По цифровому следу школьника

02.11.2020

В педагогику приходят молодые специалисты, которых не нужно убеждать в пользе цифровизации. Для них совершенно естественно соединять цифровые и нецифровые процессы, не упуская из виду главного — человека. Какие данные стоит собирать в школе и зачем, что может дать игра и как ее встроить в обучение — об этом в рассказе Андрея Комиссарова, игропрактика и специалиста по дата-центричным методам обучения. Андрей возглавляет направление «Развитие человека на основе данных» Университета 20.35, руководит НПО «Игровое образование», преподает в ВШЭ и в частной школе «Юна» в Дубне. Интервью он дает за рулем — других свободных слотов в его расписании нет. То, что такие специалисты сегодня нарасхват, внушает оптимизм в отношении перспектив нашего образования.

Андрей Комиссаров делает мир лучше с помощью данных. Игропрактик, дата-инженер, отец четверых детей, он более 15 лет занимается методологией образования. На его счету авторские методики сбора цифрового следа в формате образовательного дата-инжиниринга, методики адаптивного мотивационно-ориентированного обучения и выявления поведенческих паттернов для повышения вовлеченности учащихся, а также создание более 120 образовательных и диагностических игр. Андрей возглавляет направление «Развитие человека на основе данных» Университета 20.35, руководит НПО «Игровое образование», преподает в Высшей школе экономики и в частной школе «Юна» в Дубне.

- Вы участвуете сразу в нескольких проектах. Что для вас сегодня главное?

Я всегда был так или иначе связан с образованием, но заниматься этим профессионально начал 7 лет назад. Раньше это было хобби. Я многодетный папа, мне важно дать детям хорошее образование. Мы даже уехали из Москвы, чтобы организовать школу по собственным разработанным методикам: игропрактика, проектное обучение, взаимное наставничество. Чем интересна педагогика? Это очень сложная и тонкая настройка баланса между счастьем, кайфом ребенка, реально полезными, востребованными на рынке навыками и дисциплиной, регулярным достижением результатов.

Сейчас больше занимаюсь методологией образования с точки зрения работы с данными и внедрения цифровых методов. В Университете 20.35 возглавляю дирекцию сервисов «Развитие человека на основе данных». Но для меня это прежде всего попытка принести человечность в цифровой мир. Не потерять особую, уникальную «душевную составляющую» в век искусственного интеллекта.

Вообще, на мой взгляд, основная цель образования — повысить субъектность человека, дать ему возможность управлять собой, своей жизнью, работой, судьбой. Это особенно важно при использовании дата-центричных методов в образовании. Здесь есть несколько направлений: педагогический дизайн — разработка образовательных сред, органично включающих цифровые методы; образовательный дата-инжиниринг — разметка, сбор, интерпретация и анализ данных цифрового следа; дата-центричное управление образовательным процессом. Для этого мы создаем новые методики обучения и разрабатываем необходимые инструменты — множество отдельных мозаичных решений, которые могут встраиваться в любые обучающие платформы.

Мы формируем методологии использования цифровых решений и данных образовательного опыта и строим адаптивные вовлекающие цифровые среды обучения с индивидуальными траекториями развития.

- Что понимается под образовательной средой? Это ведь не программная среда?

Образовательной средой может служить все что угодно: онлайн-курс, хореографический кружок, даже прогулка по лесу. Например, гениальный педагог — биолог Николай Ковылов проводит занятия с младшими школьниками в лесу. Дети прыгают по лужам, изучая свойства жидкой грязи, лепят из глины, потом обжигают слепленное в самодельной печи, изучают тайны растений и животных. В умелых руках педагога это тоже образовательная среда. Николай записывает все происходящее на экшн-камеру и транслирует в Сеть, где «вместе с ним» в лесных уроках участвуют еще множество детей, которые активно комментируют происходящее, задают вопросы. Тексты могут быть подвергнуты семантическому анализу на выявление смысловых, эмоциональных и других составляющих. Сами записи происходящего также анализируются. То есть в абсолютно аналоговой среде собирается и анализируется цифровой след обучения.

