Сервисы для визуализации данных (создание дашбордов)
Когда работаешь с данными практически всегда сталкиваешься с вопросом их визуализации. Стандартные 3 средства в этом поле это:
Google data studio - он бесплатный, имеет много вариантов и инструментов визуализации. в него встраиваются внешние картинки и ссылки, но он зарубежный и время от времени он "слегка сбоит", особенно когда команда инструмента настраивает что ибо н северах.
Yandex data lens - он частично бесплатный но инструментов намного меньше, ваши дашборды будут намного проще. Зато отечественный.
Microsoft Power BI - он платный, очень разнообразный инструментарий но тоже не российский.
А есть ли еще варианты? есть - в этой статье на хабре дается еще 9 разных инструментов построения дэшбордов.
https://habr.com/ru/post/695310/
#edtool #eddata
Когда работаешь с данными практически всегда сталкиваешься с вопросом их визуализации. Стандартные 3 средства в этом поле это:
Google data studio - он бесплатный, имеет много вариантов и инструментов визуализации. в него встраиваются внешние картинки и ссылки, но он зарубежный и время от времени он "слегка сбоит", особенно когда команда инструмента настраивает что ибо н северах.
Yandex data lens - он частично бесплатный но инструментов намного меньше, ваши дашборды будут намного проще. Зато отечественный.
Microsoft Power BI - он платный, очень разнообразный инструментарий но тоже не российский.
А есть ли еще варианты? есть - в этой статье на хабре дается еще 9 разных инструментов построения дэшбордов.
https://habr.com/ru/post/695310/
#edtool #eddata
Хабр
9 продуктов для создания дашбордов
Семь Open Source и два low-code-продукта для визуализации BI-аналитики от AFFINAGE Для решение клиентских задач мы постоянно ищем способы сделать лучше. И очень часто сделать лучше значит сменить...
Зачем мы собираем цифровой след?
Последние 4 года моя команда в Университете 2035 занимается моделированием, сбором, анализом и интерпретацией цифрового следа в образовании. За это время нами был пройден серьезный путь, разработан и выпущен через Минтруда профстандарт, создана методика образовательного дата инжиниринга и обучено боле 2600 цифровых методистов,
Самый частый вопрос, который нам задают: «А зачем вообще собирать цифровой след?» Подробный ответ на этот вопрос я дал в часовом семинаре для ЮФУ. Полное видео по ссылке.
Но если кратко, самое главное в цифровом следе – цель его сбора. Данные не собираются ради сбора данных. Прежде чем начинать весь процесс мы выбираем и структурируем цели и уже под них проектируем сам сбор.
Вот такие цели сбора рассмотрены в рамках семинара:
Цель: Оценить способность учащихся к переходу в деятельность в результате обучения
Цель: Оценить достижение учащимися образовательных результатов
Цель: Выявить основные проблемы в понимании и усвоении материала
Цель: Оценить актуальность программы: Насколько ее содержание
согласуется с запросами рынка труда
Цель: Оценить уровень посещения и участия в комплексных, в том числе онлайн и гибридных программах
Цель: Оценить степень понимания, насколько понимание темы студентами отличается от поданного лектором
Цель: Сравнить эффективность обучения на разных курсах и программах, Каков процент усвоения материала лекций
Цель: Оценить качество участия команд в групповой деятельности, Какова «производительность» команд в практических задачах
Цель: Выделить индивидуальный вклад в рамках групповой деятельности
Цель: Выявить ролевые особенности поведения участников команд в групповой деятельности
Цель: Оценить вовлеченность учащихся? Какие эмоции они испытывают, что радует и напрягает их
Цель: Оценить эффективность спикеров и преподавателей, Каких спикеров имеет смысл пригласить в следующий раз.
Обучающиеся на Школах Цифровой трансформации учатся комбинировать их и предлагают свои собственные.
