К вопросу об исследовании персональной учебной сети в открытом дистанционном курсе
Рассмотрены основные вопросы получения графа персональной учебной сети, а также возможности Интренет-сервисов для сбора и обработки статистических данных, использование которых позволяет не только проанализировать структуру персональной учебной сети учащегося, но и оценить степень его участия в учеб...
Gespeichert in:
| Veröffentlicht in: | Управляющие системы и машины |
|---|---|
| Datum: | 2015 |
| 1. Verfasser: | |
| Format: | Artikel |
| Sprache: | Russian |
| Veröffentlicht: |
Міжнародний науково-навчальний центр інформаційних технологій і систем НАН та МОН України
2015
|
| Schlagworte: | |
| Online Zugang: | https://nasplib.isofts.kiev.ua/handle/123456789/87178 |
| Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
| Назва журналу: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Zitieren: | К вопросу об исследовании персональной учебной сети в открытом дистанционном курсе / А.С. Воронкин // Управляющие системы и машины. — 2015. — № 1. — С. 39–46. — Бібліогр.: 24 назв. — рос. |
Institution
Digital Library of Periodicals of National Academy of Sciences of Ukraine| id |
nasplib_isofts_kiev_ua-123456789-87178 |
|---|---|
| record_format |
dspace |
| spelling |
Воронкин, А.С. 2015-10-14T08:08:38Z 2015-10-14T08:08:38Z 2015 К вопросу об исследовании персональной учебной сети в открытом дистанционном курсе / А.С. Воронкин // Управляющие системы и машины. — 2015. — № 1. — С. 39–46. — Бібліогр.: 24 назв. — рос. 0130-5395 https://nasplib.isofts.kiev.ua/handle/123456789/87178 004.77 Рассмотрены основные вопросы получения графа персональной учебной сети, а также возможности Интренет-сервисов для сбора и обработки статистических данных, использование которых позволяет не только проанализировать структуру персональной учебной сети учащегося, но и оценить степень его участия в учебном процессе в открытом дистанционном курсе. The main issues obtaining a personal learning network graph, as well as the possibility of the Internet services for the collection and processing of statistical data are discussed. Their use allows not only to analyze the structure of the student’s personal learning network, but also to assess the extent of his involvement in the educational process in an open online course. Розглянуто основні питання одержання графа персональної навчальної мережі, а також можливості Інтренет-сервісів для збору та обробки статистичних даних, використання яких дозволяє не тільки проаналізувати структуру персональної навчальної мережі учня, але й оцінити ступінь його залучення в навчальний процес у відкритому дистанційному курсі. ru Міжнародний науково-навчальний центр інформаційних технологій і систем НАН та МОН України Управляющие системы и машины Электронные технологии обучения К вопросу об исследовании персональной учебной сети в открытом дистанционном курсе The Personal Learning Network Researching in the Open Online Course Article published earlier |
| institution |
Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| collection |
DSpace DC |
| title |
К вопросу об исследовании персональной учебной сети в открытом дистанционном курсе |
| spellingShingle |
К вопросу об исследовании персональной учебной сети в открытом дистанционном курсе Воронкин, А.С. Электронные технологии обучения |
| title_short |
К вопросу об исследовании персональной учебной сети в открытом дистанционном курсе |
| title_full |
К вопросу об исследовании персональной учебной сети в открытом дистанционном курсе |
| title_fullStr |
К вопросу об исследовании персональной учебной сети в открытом дистанционном курсе |
| title_full_unstemmed |
К вопросу об исследовании персональной учебной сети в открытом дистанционном курсе |
| title_sort |
к вопросу об исследовании персональной учебной сети в открытом дистанционном курсе |
| author |
Воронкин, А.С. |
| author_facet |
Воронкин, А.С. |
| topic |
Электронные технологии обучения |
| topic_facet |
Электронные технологии обучения |
| publishDate |
2015 |
| language |
Russian |
| container_title |
Управляющие системы и машины |
| publisher |
Міжнародний науково-навчальний центр інформаційних технологій і систем НАН та МОН України |
| format |
Article |
| title_alt |
The Personal Learning Network Researching in the Open Online Course |
| description |
Рассмотрены основные вопросы получения графа персональной учебной сети, а также возможности Интренет-сервисов для сбора и обработки статистических данных, использование которых позволяет не только проанализировать структуру персональной учебной сети учащегося, но и оценить степень его участия в учебном процессе в открытом дистанционном курсе.
