.
Лызь Н. А., Лызь А. Е. Интеллектуальный анализ образовательных данных в совершенствовании подготовки инженеров // Инженер настоящего и будущего: практика и перспективы развития партнерства в высшем техническом образовании: материалы XVII Международной научно-практической конференции. Таганрог: Южный федеральный университет, 2022. – С. 151–156.
Лызь Н. А. Системы искусственного интеллекта в образовании: возможности и ограничения // Информатизация образования и методика электронного обучения: цифровые технологии в образовании: материалы VI Международной научной конференции: в трех частях. Часть 2. Красноярск: Красноярский государственный педагогический университет им. В. П. Астафьева, 2022. – С. 238–242.
Лызь Н. А. Использование искусственного интеллекта для сопровождения деятельности обучающихся // Информатизация образования и методика электронного обучения: цифровые технологии в образовании : Материалы VII Международной научной конференции, Красноярск, 19–22 сентября 2023 года. – Красноярск: Красноярский государственный педагогический университет им. В.П. Астафьева, 2023. – С. 1201-1205. – EDN: JFUFSX.
Николаева М. В. Цифровой портрет студента // Вестник педагогических наук. – 2023. – № 4. – С. 169 – 177.
Панкратова М. В. Цифровой портрет современного студента как представителя поколения Z // Digital society as a cultural and historical context of human development : Сборник научных статей и материалов международной конференции, Коломна, 17 февраля 2022 года / Под общей редакцией Р.В. Ершовой. – Коломна: Государственное образовательное учреждение высшего образования Московской области "Государственный социально-гуманитарный университет", 2022. – С. 221-225. – EDN: QZNSYF.
Живетьев, А. В. Этические аспекты индивидуальных образовательных траекторий в цифровой образовательной среде // Вестник государственного университета Дубна. Серия: Науки о человеке и обществе. – 2022. – № 3. – С. 11-20. – EDN: YLEPRC.
Буймов, А. Г. Управление мотивацией как задача управления изменениями // Современное образование: качество образования и актуальные проблемы современной высшей школы: материалы международной научно-методической конференции, Томск, 31 января – 01 2019 года. – Томск: Томский государственный университет систем управления и радиоэлектроники, 2019. – С. 30-31. – EDN: GNIMYU.
Ихсанов И. Р., Шахова И. С. Применение методов машинного обучения для выявления взаимосвязи академической успеваемости и данных профиля социальной сети // Электронные библиотеки. – 2019. – Т. 22, № 2. – С. 95-118. – DOI: 10.26907/1562-5419-2019-22-2-95-118. – EDN: RFMTLF.
Junco R. The relationship between frequency of Facebook use, participation in Facebook activities, and student engagement Received // Magazine Computers & Education. – 2012. – Vol. 58, No 1. – Pp. 162–171.
Kosinski M., Stillwell D., Graepel T. Private traits and attributes are predictable from digital records of human behavior // Magazine PNAS. – 2013. – Vol. 110, No 15. – Pp. 5802–5805.
Кречетов И. А., Романенко В. В. Искусственный интеллект в образовании: реализация адаптивного обучения на основе учебной аналитики // Современное образование: повышение конкурентоспособности университетов : Материалы международной научно-методической конференции. В 2 ч., Томск, 28–29 января 2021 года. Том Часть 2. – Томск: Томский государственный университет систем управления и радиоэлектроники, 2021. – С. 77-84. – EDN: JJBVRA.
Shoaib M. How China is Using AI in Classrooms: A Look at the Future of Education // LinkedIn. – Дата публикации: 08.05.2023. – URL: https://www.linkedin.com/pulse/how-china-using-ai-classrooms-look-future-education-mohammed-shoaib/.