https://vk.com/video178189382_456239022?list=0d9e09274180394501 Опыт Цифровой Трансформации Образования Университета 2035 - небольшое но очень емкое выступление, в котором раскрываются основные подходы #2035university п работе с данными в образовании. Построение индивидуальных траекторий на основе данных диагностики и алгоритмов с исскусственным интеллектом, анализ больших данных рынка труда для оптимизаиции образовательных программ, работа с цифровым следом и выявление soft skills через данне образовательного опыта. #eddata #lect #edtech #metod
Vk
Sign in | VK
VK is the largest European social network with more than 100 million active users. Our goal is to keep old friends, ex-classmates, neighbors and colleagues in touch.
Вот все говорят цифровая трансформация срочно нужна и необходима. А какие реальные шаги имеет смысл предпринимать в первую очередь? Что надо делать чтобы случилась "цифровая трансформация"?
Привожу четыре основные элемента цифровизации образования на основе опыта #2035university. Диагностика, Цифровой след, Цифровой Профиль и Терминологический Рубрикатор разметки образовательных результатов.
1. Диагностика.
Что мы хотим узнать о учащихся перед тем как они начнут обучение? Что необходимо для построения траекторий? Какие диагностические данные имеет смысл собирать в ходе обучения. Пример: Стиль мышления, склонности и предрасположенности к видам деятельности, экстро\интроверсия, первичный срез начитанности и насмотренности, особенности мотивации и осознанность выбора обучения.
2. Цифровой след.
Здесь речь не только о чекинах (посещениях) и оценках. Рефлексия и обратная связь учащегося, специфика взаимная оценка работ друг друга, анализ чат логов учащихся, анализ особенностей и терминологического насыщения дискурса в рамках текстовых работ учащихся. Специфика занимаемых ролей, интенсивность работы и вовлеченность и многое другое. (специфику работы с цифровым следом мы раскрываем в документе «стандарт цифрового следа).
3. Цифровой профиль.
Визуализация достигнутых результатов. Структурированное интерактивное хранилище цифрового следа (каждый элемент можно кликнуть и развернуть). Строится вокруг спроектированной для данной образовательной организации модели данных об учащемся. Служит для полной визуализации прогресса обучения.
4. Терминологический рубрикатор.
бОльшая часть данных цифрового следа – это текст. Для работы с такими данными - семантического анализа - необходим грамотно составленный терминологический рубрикатор, то есть детальный перечень всех терминов, относящихся к образовательным результатам в рамках программы.
Вот с таких шагов начинается подлинная цифровая трансформация образования. Во всяком случае это что на нашем опыте (проверенном в большом количестве вузов) реально просто взять и начать делать после первичного погружения в тему например на интенсивах типа "Школа цифровой трансформации" https://vk.com/komissario?w=wall178189382_163 #edtech #lect #eddata #metod
Привожу четыре основные элемента цифровизации образования на основе опыта #2035university. Диагностика, Цифровой след, Цифровой Профиль и Терминологический Рубрикатор разметки образовательных результатов.
1. Диагностика.
Что мы хотим узнать о учащихся перед тем как они начнут обучение? Что необходимо для построения траекторий? Какие диагностические данные имеет смысл собирать в ходе обучения. Пример: Стиль мышления, склонности и предрасположенности к видам деятельности, экстро\интроверсия, первичный срез начитанности и насмотренности, особенности мотивации и осознанность выбора обучения.
2. Цифровой след.
Здесь речь не только о чекинах (посещениях) и оценках. Рефлексия и обратная связь учащегося, специфика взаимная оценка работ друг друга, анализ чат логов учащихся, анализ особенностей и терминологического насыщения дискурса в рамках текстовых работ учащихся. Специфика занимаемых ролей, интенсивность работы и вовлеченность и многое другое. (специфику работы с цифровым следом мы раскрываем в документе «стандарт цифрового следа).
3. Цифровой профиль.
Визуализация достигнутых результатов. Структурированное интерактивное хранилище цифрового следа (каждый элемент можно кликнуть и развернуть). Строится вокруг спроектированной для данной образовательной организации модели данных об учащемся. Служит для полной визуализации прогресса обучения.