The main issues obtaining a personal learning network graph, as well as the possibility of the Internet services for the collection and processing of statistical data are discussed. Their use allows not only to analyze the structure of the student’s personal learning network, but also to assess the extent of his involvement in the educational process in an open online course.
Розглянуто основні питання одержання графа персональної навчальної мережі, а також можливості Інтренет-сервісів для збору та обробки статистичних даних, використання яких дозволяє не тільки проаналізувати структуру персональної навчальної мережі учня, але й оцінити ступінь його залучення в навчальний процес у відкритому дистанційному курсі.
|
| issn |
0130-5395 |
| url |
https://nasplib.isofts.kiev.ua/handle/123456789/87178 |
| citation_txt |
К вопросу об исследовании персональной учебной сети в открытом дистанционном курсе / А.С. Воронкин // Управляющие системы и машины. — 2015. — № 1. — С. 39–46. — Бібліогр.: 24 назв. — рос. |
| work_keys_str_mv |
AT voronkinas kvoprosuobissledovaniipersonalʹnoiučebnoisetivotkrytomdistancionnomkurse AT voronkinas thepersonallearningnetworkresearchingintheopenonlinecourse |
| first_indexed |
2025-11-25T21:02:20Z |
| last_indexed |
2025-11-25T21:02:20Z |
| _version_ |
1850545199001894912 |
| fulltext |
УСиМ, 2015, № 1 39
УДК 004.77
А.С. Воронкин
Об исследовании персональной учебной сети в открытом дистанционном курсе
Рассмотрены основные вопросы получения графа персональной учебной сети, а также возможности Интренет-сервисов
для сбора и обработки статистических данных, использование которых позволяет не только проанализировать структуру
персональной учебной сети учащегося, но и оценить степень его участия в учебном процессе в открытом дистанцион-
ном курсе.
The main issues obtaining a personal learning network graph, as well as the possibility of the Internet services for the collection and
processing of statistical data are discussed. Their use allows not only to analyze the structure of the student’s personal learning network,
but also to assess the extent of his involvement in the educational process in an open online course.
Розглянуто основні питання одержання графа персональної навчальної мережі, а також можливості Інтренет-сервісів для збору та
обробки статистичних даних, використання яких дозволяє не тільки проаналізувати структуру персональної навчальної мережі учня,
але й оцінити ступінь його залучення в навчальний процес у відкритому дистанційному курсі.
Введение. Эволюция информационных и ком-
муникационных технологий (ИКТ) позволила
не столько создать стандартизированную тех-
ническую инфраструктуру, сколько реализо-
вать глобальный инструмент по перераспреде-
лению идей и знаний [1]. Целый ряд исследо-
ваний в области применения ИКТ в обучении
(В. Монахов, Е. Полат, И. Роберт, В. Кухарен-
ко, К. Бугайчук, В. Гриценко и др.) показал,
что в рамках информационно-коммуникацион-
ной образовательной среды реализация инди-
видуальной образовательной траектории выхо-
дит на качественно новый этап развития. Пер-
спективным подходом в организации учебного
процесса есть формирование индивидуальной
образовательной среды обучаемого (PLE – Per-
sonal Learning Environments) [2]. Термин PLE
появился несколько лет назад в западной лите-
ратуре и связан с практическим применением
идей e-learning 2.0.
Существует два подхода к обучению в ИКТ-
насыщенной среде: с помощью LMS (Learning
Management System) и облачных вычислений
(«программное обеспечение как услуга»). PLE
иногда отождествляют с системами управления
обучением LMS, но, как справедливо отмечается
в работе [3], между ними есть существенное раз-
личие: PLE концентрируется прежде всего на
обучающемся, а LMS – на учебном курсе.
