Традиционный дискурс о качестве обучения содержит ряд мифов. Один из них — это убеждение студентов, что сложный материал можно освоить методом погружения за неделю до экзамена. Известен также миф о «вечном студенте», который якобы «учится всю жизнь», но на практике демонстрирует низкую мотивацию и пассивное потребление контента. Миф «природной одаренности» считает, что способности к математике (или языкам, или программированию) даны с рождения, и если у человека нет врожденного таланта, то учиться бесполезно. Такие убеждения маскируют реальные проблемы: низкую вовлеченность студентов, разрыв между успеваемостью и реальными компетенциями, несоответствие образовательного контента современным вызовам, низкочастотный контроль успеваемости. Формально деканат оценивает работу студентов и преподавателей дважды в семестр, поскольку это трудозатратная процедура. Фактически, имея асинхронно пополняющуюся базу с оценками и активностями студентов, деканат может получить срез по успеваемости в любой момент времени. Поэтому для реализации программ с применением дистанционных технологий и поддержки очного обучения в Финансовом университете функционирует портал campus.fa.ru, созданный на базе системы Moodle. Здесь размещены электронные учебные курсы по дисциплинам, а также видеолекции, презентации, методички. Функционал системы охватывает проведение тестирований с автопроверкой, сбор письменных работ, фиксацию IP-адресов точек входов, логирование активности пользователей. Однако надстройку вычисляющую метрики, качества обучения только предстоит выполнить. Хотя подходы к обучению и монетизации в академическом и корпоративном секторах различаются, некоторые метрики бизнес-анализа цифрового следа могут быть адаптированы для университетской среды.
В Финансовом университете при Правительстве РФ исследовательская команда под руководством профессора кафедры математики и анализа данных Владовой Аллы Юрьевны провела анализ существующих EdTech-решений, реализованных социально-образовательной платформой СберУниверситета, сервисом аналитики цифрового следа учащихся Курсометр, инструментом аналитики интернет-изданий Медиатор и др. Эти решения используют десятки метрик, на основе которых судят об эффективности контента и самое главное – принимают решения об внесении изменений (упрощении, усложнении, выделении отдельных модулей и т.д.) в контент также на их основе.
Кроме того, на выборке из более чем 1000 студентов из 57 учебных групп разных лет, изучавших математические дисциплины оценены среднее, медиана и сумма баллов, набранных студентами в ходе изучения дисциплины, долю выполненных и начатых тестов, соответствие балла за экзамен текущей успеваемости в течение семестра и другие метрики. Установлено, что высокая активность (более 20 завершенных тестов по дисциплине) характерна для 25 % групп, тогда как низкая активность (менее 10 тестов) характерна для 30 % групп. Средняя оценка в 60 % случаев не превышает 60 из 100 баллов. Средний уровень выше 70 баллов встречается значительно реже. Индекс удовлетворенности от использования LMS только в 10% от исследованных групп превышает 50%.
Наработанный исследовательской группой инструментарий может рассматриваться как прототип EdTech-решения для рынка корпоративного и университетского обучения. Наличие формализованных процедур позволяет адаптироваться под другие системы управления обучением. Для частных образовательных компаний и EdTech-стартапов это готовый референс по построению предиктивной аналитики для удержания пользователей.