#eddata #metod
Последние 4 года моя команда в Университете 2035 занимается моделированием, сбором, анализом и интерпретацией цифрового следа в образовании. За это время нами был пройден серьезный путь, разработан и выпущен через Минтруда профстандарт, создана методика образовательного дата инжиниринга и обучено боле 2600 цифровых методистов,
Самый частый вопрос, который нам задают: «А зачем вообще собирать цифровой след?» Подробный ответ на этот вопрос я дал в часовом семинаре для ЮФУ. Полное видео по ссылке.
Но если кратко, самое главное в цифровом следе – цель его сбора. Данные не собираются ради сбора данных. Прежде чем начинать весь процесс мы выбираем и структурируем цели и уже под них проектируем сам сбор.
Вот такие цели сбора рассмотрены в рамках семинара:
Цель: Оценить способность учащихся к переходу в деятельность в результате обучения
Цель: Оценить достижение учащимися образовательных результатов
Цель: Выявить основные проблемы в понимании и усвоении материала
Цель: Оценить актуальность программы: Насколько ее содержание
согласуется с запросами рынка труда
Цель: Оценить уровень посещения и участия в комплексных, в том числе онлайн и гибридных программах
Цель: Оценить степень понимания, насколько понимание темы студентами отличается от поданного лектором
Цель: Сравнить эффективность обучения на разных курсах и программах, Каков процент усвоения материала лекций
Цель: Оценить качество участия команд в групповой деятельности, Какова «производительность» команд в практических задачах
Цель: Выделить индивидуальный вклад в рамках групповой деятельности
Цель: Выявить ролевые особенности поведения участников команд в групповой деятельности
Цель: Оценить вовлеченность учащихся? Какие эмоции они испытывают, что радует и напрягает их
Цель: Оценить эффективность спикеров и преподавателей, Каких спикеров имеет смысл пригласить в следующий раз.
Обучающиеся на Школах Цифровой трансформации учатся комбинировать их и предлагают свои собственные.
#eddata #metod
Media is too big
VIEW IN TELEGRAM
Краткое интервью на конференции Сбера: Датацентричное образование с Андреем Комиссаровым
Не так давно в гостеприимном кампусе СберУниверситета прошла весьма интересная конференция "Больше чем обучение" посвященная современным трендам в образовании,
Именно там Герман Греф выступил с речью о "85% успеха при наличии Soft skills".
Среди прочих спикеров был приглашен и я и в небольшом 9-минутном интервью с коллегами из Икры и Сбер-HR удалось обсудить несколько занятных вопросов:
📟 2 наиболее интересных тренда этого года, связанных с ИИ в образовании.
📟 Кому нужен цифровой след образовательного опыта?
📟 Может ли он стать источником проблем и каков предел прозрачности данных?
📟 Какова роль сообществ в обучении и насколько важно понимать индивидуальный стиль обучения?
Вот по этой ссылке вы можете ознакомиться с этим и другими выступлениями на конференции.
#eddata #ai #metod
Не так давно в гостеприимном кампусе СберУниверситета прошла весьма интересная конференция "Больше чем обучение" посвященная современным трендам в образовании,
Именно там Герман Греф выступил с речью о "85% успеха при наличии Soft skills".
Среди прочих спикеров был приглашен и я и в небольшом 9-минутном интервью с коллегами из Икры и Сбер-HR удалось обсудить несколько занятных вопросов:
📟 2 наиболее интересных тренда этого года, связанных с ИИ в образовании.
📟 Кому нужен цифровой след образовательного опыта?
📟 Может ли он стать источником проблем и каков предел прозрачности данных?
📟 Какова роль сообществ в обучении и насколько важно понимать индивидуальный стиль обучения?
Вот по этой ссылке вы можете ознакомиться с этим и другими выступлениями на конференции.
#eddata #ai #metod
«Тирания показателей», Джерри Мюллер
📘Ссылка на книгу.📙
Сейчас в образовании только и разговоров, что о метриках качества. Причём это касается всех сегментов — и школ, и вузов, и EdTech, и корпоративного обучения. Все ищут лучший способ оценить эффективность.
