СТРАТЕГИЧЕСКОЕ ИСПОЛЬЗОВАНИЕ И ПРИМЕНЕНИЕ ТЕХНОЛОГИЙ BIG DATA В ВЫСШЕМ ОБРАЗОВАНИИ: ПОТЕНЦИАЛ BIG DATA ДЛЯ РАЗВИТИЯ ВЫСШЕГО ОБРАЗОВАНИЯ В РОССИИ

По данным Федеральной службы государственной статистики в данный момент в Российских высших учебных заведениях (далее - ВУЗ) обучаются примерно 4, 3 млн., а преподавательский состав ВУЗов включает около 300 тыс. человек [1].  Большие данные в высшем образовании растут, но большая их часть разбросана по рабочим столам, отделам и представлена ​​в различных форматах, что затрудняет их извлечение, они охватывают системы баз данных, которые хранят большие объёмы данных о студентах, преподавателях и т.п.

Во время взаимодействия студентов с различным технологиями, они оставляют следы данных, которые могут раскрыть их чувства, социальные связи, намерения и цели. Благодаря этим данным можно решить множество проблем высшего образования в России. Дополнительная ценность больших данных заключается в способности идентифицировать полезные данные и превращать их в полезные информации, выявляя закономерности и отклонения от закономерностей.

Имея большие объемы информации о студентах, в том числе о зачислениях, академических и дисциплинарных записях, ВУЗы располагают наборами данных, необходимыми для получения выгоды от целевой аналитики. Большие данные и аналитика в высшем образовании могут быть преобразующими, изменяя существующие процессы администрирования, преподавания, обучения, внося вклад в результаты политики университетов и помогая решать современные проблемы, стоящие перед высшим образованием России [2].

Большие данные могут предоставить ВУЗам - инструменты прогнозирования, необходимые для улучшения результатов обучения отдельных студентов, а также способы обеспечения высокого качества академических программ. Разрабатывая программы, которые собирают данные на каждом этапе процесса обучения студентов, университеты могут удовлетворять потребности студентов с помощью индивидуальных модулей, заданий и отзывов, которые будут способствовать лучшему и более богатому обучению [3].

Одним из способов использования инструментов больших данных в высшем образовании является анализ производительности и уровня навыков отдельных учащихся и создание персонализированного учебного плана, соответствующего их конкретным направлениям. При эффективном использовании большие данные могут помочь учебным заведениям улучшить учебный процесс и повысить успеваемость учащихся, снизить показатели отсева и увеличить количество выпускников (рисунок 1).

Рисунок 1. Ключевые возможности больших данных в высшем образовании

Основной вклад больших данных будет зависеть от применения трех моделей данных (описательной, прогнозной и предписывающей), а также полезности каждого из них для более эффективного принятия решений (рисунок 2).

Рисунок 2. Три большие аналитические модели данных в высшем образовании

Описательная аналитика

Описательная аналитика направлена ​​на описание и анализ исторических данных о абитуриентах [4], студентах, преподавании, исследованиях, политике и других административных процессах. Цель состоит в том, чтобы сообщать о текущих тенденциях, таких как зачисление и выпуск студентов, а также о получениях ученой степени.

С помощью описательной аналитики учебные заведения также могут исследовать данные в рамках систем управления обучением, изучая частоту входов в систему, просмотров страниц, контролируя завершенные курсы студентов, кто прошел какие курсы, какой контент посещают и т.д.

Прогнозная аналитика

Прогнозная аналитика может предоставить ВУЗам более эффективные решения благодаря аналитическим данным. Прогнозная аналитика направлена ​​на оценку вероятности будущих событий путем изучения тенденций и выявления ассоциаций по связанным вопросам, и выявления любых рисков или возможностей в будущем [5]. Прогнозная аналитика может выявить скрытые взаимосвязи данных.

С её помощью можно уделить больше внимания обучающимся, которые проявляют рискованное поведение в начале этого семестра, что может привести к тому, что они бросят учёбу или потерпят неудачу во время сессии. Это может помочь администрации университета оценить прогнозируемую степень завершения курса для конкретного направления.

Предписывающая аналитика

Предписывающая аналитика помогает высшим учебным заведениям оценивать свою текущую ситуацию и делать осознанный выбор альтернативного хода событий на основе достоверных и последовательных предсказаний. Она объединяет аналитические результаты как описательных, так и прогнозных моделей, чтобы взглянуть на оценку и определить новые способы работы для достижения желаемых результатов. Предписывающая аналитика позволяет лицам, принимающим решения, заглянуть в будущее и увидеть возможности (проблемы) решения разных задач, а также представляет наилучший план действий, чтобы своевременно воспользоваться этими предвидениями.

Таким образом, Big Data Analytics предоставляет высшим учебным заведениям возможность использовать существующие и собирать недостающие данные, чтобы помочь принимать более правильные решения с различными результатами.

В частности, Big Data помогает учреждениям достигать следующих показателей:

• Лучшее понимание требований для эффективной подготовки данных для аналитики.
• Последовательные способы эффективного использования анализа данных для повышения точности, углубления знаний и принятия решений в режиме реального времени.
• Лучшее принятие решений на основе данных.
• Основа для проверки гипотез, веб-экспериментов, моделирования сценариев, моделирования чувствительности и интеллектуального анализа данных.
• Лучшие инструменты для сбора, обработки, анализа и интерпретации данных.
• Расширенная аналитика данных и прогнозное моделирование.
• Лучшее использование исторических данных для принятия обоснованных решений.
• Лучшая способность использования данных для прогнозирования возможных результатов.

Заключение

Успешное внедрение больших данных в высшем учебном заведении будет зависеть от совместной успешной работы между различными департаментами в данном учебном заведении. Ценность Больших данных будет основываться на способности совместно создавать структуры управления и предоставлять более прогрессивные и лучшие стратегии.

Существует также проблема внедрения Big Data в ВУЗы, а именно: огромная стоимость, связанная со сбором, хранением и разработкой алгоритмов для добычи данных, процесс, который, как правило, занимает много времени и является сложным.  

Поскольку количество данных, доступных для использования, постоянно увеличивается, выгода будет заключаться в хорошем управлении обучением, надежном хранении и управлении данными, гибком и прозрачном извлечении данных, а также точной отчетности.

Список литературы:

1. «Статистические материалы в сфере высшего образования» // Официальный сайт «Федеральной службы государственной статистики». URL: https://www.gks.ru/ (дата обращения: 24.08.2019).
2. «Высшее образование России»// Официальный сайт «Министерство науки и высшего образования РФ». URL: https://www.minobrnauki.gov.ru/ (дата обращения: 25.08.2019).
3. М. Левиев 5 СПОСОБОВ ПРИМЕНИТЬ BIG DATA В ОБРАЗОВАНИИ [Электронный ресурс]// Команда энтузиастов новых технологий в образовании – EDUTAINME. URL: http://www.edutainme.ru/ (дата обращения: 30.08.2019).
4. Big Data для университетов [Электронный ресурс]// Стадика (StudyQA). URL: https://ru.studyqa.com/ (дата обращения: 31.08.2019).
5. Lord Norton, Sarah Porter The potential of big data and analytics in higher education [Электронный ресурс]// Policy connect. – 2016 – С. 52-53 URL: https://www.policyconnect.org.uk/ (дата обращения: 01.09.2019).