• A
  • A
  • A
  • АБВ
  • АБВ
  • АБВ
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

Лаборатория методов науки о данных в исследованиях образования

Социальные науки стремительно комьютеризируются. Новые данные и новые методы их анализа открывают большие возможности перед исследователями образования. Наша лаборатория использует последние достижения в области науки о данных для ответа на актуальные исследовательские вопросы Института образования. Наши исследования ведутся по трем основным направлениям.

Повседневность учащихся

На благополучие учащихся может влиять множество факторов, находящихся как внутри образовательной организации, так и за ее пределами. Для того чтобы выявить эти факторы и оценить их значение, мы изучаем повседневность современных подростков: их режим дня, занятия, интересы и перемещения. Наша цель — расширить понимание успешности в образовании, уделяя внимание не только академической успеваемости, но и эмоциональному благополучию учащихся. Использование новых источников данных позволяет нам существенно расширить набор факторов, учитывающихся в исследованиях образования.

Цифровое неравенство

Интернет предоставляет учащимся мгновенный доступ практически ко всему человеческому знанию, а также к миллионам сверстников со всего мира. Теоретически это означает, что учащиеся больше не ограничены своим ближайшим окружением и могут преодолеть порочный круг воспроизводства неравенства. Однако на практике наблюдается, скорее, противоположная картина: в цифровом пространстве воспроизводятся географические границы, а учащиеся оказываются сегрегированы по академической успеваемости. Резюме наших исследований в этой области представлено в докладе и в серии заметок. Мы планируем продолжать исследования в этом направлении, делая акцент на изучении динамики формирования неравенства.

Предсказания характеристик учащихся по их цифровым следам

Исследования последних лет продемонстрировали, что большое количество личных характеристик человека может быть предсказано по его цифровым следам. Мы строим модели, которые позволяют предсказывать характеристики учащихся, включая их академическую успеваемость, на основе различных данных из социальных сетей. Оценки, полученные с помощью этих моделей, позволяют масштабировать исследования по первым двум направлениям.

По всем вопросам обращайтесь к Ивану Смирнову на ibsmirnov@hse.ru

Публикации

Predicting PISA scores from students’ digital traces (готовится к публикации)
School segregation in the digital space (готовится к публикации)
The Digital Flynn Effect: Complexity of Posts on Social Media Increases over Time
Formation of homophily in academic performance: Students change their friends rather than performance
Что в профиле тебе моем: данные «ВКонтакте» как инструмент изучения интересов современных подростков
В поисках утраченных профилей: достоверность данных «ВКонтакте» и их значение для исследований образования

Освещение в СМИ

The Times, MIT Technology Review, CNN Greece, Paris Match, Афиша, Комсомольская правда, Учительская газета, Edutainme, Мел, Нож


 

Нашли опечатку?
Выделите её, нажмите Ctrl+Enter и отправьте нам уведомление. Спасибо за участие!