4. Терминологический рубрикатор.
бОльшая часть данных цифрового следа – это текст. Для работы с такими данными - семантического анализа - необходим грамотно составленный терминологический рубрикатор, то есть детальный перечень всех терминов, относящихся к образовательным результатам в рамках программы.
Вот с таких шагов начинается подлинная цифровая трансформация образования. Во всяком случае это что на нашем опыте (проверенном в большом количестве вузов) реально просто взять и начать делать после первичного погружения в тему например на интенсивах типа "Школа цифровой трансформации" https://vk.com/komissario?w=wall178189382_163 #edtech #lect #eddata #metod
VK
Андрей Комиссаров. Запись со стены.
Вот все говорят цифровая трансформация срочно нужна и необходима. А какие реальные шаги имеет смсл п... Смотрите полностью ВКонтакте.
При работе с цифровым следом в образовании часто возникает вопрос: а на какие нормативные документы можно полагаться. Пока проект МинЭк «Нормативное регулирование цифровой среды» еще не закончен, поэтому полагаться можно на закон о перс данных, профстандарт специалиста по работе с цифровым следом и стандарты и ЛНА принимаемые локально. Согласно базовому закону, персональными данными является любая информация, относящаяся к прямо или косвенно определенному или определяемому физическому лицу (субъекту персональных данных). Поэтому первый и очень важный шаг это обеспечение анонимизации или обезличивания данных цифрового следа. Согласно тому же закону «Обезличенными персональными данными является информация, по которой невозможно определить ее принадлежность к конкретному физическому лицу. Такие данные могут быть зашифрованы, содержать код или идентификатор.» То есть деанонимизатор – перечни имен, контактов и тп. с идентификаторами должен храниться отдельно в защищенном контуре. А обработка ЦС должна вестись только в привязке к идентиифкаторам. При этом согласие на сбор и обработку перс данных от каждого учащегося все еще является обязательным.
Профстандарт специалиста по работе с ЦС, разработанный нашей командой и выпущенный в прошлом году МинТрудом задает четкие рамки компетенций, знаний и навыков, необходимых для работы с таким типом данных. Опять же на него можно опираться при составлении должностных инструкций как руководителей так и исполнителей (привожу основные выдержки в скриншотах).
И наконец для построения самого процесса и регулирование договорных отношений, связанных с ЦС может использоваться «корпоративный стандарт цифрового следа». Этот документ, разработанный #2035university и принятый в ряде отечественных вузов несет в себе как нормативную рамку (что такое ЦС в образовании, как определяется его комплектность и качество), методическую (как построить процесс работы с ЦС, какой именно ЦС должен собираться на каких технических решениях и для каких целей – пример визуализации подобных сценариев в рамках стандарта я привожу на скриншоте), так и смысловую (зачем будет собираться ЦС, какие цели ставятся и какие задачи могут быть решены с его помощью). Ведь все читатели этого поста (я очень надеюсь) понимают, что сбор образовательных данных без цели, просто на «авось пригодится» и ради общего цифрового хайпа – это подход весьма сомнительной полезности. Предлагаемый стандарт имеет возможно «присоединения» других организаций, что с одной стороны снимает необходимость формулировать свой стандарт, а с другой – делает данный документ более массово применяемым. По ссылке вы можете ознакомиться и с самим стандартом ЦС и с его дополнительным веб визуализатором, наглядно демонстрирующем связку целей сбора и анализа, применяемых решений и конкретных типов собираемого цифрового следа.
https://vk.com/komissario?w=wall178189382_165 Корпоративный стандарт цифрового следа от Университета 2035: https://standard.2035.university/ #metod #eddata #edtech
Профстандарт специалиста по работе с ЦС, разработанный нашей командой и выпущенный в прошлом году МинТрудом задает четкие рамки компетенций, знаний и навыков, необходимых для работы с таким типом данных. Опять же на него можно опираться при составлении должностных инструкций как руководителей так и исполнителей (привожу основные выдержки в скриншотах).
