Концептуальный подход к цифровой трансформации образовательного процесса в вузе

Цели. Целью работы является разработка концептуального подхода к цифровой трансформации образовательного процесса в вузе. В основе выбранного подхода лежит детальный анализ этапов, участников и компонентов образовательного процесса в вузе с целью выработки дорожной карты по его цифровизации и созданию системы управления образовательным процессом на основе данных. Основными задачами цифровой трансформации являются: повышение удобства доступа к данным и работы с данными, относящимися к образовательному процессу, для всех групп конечных пользователей; повышение прозрачности всех составляющих образовательного процесса; высвобождение человеко-временных ресурсов за счет минимизации рутинных операций и повышения качества принимаемых решений. В основе создания системы управления образовательным процессом на основе данных лежат принципы цифровой культуры управления процессами, которые подразумевают, что собираемые в университетских системах данные упорядочены в единую структуру, согласованы между собой, непротиворечивы и хранятся в виде, удобном для разработки новых цифровых сервисов. Разработка инструментов интеллектуальной поддержки принятия решений и учебной аналитики ведется в тесном взаимодействии разработчиков, аналитиков и конечных пользователей всех уровней.

Методы. В работе использован опыт работы авторов и их коллег в российских и зарубежных вузах в качестве пользователей информационных систем и сервисов, разработчиков сервисов учебной аналитики и руководителей разного уровня. Приведены этапы цифровой трансформации организации.

Результаты. Предложен концептуальный подход к пониманию, постановке целей и планированию процессов цифровой трансформации образовательного процесса. Подробно описаны данные основных участников и составляющих образовательного процесса: обучающихся, преподавателей и образовательных программ, необходимые для управления вузом на основе данных; аргументирован их отбор.

Выводы. Разработка концептуального подхода для создания системы управления образовательным процессом на основе данных в вузе становится приоритетной задачей, от качества решения которой во многом будут зависеть развитие и конкурентоспособность университета в будущем.

1. Selwyn N., Gašević D. The datafication of higher education: discussing the promises and problems. Teach. High. Educ. 2020;25(4):527–540. https://doi.org/10.1080/13562517.2019.1689388

2. Williamson В., Bayne S., Shay S. The datafication of teaching in Higher Education: critical issues and perspectives. Teach. High. Educ. 2020;25(4):351–365. https://doi.org/10.1080/13562517.2020.1748811

3. Taamneh A., Alsaad A., Elrehail H., Al-Okaily M., Lutfi A., Sergio R.P. University lecturers acceptance of moodle platform in the context of the COVID-19 pandemic. Global Knowledge, Memory and Communication. 2023;72(6/7):666–684. http://doi.org/10.1108/GKMC-05-2021-0087

4. Lemay D.J., Baek C., Doleck T. Comparison of learning analytics and educational data mining: A topic modeling approach. Computers and Education: Artificial Intelligence. 2021;2(1):100016. https://doi.org/10.1016/j.caeai.2021.100016

5. Papamitsiou Z., Economides A.A. Learning Analytics and Educational Data Mining in Practice: A Systematic Literature Review of Empirical Evidence. J. Educ. Technol. Soc. 2014;17(4):49–64. URL: http://www.jstor.org/stable/jeductechsoci.17.4.49

6. Arnold K.E., Pistilli M.D. Course Signals at Purdue: Using learning analytics to increase student success. In: Proceedings of the 2nd International Conference on Learning Analytics and Knowledge (LAK’12). 2012. P. 267–270. URL: https://dl.acm.org/doi/10.1145/2330601.2330666

7. Teasley S.D., Kay M., Elkins S., Hammond J. User-Centered Design for a Student-Facing Dashboard Grounded in Learning Theory. In: Sahin M., Ifenthaler D. (Eds.). Visualizations and Dashboards for Learning Analytics. Advances in Analytics for Learning and Teaching. Cham., Switzerland: Springer; 2021. P. 191–212. https://doi.org/10.1007/978-3-030-81222-5_9

8. Klein C., Lester J., Rangwala H., et al. Technological barriers and incentives to learning analytics adoption in higher education: insights from users. J. Comput. High. Educ. 2019;31:604–625. https://doi.org/10.1007/s12528-019-09210-5

9. Talbi O., Ouared A. Goal-oriented student motivation in learning analytics: How can a requirements-driven approach help? Educ. Inf. Technol. 2022;27(8):12083–12121. https://doi.org/10.1007/s10639-022-11091-8

10. Kustitskaya T.A., Esin R.V., Kytmanov A.A., Zykova T.V. Designing an Education Database in a Higher Education Institution for the Data-Driven Management of the Educational Process. Educ. Sci. 2023;13(9):947. https://doi.org/10.3390/educsci13090947

11. Datnow А., Hubbard L. Teacher capacity for and beliefs about data-driven decision making: A literature review of international research. J. Educ. Change. 2016;17(1):7–28. https://doi.org/10.1007/s10833-015-9264-2

12. Brown М. Seeing students at scale: how faculty in large lecture courses act upon learning analytics dashboard data. Teach. High. Educ. 2020;25(4):384–400. https://doi.org/10.1080/13562517.2019.1698540

13. Есин Р.В., Зыкова Т.В., Кустицкая Т.А., Кытманов А.А. Цифровая образовательная история как составляющая цифрового профиля обучающегося в условиях трансформации образования. Перспективы науки и образования. 2022;5(59):566–584. https://doi.org/10.32744/pse.2022.5.34

14. Permana A.A.J., Pradnyana G.A. Recommendation Systems for internship place using artificial intelligence based on competence. J. Phys.: Conf. Ser. 2019;1165:012007. https://doi.org/10.1088/1742-6596/1165/1/012007

15. Raffaghelli J.E., Stewart В. Centering complexity in ‘educators’ data literacy’ to support future practices in faculty development: a systematic review of the literature. Teach. High. Educ. 2020;25(4):435–455. https://doi.org/10.1080/13562517.2019.1696301

16. Lewis S., Holloway J. Datafying the teaching ‘profession’: remaking the professional teacher in the image of data. Cambridge J. Educ. 2019;49(1):35–51. https://doi.org/10.1080/0305764X.2018.1441373

17. Williamson B. The hidden architecture of higher education: building a big data infrastructure for the ‘smarter university’. Int. J. Educ. Technol. High. Educ. 2018;15:12. https://doi.org/10.1186/s41239-018-0094-1