На нашем канале мы тоже занимаемся именно этим, измеряем эффективность обучения через анализ цифрового следа образовательного опыта.
А вот автор этой книги считает, что ценность и важность измерений сильно преувеличена и что зачастую фокус на количественных метриках приводит к плохим последствиям.
Правда насколько я понял критике подвергаются не столько сами измерения, сколько увлечение достигаторством метрик любой ценой, вопреки качеству образования а зачастую.и вопреки здравому смыслу.
Цитата: "«Неспособные учесть такие нематериальные активы, как репутация, удовлетворенность работников, мотивация, лояльность, доверие и сотрудничество, очарованные показателями результативности руководители выжимают из активов всё в краткосрочной перспективе в ущерб долгосрочным задачам. Иначе говоря, одержимость количественными показателями ведет к краткосрочному мышлению — распространенной болезни современных компаний"
#teor #eddata
📘Ссылка на книгу.📙
Сейчас в образовании только и разговоров, что о метриках качества. Причём это касается всех сегментов — и школ, и вузов, и EdTech, и корпоративного обучения. Все ищут лучший способ оценить эффективность.
На нашем канале мы тоже занимаемся именно этим, измеряем эффективность обучения через анализ цифрового следа образовательного опыта.
А вот автор этой книги считает, что ценность и важность измерений сильно преувеличена и что зачастую фокус на количественных метриках приводит к плохим последствиям.
Правда насколько я понял критике подвергаются не столько сами измерения, сколько увлечение достигаторством метрик любой ценой, вопреки качеству образования а зачастую.и вопреки здравому смыслу.
Цитата: "«Неспособные учесть такие нематериальные активы, как репутация, удовлетворенность работников, мотивация, лояльность, доверие и сотрудничество, очарованные показателями результативности руководители выжимают из активов всё в краткосрочной перспективе в ущерб долгосрочным задачам. Иначе говоря, одержимость количественными показателями ведет к краткосрочному мышлению — распространенной болезни современных компаний"
#teor #eddata
Как "не потерять" данные при визуализации
Один хорошо известный в политических кругах дед как-то сказал весьма правдивую вещь: "не важно как проголосуют - важно как посчитаем". И действительно, даже аккуратно и тщательно собранные данные из достоверных источников при интерпретации могут весьма существенно искажаться. Виной тому помимо прочего средства визуализации, упрощающие реальную картину.
Как вы уже наверное хорошо знаете, мы в Университете 2035 как раз и занимаемся сбором и анализом данных (цифровой след опыта учащегося) в образовании. Какой же пример визуализации можно рекомендовать как наиболее "правдивый"?
Я предпочитаю сочетание "ящика с усами" ( boxplot) и "скрипки" (violinplot). На таком типе визуализации мы видим не только экстремумы, медиану, основной "тренд" но и специфику распределения, как в рамках тренда так и за пределами его.
Именно изгибы "скрипки" дают наиболее полную картину реального распределения значений.
Вот ссылки на инструменты, с помощью которых вы можете это отрисовать.
1️⃣ Ссылка 1
2️⃣ Ссылка 2
3️⃣ И для знакомых с гитом самый лучший, как мне показалось, вариант Ссылка 3
#eddata
Один хорошо известный в политических кругах дед как-то сказал весьма правдивую вещь: "не важно как проголосуют - важно как посчитаем". И действительно, даже аккуратно и тщательно собранные данные из достоверных источников при интерпретации могут весьма существенно искажаться. Виной тому помимо прочего средства визуализации, упрощающие реальную картину.
Как вы уже наверное хорошо знаете, мы в Университете 2035 как раз и занимаемся сбором и анализом данных (цифровой след опыта учащегося) в образовании. Какой же пример визуализации можно рекомендовать как наиболее "правдивый"?
