Алла Викторовна Калиниченко, канд. тех. наук, доцент, доцент кафедры прикладной математики и информатики,
Владикавказ.
Alla V. Kalinichenko, Candidate of Sciences (Engineering), Docent, Associate Professor at the Applied Mathematics and Computer Science Department,
Vladikavkaz.
Цель исследования. Цифровизация образования подразумевает масштабные преобразования, охватывающие внедрение цифровых технологий на каждом уровне общего и профессионального образования, дополнительного образования, а также изменения во взаимодействии всех участников учебного процесса. Одним из шести ключевых вызовов, на которые призвана ответить Стратегия развития образования до 2036 года, является стремительное распространение цифровых технологий и искусственного интеллекта. Цель исследования состоит в определении роли цифровых следов, формируемых в ходе реализации образовательного процесса, как одного из инструментов цифровой трансформации управления образовательным процессом, а также в демонстрации практической реализации обработки цифрового следа с использованием API социальной сети ВКонтакте и методов анализа данных (Educational Data Mining).
Материалы и методы. Теоретико-методологическую базу для исследования составили работы отечественных и зарубежных исследователей в области анализа цифровых данных, возникающих в ходе реализации образовательного процесса. В работе использованы методы обработки естественного языка, такие библиотеки для языка программирования Python, как pandas, numpy, mathplotlib и др. Эмпирическая часть исследования основывается на анализе цифрового следа в сообществах образовательной организации в социальной сети Вконтакте, представленного в виде неструктурированных текстов.
Результаты. Исследования показывают, что большой объем разнородных данных цифровых следов, в том числе представленных в виде слабоструктурируемых данных, неизбежно возникает в условиях цифровизации образования и обеспечения информационной открытости образовательных организаций и представляет интерес для получения образовательной аналитики, используемой для решения задач в области цифровой трансформации образовательного процесса, цифровой трансформации управления образовательным процессом, обеспечения преемственности и интеграции образовательных уровней. Цифровой след, формируемый в ходе взаимодействия с электронной информационно-образовательной средой и иными цифровыми ресурсами образовательных организаций в сети Интернет (сайт, страницы в социальных сетях, мессенджерах), открывает возможности для анализа данных об образовательном процессе и участниках образовательных отношений, однако требуется выработка системных подходов к его анализу и использованию в условиях цифровой трансформации образования, в том числе учитывающих требования законодательства к персональным данным, этические аспекты и аспекты безопасности. В статье рассмотрены перспективы анализа цифровых данных в сообществах образовательной организации в социальных сетях с использованием методов анализа данных и машинного обучения, а также представлен практический пример анализа данных в таких сообществах в социальной сети ВКонтакте с помощью API.
Заключение. Полученные результаты могут использоваться как в целях первичного изучения анализа цифрового следа, так и в качестве основы разработки системы формирования образовательной аналитики. Практическое применение результатов будет способствовать цифровой трансформации управления образовательным процессом.
The purpose of the study. The digitalization of education implies large-scale transformations encompassing the implementation of digital technologies at every level of general and vocational education, as well as additional education, as well as changes in the interactions of all participants in the educational process. One of the six key challenges addressed by the Education Development Strategy to 2036 is the rapid spread of digital technologies and artificial intelligence. The aim of this study is to determine the role of digital traces generated during the educational process as a tool for digital transformation in educational management, as well as to demonstrate the practical implementation of digital trace processing using the VKontakte social network API and data analysis methods (Educational Data Mining).
Materials and Methods. The theoretical and methodological basis for the study was formed by the work of Russian and international researchers in the field of digital data analysis arising during the educational process. The study utilized data analysis methods, natural language processing techniques, and Python libraries such as pandas, numpy, mathplotlib, and others. The empirical portion of the study is based on the analysis of the digital footprint of the educational organization's communities on the social network VKontakte, represented as unstructured text.
Results. Research shows that large volumes of heterogeneous digital trace data, including those presented in the form of semi-structured data, inevitably arise in the context of the digitalization of education and ensuring the information openness of educational organizations. This data is of interest for educational analytics used to address issues related to the digital transformation of the educational process, the digital transformation of educational management, and the continuity and integration of educational levels. The digital trace generated through interactions with the electronic information and educational environment and other digital resources of educational organizations on the internet (websites, social media pages, and instant messaging apps) opens up opportunities for analyzing data on the educational process and participants in educational relationships. However, systematic approaches to its analysis and use in the context of the digital transformation of education are required, including those that take into account legal requirements for personal data, ethical aspects, and security aspects. This article examines the prospects for analyzing digital data in educational organization communities on social media using data analysis and machine learning methods and presents a practical example of data analysis in such communities on the social network VKontakte using an API.
Conclusion. The obtained results can be used both for initial studies of digital footprint analysis and as a basis for developing a system for generating educational analytics. Practical application of the results will facilitate the digital transformation of educational management.
The authors declare that there are no conflicts of interest present.