- Как с его помощью повысить эффективность обучения школьников?

Двумя способами. Первый — повышать вовлеченность. Но это палка о двух концах: повышая вовлеченность одного, можем потерять другого. И это приводит нас ко второму способу — индивидуальным траекториям, или персональному подходу. У детей очень разные когнитивные и поведенческие стили, надо их изучать, диагностировать и, главное, создавать гибкую адаптивную среду, в которой могут применяться разные подходы для обучения разных детей.

Андрей Комиссаров: «Основная цель образования — дать человеку возможность влиять на себя, свою жизнь, свою деятельность, судьбу. Мы делаем это с помощью дата-центричных методов»

Специфика образования, построенного на данных, состоит в том, чтобы выдержать баланс между потребностями конкретного ребенка, потребностями группы, теми результатами, которые дети выдают в этой среде, и показателями, к каким вы хотите прийти. При этом «фронтальная педагогика», когда учитель перед классом — главный источник знаний, становится необязательной, а классно-урочная система нужна, только чтобы дисциплинировать детей и задавать рамки и границы внутри образовательной среды.

- Что нужно для достижения такого баланса с помощью данных?

Прежде чем собирать данные об образовательном опыте ребенка, надо проделать немалую работу. Ее немаловажная часть — педагогический дизайн, подготовка образовательной среды к тому, чтобы собирать данные в нужном количестве и качестве и размечать их по соответствующему рубрикатору. Данные в рубрикаторе (как индивидуальные, так и групповые) будут не только о знаниях и навыках, они будут комплексными — связанными с деятельностью, поведением, когнитивными стилями, проявлением эмоций.

Самое ужасное, что можно сделать с данными цифрового следа, — начать собирать их без разбору, абы где, без ответа на вопрос «Зачем?». Если заранее не понимаете, что и зачем собираете, лучше даже не начинать.

Другая часть работы — диагностика детей и подготовка инфраструктуры, которая позволит работать с данными: хранить их, документировать, визуализировать и т. д.

Наконец, третье — создание комплексных рубрикаторов образовательных результатов. Это в основном таксономии (с древовидной структурой связей) и онтологии (с поименованными смысловыми связями). Таким образом создается «карта» предметных и профессиональных областей, по которой может автоматически размечаться собранный цифровой след.

Когда плацдарм подготовлен, начинается обработка первых данных диагностики той группы детей, с которой вам предстоит работать.

- А какие данные можно собрать в обычной школе?

В стандартных условиях «обычной» школы собирается крайне мало данных. Как правило, это имена детей, посещаемость, названия предметов да субъективные оценки педагогов — то что попадает в дневник. Это «слепые» данные. У одного педагога четверка означает «на пятерку знаю только я», а у другого — «ну не обижать же ребенка». На таких данных не получится ни построить индивидуальную траекторию ребенка, ни принять решение об изменении формы или содержания.

Тем не менее данные в школе можно собирать, и есть много интересных примеров того, как это делается. Например, в Китае используются нейроинтерфейсы для мониторинга концентрации внимания и предсказания «когнитивной усталости» детей. В других странах применяют устройства, измеряющие сердечный ритм, фотокамеры, регулярно снимающие лица детей для последующего распознавания эмоций, микрофоны, записывающие аудиоответы детей на уроке для распознавания того, каким «слогом» они говорят, как используют термины и т. п.

Есть много вариантов того, как это можно делать. Но, говоря о том, какие типы цифрового следа мы можем получить в школе, мы должны ответить на главный вопрос: зачем мы хотим их получить?

- Есть ли примеры применения методик сбора цифрового следа в российских школах?