Я предпочитаю сочетание "ящика с усами" ( boxplot) и "скрипки" (violinplot). На таком типе визуализации мы видим не только экстремумы, медиану, основной "тренд" но и специфику распределения, как в рамках тренда так и за пределами его.
Именно изгибы "скрипки" дают наиболее полную картину реального распределения значений.
Вот ссылки на инструменты, с помощью которых вы можете это отрисовать.
1️⃣ Ссылка 1
2️⃣ Ссылка 2
3️⃣ И для знакомых с гитом самый лучший, как мне показалось, вариант Ссылка 3
#eddata
Google представил ИИ-метод для иллюстрации статей с помощью визуальных резюме. Почему это важно для образования и науки?
В догонку целому ряду новостей о том, как генеративные искусственные интеллекты шагают по планете и вытесняет с рынка целый ряд профессий, пришла интересная новость от Google. ИИ понимает текст целиком (включая контексты) и иллюстрирует статьи (в том числе научные).
Под угрозой тут оказываются все, кто подбирает иллюстративный материал для статей, да и вообще любых текстов.
В отличие от звучащих из всех утюгов генеративных нейросетей в формате text-to-image (и обратно), которые основаны на "лобовом" представлении типа "что вижу, о том и рисую", Гугл решает куда более сложную задачу понимания общего контекста всего текста. И подбора иллюстраций не для конкретных предложений и фраз (как делают сейчас практически все), а для составления "картины в целом".
То есть иллюстрации подбираются для всей статьи с учетом смыслов и контекстов.
И для этого гугл собрал датасет под названием NewsStories, содержащий более 31 млн. cтатей, 22 миллиона изображения и 1 млн видео.
"В этой работе мы решаем новую задачу, в которой цель состоит в том, чтобы получить представление о визуальном языке из более длинного текста в сочетании с набором фотографий, которые мы называем визуальными резюме."
"Цель состоит в том, чтобы максимизировать семантическое сходство между каждой статьей и входными изображениями, и это достижимо путем изучения двух подзадач MIL (Multiple Instance Learning).
Первая заключается в совмещении картинки со всей статьей, преобразованной через кодировщик изображения и кодировщик языка в соответствующие представления.
Вторая включает в себя сегментацию текстовой статьи на отдельные предложения и кодирование их в различные представления. Целью является максимизация взаимной информации между изображениями и текстовыми последовательностями, выраженная в вероятностных распределениях.
Это приводит к довольно высокой точности.
Подводя итог, можно сказать, что вклад этой работы многогранен, начиная со сложной проблемы согласования истории и набора иллюстративных изображений и заканчивая такими приложениями, как автоматизированная иллюстрация историй." Но в области образования и исследовательской деятельности (в частности кабинетных исследований) это открывает значительные перспективы по ускорению проработки имеющегося научного материала при написании рефератов, магистерских, кандидатских. Именно этот алгоритм может стать основой будущих нейропомщников - ИИ, обрабатывающих и выдающих выжимки по большим объемам информации в процессе поиска специфического, релевантного теме исследований контента.
Источник:
Научная Статья.
#Ai #newtech #eddata
В догонку целому ряду новостей о том, как генеративные искусственные интеллекты шагают по планете и вытесняет с рынка целый ряд профессий, пришла интересная новость от Google. ИИ понимает текст целиком (включая контексты) и иллюстрирует статьи (в том числе научные).
Под угрозой тут оказываются все, кто подбирает иллюстративный материал для статей, да и вообще любых текстов.
В отличие от звучащих из всех утюгов генеративных нейросетей в формате text-to-image (и обратно), которые основаны на "лобовом" представлении типа "что вижу, о том и рисую", Гугл решает куда более сложную задачу понимания общего контекста всего текста. И подбора иллюстраций не для конкретных предложений и фраз (как делают сейчас практически все), а для составления "картины в целом".
То есть иллюстрации подбираются для всей статьи с учетом смыслов и контекстов.
