НИУ ВШЭ и Skillbox создали модель, которая предсказывает вовлеченность взрослых людей в обучение

Исследователи Международной лаборатории оценки практик и инноваций в образовании НИУ ВШЭ и компании Skillbox разработали модель, которая предсказывает вовлеченность пользователей онлайн-платформы. Она учитывает количество начатых занятий, выполненных домашних заданий, результаты тестирований, число недосмотренных видео, результаты прохождения тестов и другие характеристики. Ценность модели в возможностях дальнейшего практического применения — своевременная разработка мер поддержки обучающихся с низкой вовлеченностью и помощь в достижении их образовательных целей. В планах компании использовать информацию о вовлеченности студентов для выстраивания персонализированных треков обучения и сопровождения.

Одним из факторов результативного обучения взрослых на сегодняшний день является их вовлеченность в образовательный процесс. Под результатом в данном случае понимается достижение целей, которые ставили перед собой обучающиеся. При этом автоматизированной системы измерения вовлеченности, учитывающей также личный опыт обучающихся, на рынке образования сегодня не существует. Так, целями исследовательского проекта стали: научное доказательство того, что вовлеченность поддается измерению через цифровые следы, а также построение модели, которая поможет отслеживать степень вовлечения обучающихся и разрабатывать системные меры их поддержки.

Работа над моделью велась в четыре этапа:

1. Сбор данных. Это позволило определить вовлеченность более традиционными методами, а после сравнить эти результаты с результатами разработанной модели. Анкета состояла из 13 утверждений, распределенных по трем компонентам вовлеченности (согласно классической модели вовлеченности Дженнифер Фредрикс) — поведенческий (например, «Я регулярно делаю домашние задания»), когнитивный («Если я что-то не понимаю, я стараюсь разобраться в этом до конца») и эмоциональный («Я редко чувствую беспомощность во время обучения на курсе»). Финальная выборка составила 2 234 пользователя.
2. Сегментирование аудитории. По результатам опроса было выделено три сегмента студентов по уровню вовлеченности: низкий, средний и высокий.
3. Построение предиктивной модели. Модель разработана с помощью алгоритмов машинного обучения. Учитывалось количество начатых занятий, выполненных домашних заданий, число недосмотренных видео, сумма всех попыток прохождения тестов и другие характеристики.
4. Валидация модели. Финальным этапом после получения данных и разработки модели стало интервью с обучающимися, с помощью которого проверили насколько выводы, полученные путем анализа цифровых следов, соотносятся с их субъективным опытом.

Измерение вовлеченности на всех этапах подразумевает возможность использования цифровых следов и их автоматическое определение.


В дальнейших планах — доработать модель таким образом, чтобы она предсказывала показатель дропаута (отсева) обучающихся. Для этого потребуется собрать данные об учебном статусе студентов, принявших участие в исследовании вовлеченности, через несколько месяцев. Кроме того, на основании ретроспективных данных уже сейчас можно сформировать и адаптировать условия обучения, при которых возможно увеличить шанс достижения образовательных целей. Низкая вовлеченность человека — не только показатель того, что человек не хочет учиться. Вариантов может быть много: отсутствие времени, невозможность его корректно распределять, сложность в восприятии обучающей программы. В случае возможности определения пользователей, которым требуется помощь в достижении образовательных целей, модель также позволит повысить результативность обучения и удовлетворенность обучающихся.

источник: Пресс-служба НИУ ВШЭ

#ВШЭ
#Skillbox
#Вовлеченность
#ОбучениеВзрослых
#Анализ
#Результативность
#ОбразованиеПресс
#НовостиОбразования