Постановка задачи
Популярность социальных сетей вынудила
работников образовательной сферы обратить
внимание также и на них. Социальные сети
начали использовать с целью: коммуникативой
поддержки семинаров; проведения мозгового
штурма в группе; выбора тем для будущих се-
минаров (научных исследований); размещения
ссылок на учебные материалы; информирования
об изменениях в расписании занятий; консуль-
тирования; анализа деятельности конкретного
учащегося; проведения опросов; ведения тема-
тического журнала; отслеживания новостей,
опубликованных известными авторами; инфор-
мирования о текущем состоянии выполнения
научно-исследовательской или дипломной ра-
боты; обмена ссылками. Так, процесс обучения
выходит за пределы взаимоотношений препо-
даватель–слушатель.
Широкий интерес ученых и преподавателей
к массовым открытым дистанционным курсам
(МОДК) также актуализирует вопрос исследо-
вания графа персональной учебной сети уча-
щихся с целью изучения их активности. Это
прежде всего позволяет преподавателю сде-
лать выводы о том, как учащиеся трансформи-
руют знания и реализуют самообучение.
Основная задача работы – рассмотрение на-
иболее общих подходов к анализу статистиче-
ских данных и структуры учебной сети для
оценивания степени вовлеченности учащегося
в образовательный процесс в рамках открыто-
го дистанционного курса.
Основной материал
МОДК – это интерактивный курс с открытой,
свободной регистрацией, публичными материа-
лами и учебным планом, открытыми результа-
40 УСиМ, 2015, № 1
тами и большим числом участников (до 50 тыс.
чел.) [4]. Открытое обучение – это открытая
практика, которую можно рассматривать как
прозрачность деятельности [5]. В работе [6]
указано на то, что термин открытый подразу-
мевает свободу от интеллектуальной собствен-
ности, что допускает повторное использование
содержимого. В некоторых источниках под
открытостью понимается свободный доступ
ко всем материалам курса посредством Интер-
нет-сети. МОДК основан на активном участии
слушателей, самостоятельно организующим
свою деятельность в соответствии с целями
обучения, предварительными знаниями и на-
выками, а также общими интересами [7]. Один
и существенных аспектов МОДК – наличие у
участников процесса персональной учебной
среды, построение которой основано на облач-
ных вычислениях (программное обеспечение
как услуга или SAAS) [8].
Отметим, что в современной научной лите-
ратуре до сих пор не существует единого
представления о содержании персональной
учебной среды, хотя многие авторы и пытают-
ся исследовать ее сущность. Автор [9] полага-
ет, что «…PLE характеризуется свободным
использованием наборов удобных сервисов и
инструментов, которые принадлежат отдель-
ным обучающимся и управляются ими. В от-
личие от интегрированных различных серви-
сов в рамках централизованной системы, идея
PLE заключается в обеспечении учащихся
множеством сервисов и возможностью управ-
ления ею для выбора и использования серви-
сов, так как предусмотрено в этой системе.
Подход не только обеспечивает персональные
пространства, которые принадлежат и управ-
ляются самим пользователем, но и требует со-
циального контекста, предоставляя средства для
соединения с другими персональными про-
странствами для эффективного обмена знаниями
и совместного создания новых знаний»
В работе [10] PLE определяется как «…сис-
тема, которая помогает учащимся управлять
своим собственным обучением. Это подразуме-
вает обеспечение поддержки учащихся в опре-
делении ими своих собственных целей обуче-
ния, управления своим обучением, управление
содержанием и процессом обучения, взаимодей-
ствием с другими обучаемыми в процессе обу-
чения, и, тем самым, достижением целей обуче-
ния. PLE может состоять из одной или несколь-
ких подсистем: как таковая она может быть
компьютерным приложением либо может состо-
ять из одного или нескольких веб-сервисов».
В [11] указано на то, что PLE это не только
веб-инструменты, но и люди, газеты, журналы,
книги, общение между людьми в реальности.