И для этого гугл собрал датасет под названием NewsStories, содержащий более 31 млн. cтатей, 22 миллиона изображения и 1 млн видео.
"В этой работе мы решаем новую задачу, в которой цель состоит в том, чтобы получить представление о визуальном языке из более длинного текста в сочетании с набором фотографий, которые мы называем визуальными резюме."
"Цель состоит в том, чтобы максимизировать семантическое сходство между каждой статьей и входными изображениями, и это достижимо путем изучения двух подзадач MIL (Multiple Instance Learning).
Первая заключается в совмещении картинки со всей статьей, преобразованной через кодировщик изображения и кодировщик языка в соответствующие представления.
Вторая включает в себя сегментацию текстовой статьи на отдельные предложения и кодирование их в различные представления. Целью является максимизация взаимной информации между изображениями и текстовыми последовательностями, выраженная в вероятностных распределениях.
Это приводит к довольно высокой точности.
Подводя итог, можно сказать, что вклад этой работы многогранен, начиная со сложной проблемы согласования истории и набора иллюстративных изображений и заканчивая такими приложениями, как автоматизированная иллюстрация историй." Но в области образования и исследовательской деятельности (в частности кабинетных исследований) это открывает значительные перспективы по ускорению проработки имеющегося научного материала при написании рефератов, магистерских, кандидатских. Именно этот алгоритм может стать основой будущих нейропомщников - ИИ, обрабатывающих и выдающих выжимки по большим объемам информации в процессе поиска специфического, релевантного теме исследований контента.
Источник:
Научная Статья.
#Ai #newtech #eddata
MarkTechPost
Boston University and Google Researchers Introduce An Artificial Intelligence (AI) Based Method To Illustrate Articles With Visual…
Recent progress in generative models has paved the way to a manifold of tasks that some years ago were only imaginable. With the help of large-scale image-text datasets, generative models can learn powerful representations exploited in fields such as text…
Индивидуальные стили обучения: методика выявления паттерна для построения эффективных ИОТ- открытое бета тестирование!
Отгремели бои вокруг аудиалов визуалов и кинестетиков. "Миф!" кричали одни, - "посмотрите на детей – они ничего не могут усвоить в «не своем формате»!" – кричали другие. В результате сошлись на том, что сочетание подходов дает оптимальный результат, и успокоились…
Но время от времени возникают исследования (например в Аризонском университете), в том числе подкрепленные анализом данных, явно указывающие на принципиально разные подходы в обучении и на возможность их типологизации.
Не остались в стороне и мы, ведь повышение эффективности индивидуальных траекторий всегда было одной из наших приоритетных задач.
В течение последнего года мы провели НИОКР – Выявление и типологизация устойчивых элементов индивидуального стиля обучения. Сразу забегая вперед скажу, что это не было связано с аудиалами и кинестетиками. А скорее с предпочтением определенных форматов и пед практики в обучении, завязанном на специфику личностных качеств.
Проведя кабинетное исследование мы взяли за основу подход множественных интеллектов Гарднера и типологию стилей образовательного поведения Фельднера. Все это мы завязали на конструктор форматов обучения.
📟 В течение нескольких месяцев тестирование доступно в открытом формате на платформе Университета 2035 вот здесь: 📟
Пройдя его, вы получаете картирование собственного стиля с рекомендацией оптимальных форматов обучения.
Почитать про «стили обучения как продукт» вы можете вот здесь.
В следующем году этот элемент станет одной из основных составляющих автоматизированного движка построения адаптивных траекторий целевого обучения на платформе Университета 2035. Следите за обновлениями на нашем канале «Дизайн Образования». https://t.iss.one/LXD_education
#LXPD #metod #eddata
Отгремели бои вокруг аудиалов визуалов и кинестетиков. "Миф!" кричали одни, - "посмотрите на детей – они ничего не могут усвоить в «не своем формате»!" – кричали другие. В результате сошлись на том, что сочетание подходов дает оптимальный результат, и успокоились…
Но время от времени возникают исследования (например в Аризонском университете), в том числе подкрепленные анализом данных, явно указывающие на принципиально разные подходы в обучении и на возможность их типологизации.