В Университете 20.35 мы больше занимаемся вузами и профессиональной переподготовкой в онлайне. Однако в наших программах очень часто участвуют подростки от 14 лет, и применяемые методы оказываются особенно успешными именно при работе с ними. В школе где я работаю, сбор цифрового следа не проектируется. Но «Юна» — теплая, «ламповая» школа с малокомплектными классами, и педагог в таких условиях вполне может сам обеспечить персональный подход к ребенку. Сама по себе «цифра» должна применяться не ради хайпа или во имя прогресса. Ее смысл — в масштабировании методов талантливых педагогов на тысячи учащихся. «Цифра» хорошо работает в массовой образовательной среде.

Отдельные элементы методологии, основанной на «цифре», внедрялись, например, в Новой школе. Там разработано приложение для ведения расписания и индивидуальных образовательных маршрутов. Приложение собирает прямолинейные типы цифрового следа: рефлексия самого ребенка, участие его в работе с цифровыми инструментами, обратная связь преподавателя и достижение конкретных результатов в формате «постановка задачи, ожидаемый результат, критерии качества и оценка по этим критериям». Это хорошо работает.

- Какие методы обработки данных применяются при сборе цифрового следа в образовании и где это происходит?

Прежде всего — в дополнительном образовании детей и взрослых. Из цифровых команд это «Яндекс.Практикум», SkyEng, «Учи.ру», а также кванториумы, кружки и олимпиады НТИ.

Хорошо применяются методы семантического анализа, то есть определяется частотность употребления терминов в тексте, выясняется, какие термины рядом с какими применяются, и выявляются определенные маркеры. При грамотном дизайне образовательных сред можно использовать язык хештегов — например, #вопрос, #инсайт. Это существенно облегчает распознавание цифрового следа. Инструментом для этого может служить нейросеть, которая находит теги в тексте и автоматически распределяет их по определенным правилам.

Нейросетевые алгоритмы еще не очень широко применяются: хотя они и являются частью искусственного интеллекта, но, как правило, весьма примитивны и полностью зависят от подготовки данных для обучения алгоритма. Качество дата-сета, на котором обучили алгоритм, полностью предопределяет его эффективность. Нейросети, заточенные на распознавание изображений и паттернов, а также типов эмоций, можно применять для анализа аудио- и видеоконтента. В Zoom, например, есть функция, которую мало кто использует, — запись аудиодорожки отдельно для каждого участника с привязкой к его имени. Это же прекрасно! А нейросеть потом распознает интонации или эмоции.

Используются также алгоритмы в виде дерева принятия решений (иногда их называют агоритмами «случайного леса»).

Но чаще мы применяем другой элемент «искусственного интеллекта» — онтологии, сложно устроенные рубрикаторы, которые позволяют формировать более точные смысловые маркеры. Онтологии дают возможность распознать связи между словами, между контекстами. Таким образом, мы существенно обогащаем результаты обработки цифрового следа алгоритмами семантического анализа или нейросетями.

- Как оценивают поведение в процессе обучения?

Смотря что понимать под «поведением». Если речь идет об особенностях взаимодействия и коммуникации учащихся, то это хорошо делать, анализируя чат-логи, учитывая специфику выполнения предварительно размеченных групповых заданий и особенности ролей, которые берут на себя учащиеся, а также принимая во внимание взаимодействие с определенными элементами образовательной среды и разнообразие решений поставленных задач (если образовательная среда подразумевает разные роли и разные решения). Все это требует педагогического дизайна, разработки образовательной среды.

Обычно же «оценка поведения» в процессе обучения делается только на экзаменах и тестах — с помощью камеры в ноутбуке или мониторе, отслеживающей направление взгляда, движение головы, появление и исчезновение лица в пределах видимости. Такой подход называется «прокторинг» и часто применяется в Европе для всевозможных онлайн-экзаменов. Вы подписываете согласие на прокторинг, и программа-проктор завладеет ресурсами встроенной камеры, а ее скрипт отследит, как часто и куда вы переходили из ПО, в котором выполняете задания. Тогда мы сможем ответить, сколько раз вы посмотрели в учебник или на заранее составленные вкладки в браузере. Это хорошо работает и в вебе, и в отдельных приложениях. Мы используем прокторинг, когда слушатели онлайн-курсов выполняют контрольные. Заранее пробегаем эти задания с фокус-группой, выясняя, сколько времени понадобится среднестатистическому учащемуся, чтобы успеть ответить на вопрос, но при этом не успеть посмотреть во вкладку или загуглить. Но прокторинг — жесткая штука, которая нужна надзорно-контролирующим органам. Cтресс, который получают дети в связи с этим, совершенно не стоит тех усилий и тех результатов, которых они якобы достигнут.

