Preview

Открытое образование

Расширенный поиск

Методика обучения работе с цифровыми данными

https://doi.org/10.21686/1818-4243-2020-4-32-40

Аннотация

Цель исследования. Целью представленного исследования является разработка методики обучения работе с цифровыми данными. В статье рассматриваются вопросы обучения методам извлечения и анализа цифровых данных на примере социальных сетей при подготовке студентов по программам высшего образования по направлениям «Менеджмент», «Государственное и муниципальное управление», «Управление персоналом» и «Политология». Актуальность исследования обоснована факторами: цифровой трансформации экономики; развития источников цифровых данных; повышения важности работы с цифровыми данными в управлении. Перед университетами поставлена новая задача – подготовить студентов к работе с цифровыми данными в их профессиональной деятельности. Обзор научных источников показал, что для применения существующих методов извлечения данных необходимы навыки программирования. В то время как современное состояние ИТ и источников данных содержат инструменты работы с данными доступные широкому кругу пользователей без необходимости написания программного кода.
Материалы и методы. Исследование основано на изучении теоретических материалов и практики работы с цифровыми данными в управленческих процессах. Для оценки эффективности применения практических приемов работы с данными в обучении по программам высшего образования были проведены эмпирические исследования.
Результаты. Разработана методика практического обучения студентов, обучающихся по вышеуказанным направлениям, навыкам извлечения и анализа данных. Апробация авторской методики в учебном процессе показала ее эффективность в формировании практических навыков работы с цифровыми данными, а также высокий уровень усвоения теоретических основ благодаря изложению учебных материалов в доступной форме для непрофильных ИТ-специальностей. Преимуществом методики является отсутствие сложных требований к материально-техническому обеспечению обучения и к трудоемкости. В статье выделены области применения данных социальных сетей в экономике и науке: маркетинговые исследования потребителей и конкурентных преимуществ товаров или услуг; формирования набора данных для машинного обучения и развития технологий искусственного интеллекта, политические исследования гражданского общества и политических предпочтений граждан, научные исследования вопросов организации и управления социальными медиа. Обучение аналитической работе на примере социальных сетей высоко мотивирует студентов за счет значимой роли сетей среди молодежи. Применение эффективных педагогических технологий таких как проектно-ориентированное обучение, социальное обучения, совместная работа в электронной образовательной среде поддерживает качество обучения по разработанной методике. В результате студенты лучше осваивают знания и практические навыки, которые применимы также для работы с другими видами социальных медиа и глобальными платформами данных.
Заключение. В статье раскрывается: специфика учебно-методических материалов; разработка практикума по направлениям подготовки; современные педагогические технологии, схема и методика обучения. Рассмотрены преимущества и недостатки социальных сетей как источника данных. Представленная методика обучения реализуется в преподавании дисциплины «Информатика» базового цикла подготовки на факультете государственного управления МГУ им. М. В. Ломоносова.

Об авторе

И. В. Шевцова
Московский государственный университет имени М.В. Ломоносова
Россия

Инесса Витальевна Шевцова - к.э.н., доцент кафедры математических методов и информационных технологий в управлении факультета государственного управления

Москва



Список литературы

1. Днепровская Н.В. Метод исследования компетенций субъектов цифровой экономики // Открытое образование. 2020. № 24 (1). С. 4–12. DOI: 10.21686/1818-4243-2020-1-4-12.

2. Чувгунова О.А. Информационно-коммуникационно-технологическая компетентность преподавателя вуза: диагностика и развитие // Открытое образование. 2019. № 3. С. 49–61. DOI: 10.21686/1818-4243-2019-3-49-61.

3. Ершова Т. В. Работа с данными – основа цифровой экономики // Труды Вольного экономического общества России. 2020. Т. 220. С. 152–168.

4. Днепровская Н. В. Требования к инновационной среде при переходе к цифровой экономике // Статистика и Экономика. 2018. Т. 16. № 6. С. 58–68.