Не остались в стороне и мы, ведь повышение эффективности индивидуальных траекторий всегда было одной из наших приоритетных задач.
В течение последнего года мы провели НИОКР – Выявление и типологизация устойчивых элементов индивидуального стиля обучения. Сразу забегая вперед скажу, что это не было связано с аудиалами и кинестетиками. А скорее с предпочтением определенных форматов и пед практики в обучении, завязанном на специфику личностных качеств.
Проведя кабинетное исследование мы взяли за основу подход множественных интеллектов Гарднера и типологию стилей образовательного поведения Фельднера. Все это мы завязали на конструктор форматов обучения.
📟 В течение нескольких месяцев тестирование доступно в открытом формате на платформе Университета 2035 вот здесь: 📟
Пройдя его, вы получаете картирование собственного стиля с рекомендацией оптимальных форматов обучения.
Почитать про «стили обучения как продукт» вы можете вот здесь.
В следующем году этот элемент станет одной из основных составляющих автоматизированного движка построения адаптивных траекторий целевого обучения на платформе Университета 2035. Следите за обновлениями на нашем канале «Дизайн Образования». https://t.iss.one/LXD_education
#LXPD #metod #eddata
Ux в эпоху цифровой трансформации: что такое дизайн образовательного опыта и как он выглядит в данных
Ну и под занавесочку сегодняшнего дня на эдкранч дам вам ту сессию на которой выступал я сам. Что такой UX (дизайн пользовательского опыта) и как он сочетается с понятием LXD - learner experience design. Как и какие именно данные мы будем собирать, как проектировать переживания и ценности. Об этом поговорим с интересными спикерами из ведущих западных вузов. Публикую видео.
Значительная часть студенческого опыта обеспечивается цифровыми технологиями, которые внедряют учебные заведения.
Это расширяет возможности изучения пользовательского поведения: мы можем выяснить, как студент, абитуриент или выпускник взаимодействует с университетом, какие у него потребности, с какими сложностями он сталкивается. Многие университеты самостоятельно разрабатывают стратегию цифровой трансформации, но роль UX в их решениях отличается.
Рассмотрим появление сервисов пользовательского опыта в разных образовательных учреждениях в рамках их стратегий и обсудим, как данные могут обеспечить качественный скачок в развитии университета.
#LXPD #metod #eddata
Ну и под занавесочку сегодняшнего дня на эдкранч дам вам ту сессию на которой выступал я сам. Что такой UX (дизайн пользовательского опыта) и как он сочетается с понятием LXD - learner experience design. Как и какие именно данные мы будем собирать, как проектировать переживания и ценности. Об этом поговорим с интересными спикерами из ведущих западных вузов. Публикую видео.
Значительная часть студенческого опыта обеспечивается цифровыми технологиями, которые внедряют учебные заведения.
Это расширяет возможности изучения пользовательского поведения: мы можем выяснить, как студент, абитуриент или выпускник взаимодействует с университетом, какие у него потребности, с какими сложностями он сталкивается. Многие университеты самостоятельно разрабатывают стратегию цифровой трансформации, но роль UX в их решениях отличается.
Рассмотрим появление сервисов пользовательского опыта в разных образовательных учреждениях в рамках их стратегий и обсудим, как данные могут обеспечить качественный скачок в развитии университета.
#LXPD #metod #eddata
Media is too big
VIEW IN TELEGRAM
Edcrunch: Проектирование образовательной среды и опыта учащегося на основе данных
Пожалуй, одной из наиболее интересных и насыщенных панельных дискуссий на прошедшей недавно образовательной конференции Edcrunch: в Алма-аты, стала панель посвященная дата центричному дизайну среды и опыта.