- Как же тогда фиксировать поведенческие реакции?

У современных детей поведенческие реакции очень хорошо проявляются в общении, поэтому надо всячески побуждать их к коммуникации друг с другом и с учителем.

Если это офлайн-активность, надо записывать аудиоречь. Распознавая аудиоконтент, в нем можно многое увидеть. Мы используем, например, коммуникационные бейджи — маленькие устройства с микрофоном и динамиком. Но дети не чувствуют себя свободно, зная, что их пишут. Поэтому бейджи используются, только когда надо записать конкретных детей. Чаще применяем направленные микрофоны, а детей рассаживаем специальным образом — за большими круглыми столами, где расстояние между учениками не менее метра. Это сделано не только для соблюдения социальной дистанции, но и чтобы микрофоны лучше схватывали источник звука. Однако работать с аудиоконтентом сложнее, чем с материалом, собранным из онлайн-чатов, где многое можно извлечь из эмотиконов и тегов.

В офлайне надо записывать не только аудио, но и видео, чтобы отслеживать направление взгляда и составлять «тепловую карту» фокусировки внимания: куда дети чаще смотрят, на кого и на что? В онлайне работать проще, но и в офлайне можно найти интересные вещи, если уметь их правильно структурировать, то есть наполнять среду элементами сбора цифрового следа. Именно поэтому я всегда упираю на то, что педагогический дизайн по созданию образовательной среды и встраиванию в нее этих элементов важнее, чем сам сбор цифрового следа.

- Вы реализовали более 120 игровых проектов. Как игры встраиваются в образовательный процесс?

О, тут много разных вариантов. Прежде всего диагностика, которая точно лучше всего идет в игровом формате, потому что ребенок не теряет фокус внимания, когда ему интересно. Например, мы используем сюжетные нарративные чат-боты, которые позволяют принимать определенные решения за игрового персонажа, визуальные новеллы — по сути, ожившие комиксы.

При использовании многих диагностических инструментов задается ситуация, где ты должен принять решение, сделав выбор. Этот выбор фиксируется, и на его основе начисляются определенные баллы. Очевидно, что вместо «тупого теста», лучше «зашить» это в игру. Правда, в играх много косвенных контекстов, большую роль играет качество графики и звука, но такое влияние легко отсеять на большом массиве данных. Например, для первого «Острова» — большого образовательного интенсива на 1000 человек, проводимого Университетом 20.35, — была разработана диагностическая игра на выявление поведенческих паттернов и ключевых мотиваторов. Такие игры детям очень нравятся, а мы можем качественно собрать диагностические данные.
Другой вариант — игры как элемент обучения. В Facebook есть группа Mosaicum, куда я много лет складываю игры, которые можно применить в образовании. Там просто кладезь всего: биология, история, география. Берешь и применяешь.

Помимо геймификации, то есть применения игровых элементов в неигровой среде, есть еще использование игр в обучении. Игра — особое состояние, для которого характерны осознанность, ответственность и удовольствие. Многие учителя полностью нарушают это состояние, поэтому дети не получают никакого удовольствия в процессе игры и не понимают, чего от них хотят. Игра — как живой организм, настраивающийся на ребенка. С ней в педагогике надо работать бережно, и далеко не все игры одинаково эффективны для всех детей.

Еще статьи

Борьба с бедностью: как помочь малоимущим, подскажут данные

«Умные» социальные проекты: от анализа бедности до азбуки Брайля

Добрые дела больших данных

Нет утечкам: нейросеть предупредит беду

О доступе к данным замолвите слово

Охота на туриста