PLE во многих публикациях представляется
диаграммой Эйлера-Венна в виде пересечения
двух множеств: «Персональные веб-инструмен-
ты» и «Персональная учебная сеть» (Personal
Learning Network, PLN) – это: сообщество про-
фессионалов, главная цель которого – получе-
ние и передача знаний, идей и опыта; концепту-
альная часть коннективизма (Дж. Сименс, С Да-
унс). Будучи самоорганизующейся системой,
состав учебной сети и взаимосвязь ее компо-
нентов имеют гибкую структуру и функцио-
нал, адаптирующиеся к потребностям и спо-
собностям обучаемых [12]. PLN может быть
организована не только совокупностью серви-
сов Веб 2.0, но и состоять из одной социальной
сети (также обладающей свойствами гибкой
динамической структуры).
Социальная сеть – это структура, состоящая
из группы узлов – социальных объектов и свя-
зей между ними (социальных взаимоотноше-
ний) [13]. В общепринятом понимании соци-
альная сеть – это сообщество людей, объеди-
ненных общими интересами, общим делом или
другими причинами для непосредственного
общения. В общефилософском подходе под
социальной сетью понимают множество соци-
альных объектов и определенное множество
отношений между ними [14].
Эллисон и Бойд [15] определяют социальную
Интернет-сеть как веб-сервис, позволяющий
пользователям: создавать открытые (публичные)
или частично открытые профили пользователей;
создавать список пользователей, с которыми они
состоят в социальной связи; просматривать и
«трассировать» свой список связей и аналогич-
ные списки других пользователей в рамках од-
ной системы.
УСиМ, 2015, № 1 41
Наиболее распространенные социальные се-
ти: twitter, facebook, Вконтакте, Одноклассни-
ки. Этим список сетей, представляющих инте-
рес, безусловно, не исчерпывается. При выбо-
ре сети для использования в образовательной
сфере следует учитывать как привлекатель-
ность ресурса с точки зрения его повседневно-
го использования, так и варианты построения
самого учебного процесса.
Анализ социальных сетей позволяет описать
и проанализировать возникающие в ходе соци-
ального взаимодействия и коммуникаций связи
[16]. При этом используется следующая терми-
нология: актор – субъект социального действия,
который, в зависимости от исследовательских
намерений автора, может быть как отдельным
индивидом, так и коллективным социальным
объединением учащихся; узел – математический
эквивалент термина актор, обозначающий эле-
ментарную визуальную составляющую графа –
точку; связь – взаимодействие между двумя ак-
торами; ребро – математический эквивалент тер-
мина связь (в теории графов – это линия, соеди-
няющая узлы); cеть – совокупность всех соци-
альных акторов и связей рассматриваемого со-
циального объединения.
Поскольку социальная значимость учащих-
ся различна, соответственно различны и по-
требности в окружении при выстраивании кон-
тактов. Социальная значимость определяется,
как правило, двумя параметрами: знаниями
учащихся и их положением (связями). Внутри
одной и той же совокупности элементов мо-
гут выстраиваться разные типы взаимосвязей
(рис. 1). И хотя это направление изучается в
течение многих лет, педагогическая актуаль-
ность этих исследований не была в полной ме-
ре востребована до возникновения сетевой ре-
альности, свойственной современному инфор-
мационному обществу [17].
а б в
Рис. 1. Упрощенный пример возможного расположения и
взаимосвязей между составляющими
Ряд исследователей выделяют в анализе со-
циальных сетей четыре основных подхода [18]:
структурный подход (или формально-ма-
тематический) акцентирует внимание на гео-
метрической форме сети и интенсивности вза-
имодействий. Все акторы рассматриваются как
вершины графа, влияющие на конфигурацию
ребер и других акторов сети. Особое внимание
уделяется взаимному расположению вершин,
центральности, транзитивности взаимодействий.
Для интерпретации результатов в данном слу-
чае используются структурные теории и тео-
рии сетевого обмена;
ресурсный подход рассматривает возмож-
ности участников по привлечению индиви-
дуальных и сетевых ресурсов для достиже-
ния определенных целей и дифференцирует
участников в идентичных структурных пози-
циях социальной сети по их ресурсам (влия-
ние, статус);
нормативный подход изучает уровень до-
верия между участниками, а также нормы, пра-
вила и санкции, влияющие на поведение уча-
стников в социальной сети и процессы их взаи-
модействий;
динамический подход акцентирует внима-
ние на изменениях в сетевой структуре во вре-
мени.