Руководитель лаборатории Биг Дата ТГУ, представители университетов штата Аризона (известные наиболее комплексным подходам к когортному анализу поведения студентов) и модератор из Университета 2035
Удалось рассмотреть и конкретные кейсы с применением дата центричного инструментария в описываемой тематике, и копнуть методологию, отнестись к человеко-центричному аспекту и даже связать дизайн образовательной среды с данными рынка труда.
#LXPD #eddata #metod
Пожалуй, одной из наиболее интересных и насыщенных панельных дискуссий на прошедшей недавно образовательной конференции Edcrunch: в Алма-аты, стала панель посвященная дата центричному дизайну среды и опыта.
Руководитель лаборатории Биг Дата ТГУ, представители университетов штата Аризона (известные наиболее комплексным подходам к когортному анализу поведения студентов) и модератор из Университета 2035
Удалось рассмотреть и конкретные кейсы с применением дата центричного инструментария в описываемой тематике, и копнуть методологию, отнестись к человеко-центричному аспекту и даже связать дизайн образовательной среды с данными рынка труда.
#LXPD #eddata #metod
Образовательное RnD в формате краудфандинга 🧠
Коллеги, как многим из вас известно, я и моя команда занимаемся RnD в области дата-центричного образования в университете 2035. Все исследования и разработки делаются нами не только в научных целях, но прежде всего для создания и выведения на рынок дата-центричных сервисов.
В 2023 году мы хотим попробовать новый формат работы и взаимодействия с сообществом. Поскольку направлений и исследовательских проектов накопилось довольно много, мы хотим привлечь образовательное сообщество к их приоритезации.
Ниже перечислены проекты. В 2023г мы возьмемся за те их них, которые будут поддержаны сообществом. Любой из вас может либо проголосовать за проект, либо (если данное направление интересно вашей организации) предложить проинвестировать небольшую сумму в него и первыми бесплатно воспользоваться результатами (для этого пишите в личку @A_Komissar).
Это эксперимент, и нам самим довольно-таки интересно что из этого получится :) Итак вот некоторые и них…
📟 «Харизма» - аудио-диагностика навыка коммуникации.
инструмент комплексной диагностики и рекомендации развития по софт скиллу «коммуникация» на основе анализа аудио. Берем небольшой аудио файл записи речи (любой) и получаем детаьную диагностику развития навыка устной коммуникации с указанием слабых сторон, рекомендацией, на что обратить внимание. Также определяется то, как воспринимается интонации и звучание речи и на какой паттерн коммуникации наиболее подходит тестируемый (например менеджер по продажам, преподаватель и тп.)
📟 Диагностирование стиля обучения и прогнозирование образовательного поведения. Ссылка.
Мы закончили НИОКР позволивший составить диагностический инструментарий позволяющий спрогнозировать поведение учащегося в ходе обучения и предложить наиболее эффективные форматы. Это нужно для построения адаптивных траекторий и повышения «доходимости» user retention при росте % усвоения материала. Следующий этап – составление детального каталога сопряженных образовательных форматов.
📟 Кабинет анализа данных цифрового следа в образовании
В ходе организации федеральных дата-центричных программ нами был создан для собственных нужд кабинет разметки, приемки и авто-обработки данных цифрового следа. Рефлексии и оценки, посещения и чат логи, участие в деятельности и создаваемые артефакты – все это принимается по протоколам Xapi, сортируется и фильтруется, выверяется по качеству и анализируется, выдавая пользователю метрики и показатели. След. Шаг – превращение в полноценный сервис.
📟 Инструментарий цифрового методиста Ссылка
се то что используем сами, превращаем в сервис для метоистов: авто-анализ чат логов и построение графов коммуникации, оценка 360 в деятельности команд, сравнение семантических ядер (курсы друг с другом и курсы с рефлексиями) для выявления понимания, Семантический анализ текстов (с дополнительными рубрикаторами) для определения смысловых семантических ядер и многое другое .
