В ТУСУРе разрабатывают цифровые технологии индивидуализации образовательной траектории обучающегося

В задаче построения индивидуальных образовательных траекторий помимо необходимости иметь соответствующие инструментальные программные решения существует проблематика, связанная с обоснованностью состава траектории для конкретного обучающегося. Для того, чтобы индивидуальный подход в образовании был эффективным, университету необходимо иметь всестороннее представление о студенте — большая роль в данном вопросе отводится цифровому образовательный следу. Однако генерация, сбор и обработка цифрового следа — сопутствующая актуальная задача, требующая комплексного решения.

Так, в ТУСУРе разрабатываются новые подходы, направленные на формирование представлений о деятельности обучающихся в цифровой образовательной среде, анализ их взаимодействия с электронными ресурсами, выявление стилей обучения, склонностей и предпочтений, скрытом потенциале, особенностей потребления контента и т.д.

В основе одного из таких подходов лежит разработанный программный модуль для построения тепловой карты распределения внимания пользователей при работе с текстовым контентом. Для многих образовательных организаций, применяющих технологии дистанционного обучения, актуален вопрос оценки востребованности текстового учебного контента обучающимися, вовлеченности их в работу с материалом. Какой контент труден для восприятия, какой слишком легок, какой популярен, какой потерял свою актуальность — частые вопросы, которые лежат в основе процесса модернизации и совершенствования образовательных программ.

На поиск ответов на обозначенные вопросы и направлена система фиксации распределения внимания, которую разрабатывают в ТУСУРе. Она представляет собой программный модуль для систем дистанционного обучения: специальный алгоритм присваивает каждому абзацу уникальный целочисленный хэш и ставит ему в соответствие значение, отражающее количество времени, затраченное на его чтение. Разрабатываемый модуль поддерживает все типы текстовых элементов системы дистанционного обучения, воспроизводящие контент в формате HTML.

Данные, собираемые модулем, могут участвовать в расчетах показателей эффективности учебного процесса, в том числе использоваться при построении аналитических отчетов. В отличие от существующих подходов фиксации факта взаимодействия пользователя с элементом в целом (по принципу посещал/не посещал), разрабатываемый модуль производит фиксацию удержания внимания пользователя над минимальными структурными единицами текстового контента – абзацами.

 «Сбор этих данных выполняется в реальном времени и сохраняется в базе данных. Структура хранимых данных делает возможным формирование тепловых карт на основе исторических данных как по конкретному пользователю, так и по произвольному множеству. Такая аналитика открывает возможности по выявлению проблемного контента, определению лучших практик организации и представления информации, созданию рекомендательных систем и многое другое», — поясняет ответственный исполнитель проекта, заведующий лабораторией ЛИСМО Иван Кречетов.

Спектр применения технологии широкий. При достаточном объеме накопленных данных о распределении внимания пользователей образовательные организации смогут оптимизировать издержки на выявление некачественного или невостребованного контента, применять технологию в прокторинге, автоматизировать процессы оценки деятельности обучающихся на учебных платформах, разрабатывать новые образовательные продукты на основе анализа интересов пользователей.