Более детально остановимся на структур-
ном подходе, представленном двумя типами
исследований [19]. Первый – это социоцентри-
ческий подход. В нем поведение учащегося
рассматривается как производное от поведения
социальной группы (всей сети, сообщества), к
которой он принадлежит. В связи с этим уде-
ляется внимание системным свойствам сети:
выделению кластеров, изучению устойчивости
сети, оценке управляемости структуры и др.
Социоцентрический подход направлен на вы-
явление структурных характеристик системы.
Социоцентрический анализ, к сожалению, слабо
поддается удобной автоматизации и четкой
однозначной интерпретации. Поэтому наиболь-
шее распространение получил второй подход –
эгоцентрический, основанный на анализе по-
ведения отдельного учащегося, объясняющий
социальную реальность как производную от
42 УСиМ, 2015, № 1
его осмысленных действий и его взаимодейст-
вия с другими учащимися (акторами). В эго-
центрическом подходе можно выделить на-
правление анализа социальной сети с учетом
статусно-ролевой позиции узла и коммуника-
тивной позиции. Графы социальных сетей в
рамках названных подходов представлены на
рис. 2. Типы связей могут быть: направленны-
ми (когда отмечается направление связи между
акторами); ненаправленными (когда следует
зафиксировать только наличие связи между
акторами); маркированными (означенными)
(когда фиксируются положительные, отрица-
тельные и нейтральные выборы); оценочными
(когда измеряется интенсивность связи между
акторами через частоту контактов). Следует
отметить, что сетевые связи обладают двумя
принципиальными свойствами, подчеркиваю-
щими их социально-сетевую природу – прин-
ципиальную взаимность и персонифицирован-
ную направленность.
а б
Рис. 2. Ненаправленные графы социальных сетей: а – социо-
центрический подход; б – эгоцентрический подход
Помимо графической формы представления
структуры отношений между акторами (гра-
фов) используют и табличную (в виде матрицы
с числом строк и столбцов, равным числу чле-
нов сети, на пересечении которых фиксируют-
ся числовые значения связей между парами ак-
торов). Безусловно использование графов для
визуализации социальных взаимоотношений до-
вольно эффективно. При проведении количест-
венного анализа используют расчет индексов
для социальной сети в целом, для отдельных
актoров сети выделяют подструктуры и пр.
Анализ PLN базируется на выявлении цело-
го ряда характеристик. К ключевым относятся
[20]: плотность – отношение количества связей
к общему числу учащихся сети – это мера ско-
рости, с которой информация может распро-
страняться по сети (чем больше связей в сети,
тем выше скорость); определение степени вер-
шины (рис. 3); определение среднего расстоя-
ния как меры близости учащихся друг к другу
(т.е. за сколько шагов в среднем один член се-
ти может связаться с другим); определение
степени промежуточности (промежуточность –
это степень включенности актора в маршруты
связи между другими участниками сети).
Изучение структуры учебной сети сущест-
венно, поскольку позволяет сделать выводы о
характере взаимодействий акторов, а также
дает возможность выявить наиболее влиятель-
ных специалистов (аналитиков, ученых) и не-
формальные связи между руководящими кад-
рами, сотрудниками, учащимися и пр. Кроме
того, анализ графического представления се-
тей служит источником для формирования ги-
потез об эволюции персональной учебной сети
и синергетических эффектов: поскольку уча-
щиеся взаимодействуют некогерентно (не все
соединения имеют равную силу), следователь-
но, многие из них будут «слабыми». Узлы, по-
терявшие актуальность и ценность, будут по-
степенно исчезать (аналогично процессам ис-
чезновения неустойчивых связей между ней-
ронами в головном мозге), что особенно акту-
ально для организации учебного курса в сети
Twitter.