📟 Автоматизированное построение моделей компетенций Ссылка
На основе авто-обновляемого массива многомиллионных данных мы научились строить модели компетенций которые «говорят» и на языке работодателя и на языке образовательных прогамм. Нами детально освоено направление IT, обще бизнесовое. RnD ведется в строну новых направлений.
Или возможно вас интересуют другие наши – проекты? Полный список для ознакомления здесь.
Ждем обратной связи, самим крайне интересно что получится 😜
#edupeople #edtool #eddata
Коллеги, как многим из вас известно, я и моя команда занимаемся RnD в области дата-центричного образования в университете 2035. Все исследования и разработки делаются нами не только в научных целях, но прежде всего для создания и выведения на рынок дата-центричных сервисов.
В 2023 году мы хотим попробовать новый формат работы и взаимодействия с сообществом. Поскольку направлений и исследовательских проектов накопилось довольно много, мы хотим привлечь образовательное сообщество к их приоритезации.
Ниже перечислены проекты. В 2023г мы возьмемся за те их них, которые будут поддержаны сообществом. Любой из вас может либо проголосовать за проект, либо (если данное направление интересно вашей организации) предложить проинвестировать небольшую сумму в него и первыми бесплатно воспользоваться результатами (для этого пишите в личку @A_Komissar).
Это эксперимент, и нам самим довольно-таки интересно что из этого получится :) Итак вот некоторые и них…
📟 «Харизма» - аудио-диагностика навыка коммуникации.
инструмент комплексной диагностики и рекомендации развития по софт скиллу «коммуникация» на основе анализа аудио. Берем небольшой аудио файл записи речи (любой) и получаем детаьную диагностику развития навыка устной коммуникации с указанием слабых сторон, рекомендацией, на что обратить внимание. Также определяется то, как воспринимается интонации и звучание речи и на какой паттерн коммуникации наиболее подходит тестируемый (например менеджер по продажам, преподаватель и тп.)
📟 Диагностирование стиля обучения и прогнозирование образовательного поведения. Ссылка.
Мы закончили НИОКР позволивший составить диагностический инструментарий позволяющий спрогнозировать поведение учащегося в ходе обучения и предложить наиболее эффективные форматы. Это нужно для построения адаптивных траекторий и повышения «доходимости» user retention при росте % усвоения материала. Следующий этап – составление детального каталога сопряженных образовательных форматов.
📟 Кабинет анализа данных цифрового следа в образовании
В ходе организации федеральных дата-центричных программ нами был создан для собственных нужд кабинет разметки, приемки и авто-обработки данных цифрового следа. Рефлексии и оценки, посещения и чат логи, участие в деятельности и создаваемые артефакты – все это принимается по протоколам Xapi, сортируется и фильтруется, выверяется по качеству и анализируется, выдавая пользователю метрики и показатели. След. Шаг – превращение в полноценный сервис.
📟 Инструментарий цифрового методиста Ссылка
се то что используем сами, превращаем в сервис для метоистов: авто-анализ чат логов и построение графов коммуникации, оценка 360 в деятельности команд, сравнение семантических ядер (курсы друг с другом и курсы с рефлексиями) для выявления понимания, Семантический анализ текстов (с дополнительными рубрикаторами) для определения смысловых семантических ядер и многое другое .
📟 Автоматизированное построение моделей компетенций Ссылка
На основе авто-обновляемого массива многомиллионных данных мы научились строить модели компетенций которые «говорят» и на языке работодателя и на языке образовательных прогамм. Нами детально освоено направление IT, обще бизнесовое. RnD ведется в строну новых направлений.
Или возможно вас интересуют другие наши – проекты? Полный список для ознакомления здесь.
Ждем обратной связи, самим крайне интересно что получится 😜
#edupeople #edtool #eddata
www.2035.university
Университет 2035
Официальный сайт «Университета НТИ 2035»