5. Дудина В.И. Цифровые данные—потенциал развития социологического знания // Социологические исследования. 2016. Т. 9. № 9. С. 21–30.

6. Юрченко А.В. К концепции информационно-аналитической системы поддержки научных исследований, основанных на интенсивном использовании цифровых данных // Вычислительные технологии. 2017. Т. 22. № 4. C. 105–120.

7. Стародубцев В.А., Французская Е.О. Устойчивое развитие образования: связь технологии и педагогики // Открытое образование. 2017. № 1. С. 34–43. DOI: 10.21686/1818-4243-2017-1-34-43.

8. Мулюкова К.В., Курейчик В.М. Проблема анализа больших веб-данных и использование технологии Data Mining для обработки и поиска закономерностей в большом массиве веб-данных на практическом примере // Открытое образование. 2019. 23(2). С. 42–49. DOI: 10.21686/1818-4243-2019-2-42-49.

9. Сухомлин В.А., Зубарева Е.В., Якушин А.В. Методологические аспекты концепции цифровых навыков // Современные информационные технологии и ИТ-образование. 2017. № 2 (13). С. 146–152.

10. Васильева Е.В. Компетентностный подход в государственной службе: какие знания и навыки выбирают госслужащие? // Вопросы государственного и муниципального управления. 2018. № 4. С. 120–144.

11. Калимуллина О.В., Троценко И.В. Современные цифровые образовательные инструменты и цифровая компетеность: анализ существующих проблем и тенденций // Открытое образование. 2018. 22(3). С. 61–73. DOI: 10.21686/1818-4243-2018-3-61-73.

12. Днепровская Н.В. Цифровая трансформация взаимодействия органов государственной власти и граждан // Государственное управление. Электронный вестник. 2018. № 67. C. 96–110.

13. Красильщиков В.В., Осетров М.А. Анализ активности студентов в социальной сети // Высшее образование в России. 2017. № 2. С. 52–62.

14. More J.S., Lingam C. A SI model for social media influencer maximization // Applied Computing and Informatics. 2019. Т. 15. № 2. С. 102–108. DOI: 10.1016/j.aci.2017.11.001.

15. Сергеев В.М., Артюшкин В.Ф. Индикаторы инновационного потенциала политико-экономического развития // Полис. Политические исследования. 2016. № 6. С. 114–126.

16. Colace F. et al. Sentiment detection in social networks and in collaborative learning environments // Computers in Human Behavior. 2015. Т. 51. С. 1061–1067.

17. Хамидулин В.С. Модернизация модели проектно-ориентированного обучения в вузе // Высшее образование в России. 2020. Т. 29. № 1. С. 135–149. DOI: 10.31992/0869-3617-2020-29-1-135-149

18. Широбокова С.Н., Стрельцов Е.А. Сравнительный анализ возможностей API социальных сетей по критерию функциональный полноты [Электрон. ресурс] // Инновационная наука. 2016. №3. C. 147–151. Режим доступа: https://cyberleninka.ru/article/n/sravnitelnyyanaliz-vozmozhnostey-api-sotsialnyh-setey-pokriteriyu-funktsionalnyy-polnoty. (Дата обращения: 06.03.2020).

19. Агаян Г.М., Григорян А.А., Шикина Г.Е. Математика. М.: Аргамак-Медиа 2019. 280 с.

20. Петрунин Ю.Ю. Информационные технологии анализа данных. 3-е издание. М.: Книжный дом Университет, 2018. 292 с.


Рецензия

Для цитирования:


Шевцова И.В. Методика обучения работе с цифровыми данными. Открытое образование. 2020;24(4):32-40. https://doi.org/10.21686/1818-4243-2020-4-32-40

For citation:


Shevtsova I.V. The Training Method for Digital Data Operation. Open Education. 2020;24(4):32-40. (In Russ.) https://doi.org/10.21686/1818-4243-2020-4-32-40

Просмотров: 478


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 1818-4243 (Print)
ISSN 2079-5939 (Online)