Рис. 3. Определение степени вершины: учащийся 1 наиболее
влиятелен (обладает наибольшим количеством связей в
сети), учащийся 6 наименее влиятелен
Пониманию структуры и возможностей
способствует классификация сетей с позиций
коммуникативности и центральности (доми-
нирования) и предложенных четырех типов
сетевых структур [21]. Высокие доминант-
ность и коммуникативность присущи «спут-
никовой» структуре, где ресурсы перемеща-
ются от центра к периферии. В системе с вы-
сокой связанностью и низкой доминантно-
стью общее число связей распределяется рав-
номерно и потоки направлены от одного
УСиМ, 2015, № 1 43
фрагмента системы к другому. Система с
низкими коммуникативностью и доминант-
ностью присуща плохо организованным кур-
сам. Система с низкой коммуникативностью
и высокой доминантностью сосредоточивает
связи в кластерах сообщества.
Д
О
М
И
Н
И
РО
В
А
Н
И
Е
КОМ М УНИКАТИВНОСТЬ (СВЯЗНОСТЬ)
В
Ы
СО
КО
Е
Н
И
ЗК
О
Е
ВЫСОКАЯ НИЗКАЯ
Рис. 4. Классификация сетей по отношению доминантность \
коммуникативность
Заметим, что с целью количественного ана-
лиза и прогнозирования некоторых процессов
ученые предпринимают попытки изучения се-
мантического поля, составленного по сообще-
ниям пользователя социальной сети. В качест-
ве примеров следует на-
звать прогнозы по суммам
кассовых сборов от проката
кинокартин [22], результа-
там региональных выборов
[23], влиянию климатиче-
ских изменений на настрое-
ние и др.
Для визуализации струк-
туры сети необходимо иметь
специальные инструменты в
персональной образователь-
ной среде, которые позво-
ляют собирать необходимые
данные о связях и соответ-
ствующим образом их ото-
бражать [24]. Эти инстру-
менты достаточно сложны
для неподготовленных поль-
зователей, кроме того, они
имеют те или иные ограни-
чения (возможности). По-
этому в практике целесооб-
разно использовать ком-
плекс сервисов и программ. Сегодня разра-
ботано большое число программных приложе-
ний анализа социальных сетей, предназначен-
ных для представления структуры сети в виде
графа. Рассмотрим некоторые из них.
NodeXL (http://nodexl.codeplex.com) – плагин
для работы с Microsoft Excel, позволяет импор-
тировать, обрабатывать данные и графически
представлять сложные социальные структуры
Twitter, Flickr, YouTube, Facebook. NodeXL
численно отображает ключевые параметры се-
ти: кластеры (группы) пользователей, ранги
узлов, плотность графа.
MentionMap (http://apps.asterisq.com/mention-
map) – веб-сервис, предназначенный для flash-
визуализации ненаправленного графа связей
между пользователями сети Twitter, которые
используют одни и те же хеш-теги, при этом
интенсивность упоминаний влияет на силу
связей – толщину линий (рис. 5).
Поскольку в Twitter основной тип связи ме-
жду учетными записями есть направленным,
целесообразно рассматривать направленный
Рис. 5. Граф связей автора статьи (сервис MentionMap)
44 УСиМ, 2015, № 1
граф. Один из таких ин-
струментов – twiangulate
(http://twiangulate.com) –
веб-сервис, предназначен-
ный для сравнения групп
последователей Twitter.
Предлагается несколько
вариантов представления
результатов – в виде гра-
фа социальных связей и в
матричной форме. Сервис
позволяет оценить «авто-
ритетность» отдельных ак-
каунтов или нескольких
выбранных пользователей
(в виде диаграммы Эйле-
ра–Венна). Авторитетность
пользователя определяет-
ся соотношением количе-
ства фолловеров / фолло-
вингов и количества тви-
тов / ретвитов. Пользова-
тели с более высоким ав-
торитетом будут иметь
существенно более высо-
кую входную степень в
сравнении с выходной,
т.е. их будут знать значи-
тельно больше участни-
ков, чем они знают сами.
На рис. 6 приведена диаграмма Эйлера–
Венна, граф социальных связей по результа-
там анализа трех twitter-аккаунтов.
