Большие данные в образовании
Большие данные в образовании
Новость
26 Сентября 2018

Как использовать данные для получения лучшего образовательного опыта

Ани Агабабян является специалистом по большим данным в области образовательных технологий. Ее основная специализация — интеллектуальный анализ данных и науки об обучении. Она использует образовательные данные для наблюдения и улучшения траекторий обучения студентов с помощью цифровых решений. Например, работая над определением важнейших факторов влияния на успеваемость студента, находя оптимальный путь обучения и наблюдая за поведением студентов, их эмоциями и реакциями при выполнении реальных учебных заданий.

Как говорит сама Ани, ее нынешний опыт дает ей возможность использовать распределительные вычисления, чтобы продолжить изучать, как студенты учатся, когда используют статистическое и машинное обучение. В работе она использует базы SQL, NoSQL, HDFS и фреймворки MapReduce and Apache Spark. Они позволяют вести наблюдение за обучающими методами и предсказывать важнейшие факторы процесса обучения. А среди неконтролируемых аспектов — выявить характеристики учащегося, которые могут показать его индивидуальность и уникальность.
Ее главная цель — использовать свои знания и аналитические навыки, чтобы найти доказательство теориям обучения в огромном количестве данных, которые предоставляют цифровые образовательные экосистемы.

Сейчас Ани является старшим специалистом по большим данным в McGraw-Hill Education (MHE). Это научная компания, которая стремится внести вклад в получение лучшего образовательного опыта у студентов с помощью индивидуализированного контента и адаптивных обучающих решений. Один из ее проектов посвящен экспериментальному дизайну продуктов. Его задача — создать исследование, которое позволит оценить эффективность и уровень вовлеченности в продукты компании. Вклад Ани заключается в оценке обучающего контента, разработке схемы управления данными и планов хранения информации, применении методологии Agile с использованием Jira для идентификации данных студентов в базах.

С увеличением спроса на возможность учитывать результаты образования увеличивается спрос на последовательное измерение образовательной активности. Это требует стандартизации данных об обучении, которые должны быть согласованы с учебными планами. Для этого IMS Global объединила стандарты совместимости данных. MHE является одним из первых пользователей стандартов IMS. Ани работала над интеграцией LTI Caliper в MHE, переводом данных о производительности студента MHE с использованием метрических профилей JSON для учебных мероприятий и сертификации данных MHE в стандарты IMS.

С распространением концепции адаптивного обучения, MHE предоставил своим студентам и преподавателям множество вариантов персонализированного обучения. Тем не менее, помимо возможностей студентов в MHE оценивают их метакогнитивные характеристики. Как специалист по большим данным в обучении Ани разработала проект, который поможет учить студентов метакогнитивным стратегиям, которые улучшат их результаты.

На EdCrunch Workshops 29 и 30 сентября 2018 года Ани Агабабян представит воркшоп «Incorporating Noncognitive Strategies to Improve Learning Success. Data mining workshop». Она покажет участникам, как использовать интеллектуальный анализ данных для улучшения процесса обучения. Воркшоп будет интересен педагогам, которые хотят понять, что корпорации и образовательные стартапы делают со своими данными и данными своих учащихся. Он будет полезен как преподавателям вузов, так и школьным учителям, которые проявляют интерес к технологиям в образовании. Ани представит результаты исследований MHE и проведет практикум по использованию анализа данных в построении образовательного процесса на языке, который будет понятен новичкам в программировании и изучении больших данных.

Подробная программа и регистрация участников: https://2018.edcrunch.ru/special-projects/workshops/