Психодиагностика цифровых образовательных сред⁠⁠

https://rg.ru/2021/04/07/predsedatel-vak-perechen-nauchnyh-s...

Поводом и главной темой этого разговора с председателем Высшей аттестационной комиссии Владимиром Филипповым стал только что зарегистрированный в Минюсте России приказ, который вводит в действие в России новую номенклатуру научных специальностей.

В финальном варианте, который утвержден приказом министра науки и высшего образования России, общее число научных специальностей сократилось на 18 процентов: было 430, стало 351. Кроме этого, во многих случаях две смежные специальности сведены в одну - под другим, более общим названием. А количество групп научных специальностей сократилось на треть - с 52 до 34.

Но одновременно с этим введены 21 новая специальность и четыре новые группы специальностей. А именно: компьютерные науки и информатика; биотехнологии; недропользование и горные науки; когнитивные науки.

В итоге, если все вычесть и сложить, из прежнего перечня ушло 100 специальностей?

Владимир Филиппов: Даже больше. Какие-то объединились с другими, расширили угол охвата. А многие ушли, поглощены более общими темами.

У нас номенклатура не менялась практически 12 лет - были добавлены только две новые специальности: теология и пластическая хирургия. И это при том, что новые направления в науке рождаются стремительно.

Во-вторых, посчитали необходимым укрупнить научные специальности, чтобы тем самым нацелить ученых и соискателей научных степеней на развитие междисциплинарных и мультидисциплинарных исследований. Это сейчас общемировой тренд.

- Вы реализовали более 120 игровых проектов. Как игры встраиваются в образовательный процесс?

О, тут много разных вариантов. Прежде всего диагностика, которая точно лучше всего идет в игровом формате, потому что ребенок не теряет фокус внимания, когда ему интересно. Например, мы используем сюжетные нарративные чат-боты, которые позволяют принимать определенные решения за игрового персонажа, визуальные новеллы — по сути, ожившие комиксы.

При использовании многих диагностических инструментов задается ситуация, где ты должен принять решение, сделав выбор. Этот выбор фиксируется, и на его основе начисляются определенные баллы. Очевидно, что вместо «тупого теста», лучше «зашить» это в игру. Правда, в играх много косвенных контекстов, большую роль играет качество графики и звука, но такое влияние легко отсеять на большом массиве данных. Например, для первого «Острова» — большого образовательного интенсива на 1000 человек, проводимого Университетом 20.35, — была разработана диагностическая игра на выявление поведенческих паттернов и ключевых мотиваторов. Такие игры детям очень нравятся, а мы можем качественно собрать диагностические данные.

Используются также алгоритмы в виде дерева принятия решений (иногда их называют агоритмами «случайного леса»).

Но чаще мы применяем другой элемент «искусственного интеллекта» — онтологии, сложно устроенные рубрикаторы, которые позволяют формировать более точные смысловые маркеры. Онтологии дают возможность распознать связи между словами, между контекстами. Таким образом, мы существенно обогащаем результаты обработки цифрового следа алгоритмами семантического анализа или нейросетями.

- Как оценивают поведение в процессе обучения?

Смотря что понимать под «поведением». Если речь идет об особенностях взаимодействия и коммуникации учащихся, то это хорошо делать, анализируя чат-логи, учитывая специфику выполнения предварительно размеченных групповых заданий и особенности ролей, которые берут на себя учащиеся, а также принимая во внимание взаимодействие с определенными элементами образовательной среды и разнообразие решений поставленных задач (если образовательная среда подразумевает разные роли и разные решения). Все это требует педагогического дизайна, разработки образовательной среды.

- Какие методы обработки данных применяются при сборе цифрового следа в образовании и где это происходит?

Прежде всего — в дополнительном образовании детей и взрослых. Из цифровых команд это «Яндекс.Практикум», SkyEng, «Учи.ру», а также кванториумы, кружки и олимпиады НТИ.

Хорошо применяются методы семантического анализа, то есть определяется частотность употребления терминов в тексте, выясняется, какие термины рядом с какими применяются, и выявляются определенные маркеры. При грамотном дизайне образовательных сред можно использовать язык хештегов — например, #вопрос, #инсайт. Это существенно облегчает распознавание цифрового следа. Инструментом для этого может служить нейросеть, которая находит теги в тексте и автоматически распределяет их по определенным правилам.

Нейросетевые алгоритмы еще не очень широко применяются: хотя они и являются частью искусственного интеллекта, но, как правило, весьма примитивны и полностью зависят от подготовки данных для обучения алгоритма. Качество дата-сета, на котором обучили алгоритм, полностью предопределяет его эффективность. Нейросети, заточенные на распознавание изображений и паттернов, а также типов эмоций, можно применять для анализа аудио- и видеоконтента. В Zoom, например, есть функция, которую мало кто использует, — запись аудиодорожки отдельно для каждого участника с привязкой к его имени. Это же прекрасно! А нейросеть потом распознает интонации или эмоции.