И наконец для построения самого процесса и регулирование договорных отношений, связанных с ЦС может использоваться «корпоративный стандарт цифрового следа». Этот документ, разработанный #2035university и принятый в ряде отечественных вузов несет в себе как нормативную рамку (что такое ЦС в образовании, как определяется его комплектность и качество), методическую (как построить процесс работы с ЦС, какой именно ЦС должен собираться на каких технических решениях и для каких целей – пример визуализации подобных сценариев в рамках стандарта я привожу на скриншоте), так и смысловую (зачем будет собираться ЦС, какие цели ставятся и какие задачи могут быть решены с его помощью). Ведь все читатели этого поста (я очень надеюсь) понимают, что сбор образовательных данных без цели, просто на «авось пригодится» и ради общего цифрового хайпа – это подход весьма сомнительной полезности. Предлагаемый стандарт имеет возможно «присоединения» других организаций, что с одной стороны снимает необходимость формулировать свой стандарт, а с другой – делает данный документ более массово применяемым. По ссылке вы можете ознакомиться и с самим стандартом ЦС и с его дополнительным веб визуализатором, наглядно демонстрирующем связку целей сбора и анализа, применяемых решений и конкретных типов собираемого цифрового следа.
https://vk.com/komissario?w=wall178189382_165 Корпоративный стандарт цифрового следа от Университета 2035: https://standard.2035.university/ #metod #eddata #edtech
VK
Андрей Комиссаров. Запись со стены.
При работе с цифровым следом в образовании часто возникает вопрос: а на какие нормативные документы ... Смотрите полностью ВКонтакте.
Цифровой след может собираться не только по одному учащемуся, но и по целой команде. Это особенно релевантно в учебной проектной деятельности, в хакатонах, коллективных стажировках, формате «стартап как диплом», в рамках работы акселераторов и конечно в корпоративной среде.
Что имеет смысл собирать и анализировать? В качестве примера возьмем глобальный командный интенсив «Архипелаг», проводимый #2035university. В рамках интенсива студенческие команды проходят образовательные активности, акселератор, участвуют в многочисленных проектных сессиях, хакатонах и выполняют задачи в рамках собственного проекта, фиксируемые в командном профиле на платформе Университета 2035. Из цифрового следа собираемого по ходу работы мы узнаем следующее:
- Участие членов команды в образовательных активностях:
какие лекции, семинары, онлайн курсы посещали участники проекта, как справились с ними (КИМ\тест\решение задач)
- Уникальные термины и семантическое ядро проекта:
собираем записи питч сессий (транскрибируем аудио в текст), чат логи коммуникаций команды, рефлексию участников команды и проводим частотный анализ по терминам. Из наиболее частотных\смыслосодержащих терминов составляем семантическое ядро (смысловая связность терминов)
- Специфика задач, выполненных проектом:
Пофиль учета задач, выполненных в рамках проекта строится в привязке к рубрикатору, таким образом мы сразу можем отнести задачу к определенному тематическому блоку (например анализ рынка, IT разработки, опытно-конструкторские разработки и т.п.). Смотрим на каких типах задач проект фокусировался.
- Связь пройденного материала с выполненными задачами:
Сравниваем терминологическую разметку пройденных учебных единиц (модулей) и выполненных задач. Находим взаимосвязи (например студенты слушали много материала по маркетингу, но ни одной задачи в этом поле не выполнили, или наоборот прослушали лекцию по нейрофизиологии и сразу добавили соотвествующий блок исследований в своем проекте
- Оценки экспертов по выполненным задачам и питчам:
Каждая задача, выполненная проектам и питчи самого преокта получают оценку экспертов – в баллах и развернутом комментарии. Фиксируем количество позитивных\негативных комментариев, выделяем основные ошибки проекта
- Регулярность встреч и активность в таск теркере (Trello):
Насколько регулярно и дисциплинированно встречаются участники, как ведут свои задачи и свою работу в задачных планировщиках (из трелло мы автоматически собираем и анализируем ЦС)
- Распределение функций внутри команды
Чем занимается каждый участник команды, что мы можем узнать из их взаимной оценки (360), какие участники выполняют какие конкретные задачи, кто мало участвует в выполнении задач.