InMaps (http://inmaps.linkedinlabs.com) –
сервис, предназначенный для интерактивно-
го представления социального графа сети
LinkedIn. Граф позволяет пользователю уви-
деть, на какие группы делятся его профес-
сиональные связи, как связаны его контакты
между собой. Среди дополнительных функ-
ций – возможность находить пользователей с
наиболее сильными связями.
TouchGraph (http://www.facebook.com/apps/
application.php?id=3267890192) – java-прило-
жение, позволяющее видеть граф связей поль-
зователя в сети Facebook.
NetVizz (https://apps.facebook.com/netvizz) –
приложение, извлекающее данные из различ-
ных разделов сети Facebook (личного профиля,
групп, страниц) в табличный файл. Файлы мо-
гут быть проанализированы специальным про-
граммным обеспечением (например, Gephi).
Существуют и другие средства автоматиче-
ского анализа социальных связей, среди кото-
рых: Визуализация друзей ВКонтакте (http://
www. yasiv.com/vk), SNAP (http://snap.stanford.
edu), NetworkX (http://networkx.github.io), Net-
Miner (http://www.netminer.com/index.php), ORA
(http://www.casos.cs.cmu.edu/projects/ora), Cyto-
scape (http://www.cytoscape.org) и др. На рис. 7
представлен граф коммуникаций автора статьи
в социальной сети Facebook, построенный сер-
висом Yasiv (http://www.yasiv.com/facebook).
Рис. 6. Результаты исследования коммуникаций трех twitter-аккаунтов: а – диаграмма Эй-
лера–Венна, б – направленный граф социальных связей
УСиМ, 2015, № 1 45
Всего граф насчитывает 283 узла, фактически
он состоит из трех кластеров – коллеги, пред-
ставители СМИ, профессиональные контакты.
Отдельные узлы, имеющие мало связей с эти-
ми кластерами, но связанные с автором публи-
кации – это личные контакты.
Рис. 7. Визуализация структуры персональной сети аккаунта
автора статьи в социальной сети Facebook
Исследования поведения студентов на не-
скольких крупных курсах Стэндфордского уни-
верситета, были положены в основу классифи-
кационной модели, отражающей способы вза-
имодействия студентов в МОДК – таксоно-
мию вовлечения. Характеризуя преобладающие
стили вовлеченности, исследователи учитыва-
ли два основных вида деятельности: просмотр
лекций и выполнение заданий для оценки зна-
ний. На условной шкале показатель ноль ука-
зывал на студентов, просматривающих лекции,
а показатель единица отражал долю студентов,
только выполнявших задания, не просматривая
содержание курса. В качестве площадки ис-
следователи выбрали шесть курсов Coursera.
Гистограммы количества студентов с долей
выполненных заданий для каждого курса име-
ли три пика – около показателя ноль, вблизи
показателя единица и приблизительно по цен-
тру между ними (рис. 8). Это позволило учё-
ным выделить три основных стиля поведения:
Зрители, Решатели, Универсалы.
Использование свободных программных при-
ложений анализа структуры социальных сетей в
педагогической практике открывает новые воз-
можности для вовлечения студентов и препода-
вателей в совместные открытые сетевые иссле-
дования.
Рис. 8. Гистограммы количества студентов с долей выполнен-
ных заданий для двух потоков курсов Компьютерное
обучение (Machine Learning – ML1, ML2) и Графиче-
ская вероятность модели (Probabilistic Graphical Mod-
els – PGM1, PGM2)
Помимо графа сети особый интерес пред-
ставляют: показатели количества постов уча-
щегося (доли постов по определенной теме,
используемые форматы – тексты, изображения,
видео, гиперссылки); количество перепостов;
вовлеченность подразумевает учет и подсчет
любых проявлений активности: количество лай-
ков, кликов, нажатий на кнопку Share и др.
Заключение. Таким образом, граф сети по-
зволяет выявить экспертов в конкретной пред-
метной области, а в рамках открытого онлайн-
курса провести анализ структуры персональ-
ной сети учащегося с целью оценить степень
его вовлеченности в процесс налаживания
взаимоотношений с другими учащимися.