- А какие данные можно собрать в обычной школе?

В стандартных условиях «обычной» школы собирается крайне мало данных. Как правило, это имена детей, посещаемость, названия предметов да субъективные оценки педагогов — то что попадает в дневник. Это «слепые» данные.

Тем не менее данные в школе можно собирать, и есть много интересных примеров того, как это делается. Например, в Китае используются нейроинтерфейсы для мониторинга концентрации внимания и предсказания «когнитивной усталости» детей. В других странах применяют устройства, измеряющие сердечный ритм, фотокамеры, регулярно снимающие лица детей для последующего распознавания эмоций, микрофоны, записывающие аудиоответы детей на уроке для распознавания того, каким «слогом» они говорят, как используют термины и т. п.

Есть много вариантов того, как это можно делать. Но, говоря о том, какие типы цифрового следа мы можем получить в школе, мы должны ответить на главный вопрос: зачем мы хотим их получить?

Прежде чем собирать данные об образовательном опыте ребенка, надо проделать немалую работу. Ее немаловажная часть — педагогический дизайн, подготовка образовательной среды к тому, чтобы собирать данные в нужном количестве и качестве и размечать их по соответствующему рубрикатору. Данные в рубрикаторе (как индивидуальные, так и групповые) будут не только о знаниях и навыках, они будут комплексными — связанными с деятельностью, поведением, когнитивными стилями, проявлением эмоций.

Самое ужасное, что можно сделать с данными цифрового следа, — начать собирать их без разбору, абы где, без ответа на вопрос «Зачем?». Если заранее не понимаете, что и зачем собираете, лучше даже не начинать.

Другая часть работы — диагностика детей и подготовка инфраструктуры, которая позволит работать с данными: хранить их, документировать, визуализировать и т. д.

Наконец, третье — создание комплексных рубрикаторов образовательных результатов. Это в основном таксономии (с древовидной структурой связей) и онтологии (с поименованными смысловыми связями). Таким образом создается «карта» предметных и профессиональных областей, по которой может автоматически размечаться собранный цифровой след.

Когда плацдарм подготовлен, начинается обработка первых данных диагностики той группы детей, с которой вам предстоит работать.

- Что понимается под образовательной средой? Это ведь не программная среда?

Образовательной средой может служить все что угодно: онлайн-курс, хореографический кружок, даже прогулка по лесу. Например, гениальный педагог — биолог Николай Ковылов проводит занятия с младшими школьниками в лесу. Дети прыгают по лужам, изучая свойства жидкой грязи, лепят из глины, потом обжигают слепленное в самодельной печи, изучают тайны растений и животных. В умелых руках педагога это тоже образовательная среда. Николай записывает все происходящее на экшн-камеру и транслирует в Сеть, где «вместе с ним» в лесных уроках участвуют еще множество детей, которые активно комментируют происходящее, задают вопросы. Тексты могут быть подвергнуты семантическому анализу на выявление смысловых, эмоциональных и других составляющих. Сами записи происходящего также анализируются. То есть в абсолютно аналоговой среде собирается и анализируется цифровой след обучения.

Вот ещё что нашлось:

https://www.osp.ru/dobrodata/article/2020-11-02/13055697

Андрей Комиссаров делает мир лучше с помощью данных. Игропрактик, дата-инженер, отец четверых детей, он более 15 лет занимается методологией образования. На его счету авторские методики сбора цифрового следа в формате образовательного дата-инжиниринга, методики адаптивного мотивационно-ориентированного обучения и выявления поведенческих паттернов для повышения вовлеченности учащихся, а также создание более 120 образовательных и диагностических игр. Андрей возглавляет направление «Развитие человека на основе данных» Университета 20.35, руководит НПО «Игровое образование», преподает в Высшей школе экономики и в частной школе «Юна» в Дубне.

Поди ВШЭ пролоббировали название специальности "под себя".

Если серьёзно, давно уж стоило поведенческую психологию выделить из общей — в силу упрощённости моделей (ради которой она собственно и создавалась). И соответственно в ней вообще нет психодиагностики как таковой, она не про больных, а про здоровых. И она — про обучение, притом постоянное.

А уже её делить на юридическую, маркетинговую, трудовые отношения и управление. И... педагогику младших классов. А половые отношения — как часть юридических, потому как последствия именно юристам разгребать.

Но если так поделить, окажется что среднее образование служит уничтожению науки и демотивации детей, доказывая им что система — их злейший враг. Но государство может ещё столетиями делать вид, что это не так на самом деле.

Может, лучше было назвать "Анализ цифровых образовательных сред"? Ведь среда - не человек, так просто не протестируешь.