- Специфика коммуникаций внутри команды
На основе чат логов и транскрибированных аудио из зума смотрим, насколько насыщенна коммуникация в команде, кто является лидером мнений, какие типы коммуникаций превалируют, кто является аутсайдером коммуникаций
- Вовлеченность и эмоциональный фон в команде : анализом сентимента выявляем позитивные\негативные настроения, коэффициентом участия в обсуждениях, анализом рефлексий участников и уровнем проявленной инициативы выявляем вовлеченность.
Все собранные данные аккумулируются и визуализируются в профиле команды, На основе них выносится решение о результатах, достигнутых командой, и общем прогрессе. При одновременной работе более 100 команд (на архипелаге их было 1500) такой цифровой формат оценки существенно превосходит возможности экспертного оценивания.
https://vk.com/komissario?w=wall178189382_167 #LXPD #metod #edtech #eddata
Что имеет смысл собирать и анализировать? В качестве примера возьмем глобальный командный интенсив «Архипелаг», проводимый #2035university. В рамках интенсива студенческие команды проходят образовательные активности, акселератор, участвуют в многочисленных проектных сессиях, хакатонах и выполняют задачи в рамках собственного проекта, фиксируемые в командном профиле на платформе Университета 2035. Из цифрового следа собираемого по ходу работы мы узнаем следующее:
- Участие членов команды в образовательных активностях:
какие лекции, семинары, онлайн курсы посещали участники проекта, как справились с ними (КИМ\тест\решение задач)
- Уникальные термины и семантическое ядро проекта:
собираем записи питч сессий (транскрибируем аудио в текст), чат логи коммуникаций команды, рефлексию участников команды и проводим частотный анализ по терминам. Из наиболее частотных\смыслосодержащих терминов составляем семантическое ядро (смысловая связность терминов)
- Специфика задач, выполненных проектом:
Пофиль учета задач, выполненных в рамках проекта строится в привязке к рубрикатору, таким образом мы сразу можем отнести задачу к определенному тематическому блоку (например анализ рынка, IT разработки, опытно-конструкторские разработки и т.п.). Смотрим на каких типах задач проект фокусировался.
- Связь пройденного материала с выполненными задачами:
Сравниваем терминологическую разметку пройденных учебных единиц (модулей) и выполненных задач. Находим взаимосвязи (например студенты слушали много материала по маркетингу, но ни одной задачи в этом поле не выполнили, или наоборот прослушали лекцию по нейрофизиологии и сразу добавили соотвествующий блок исследований в своем проекте
- Оценки экспертов по выполненным задачам и питчам:
Каждая задача, выполненная проектам и питчи самого преокта получают оценку экспертов – в баллах и развернутом комментарии. Фиксируем количество позитивных\негативных комментариев, выделяем основные ошибки проекта
- Регулярность встреч и активность в таск теркере (Trello):
Насколько регулярно и дисциплинированно встречаются участники, как ведут свои задачи и свою работу в задачных планировщиках (из трелло мы автоматически собираем и анализируем ЦС)
- Распределение функций внутри команды
Чем занимается каждый участник команды, что мы можем узнать из их взаимной оценки (360), какие участники выполняют какие конкретные задачи, кто мало участвует в выполнении задач.
- Специфика коммуникаций внутри команды
На основе чат логов и транскрибированных аудио из зума смотрим, насколько насыщенна коммуникация в команде, кто является лидером мнений, какие типы коммуникаций превалируют, кто является аутсайдером коммуникаций
- Вовлеченность и эмоциональный фон в команде : анализом сентимента выявляем позитивные\негативные настроения, коэффициентом участия в обсуждениях, анализом рефлексий участников и уровнем проявленной инициативы выявляем вовлеченность.
Все собранные данные аккумулируются и визуализируются в профиле команды, На основе них выносится решение о результатах, достигнутых командой, и общем прогрессе. При одновременной работе более 100 команд (на архипелаге их было 1500) такой цифровой формат оценки существенно превосходит возможности экспертного оценивания.
https://vk.com/komissario?w=wall178189382_167 #LXPD #metod #edtech #eddata
VK
Andrey Komissarov
Цифровой след может собираться не только по одному учащемуся, но и по целой команде. Это особенно релевантно в учебной проектной деятельности, в хакатонах, коллективных стажировках, формате «стартап как диплом», в рамках работы акселераторов и конечно в корпоративной…