Полученная информация может быть поло-
жена в автоматизированный расчет рейтинга
активности учащихся дистанционного курса, а
также может быть полезной для выделения
наиболее эффективных путей привлечения но-
вой аудитории и направлений модернизации
курса.
1. Калініченко Л.Л. Розвиток інформаційно-комуніка-
ційних технологій в умовах інформаційної глобалі-
зації // Проблеми економіки транспорту. – 2011. –
№ 2. – С. 56–60.
46 УСиМ, 2015, № 1
2. Dabbagh N., Kitsantas A. Personal learning environ-
ments, social media, and self-regulated learning: A natu-
ral formula for connecting formal and informal learning //
The Internet and Higher Education. – 2012. – N 15 (1). –
Р. 3–8.
3. Карасюк В.В. Формирование индивидуального обра-
зовательного пространства студента в условиях ди-
станционного обучения // Вест. НТУ «ХПИ». –
2014. – № 35 (1078). – C. 105–112.
4. The MOOC Model for Digital Practice / A. McAulay,
B. Stewart, G. Siemens et al. – http://www.elearnspace.
org/Articles/MOOC_Final.pdf
5. Cormier D., Siemens G. Through the Open Door: Open
Courses as Research, Learning and Engagement //
EDUCAUSE Review. – July/Aug. 2010. – 45, N 4. –
P. 30–39.
6. Кухаренко В.Н. Массовый открытый дистанцион-
ный курс. – http://jarki.ru/wpress/2012/04/17/3026
7. The MOOC Model for Digital Practice / A. McAulay,
B. Stewart, G. Siemens et al. – 2010. – 64 p. – http://
www.edukwest.com/wp-content/uploads/2011/07/
MOOC_Final.pdf
8. Aashita J., Sonal Ch. E-learning in the cloud // Int. J.
of Latest Research in Science and Technology. – 2013
(Jan.–Feb.). – 2, Issue 1. – P. 478–481.
9. Chatti M.A. Personal Environments Loosely Joined. –
http://mohamedaminechatti.blogspot.com/2007/01/per-
sonal-environments-loosely-joined.html
10. Harmelen V.M. Personal learning environment // Proc.
of the 6 IEEE Int. conf. on advanced learning technol. –
2006. – P. 815–816.
11. Martin M.M. Supporting personal learning environ-
ments: a definition of a PLE. – http://michelemartin. ty-
pepag.com/thebambooprojectblog/2007/08/supporting-
pe-1.html
12. Казаченок Н.Н., Михеева О.П. Особенности форми-
рования персональной учебной среды преподавателя
сетевого обучения – http://www.vvsu.ru/file.php?id=
1AADF2B2-CE76-46FA-8ADA-DF9D6 D6E906E.pdf
13. Кадемія М.Ю., Кадемія В.Ю Соціальні сервіси веб
2.0 в освітній діяльності.– http://ito.vspu.net/ SAIT/
inst_kaf/kafedru/matem_fizuka_tex_osv/WWW/metod_
seminar/2008/kademiya/ kademiya_2010-2011.htm
14. Патаракин Е.Д. Социальные сервисы Веб 2.0 в
помощь учителю: Уч.-метод. пособие. – М.: Ин-
туит.ру, 2007. – 64 с.
15. Винник В.Д. Социальные сети как феномен организа-
ции общества: сущность и подходы к использованию
и мониторингу // Философия науки. – 2012. – № 4
(55). – С. 110–126.
16. Прохоров А., Ларичев Н. Компьютерная визуализа-
ция социальных сетей // КомпьютерПресс. – :
http:// www.compress.ru/article.aspx?id=16593
17. Левин И., Коренблит М., Талис В. Изучение динами-
ки социальных сетей на основе моделирования в
среде NodeXL–Excel // Problems of education in the
21st century. – 2013. – 54. – P. 125–137.
18. Чураков А.Н. Анализ социальных сетей // СоцИс. –
2001. – № 1. – С. 109–121.
19. Демків О.Б. Розвиток та основні напрямки мереже-
вого аналізу // Методологія, теорія та практика со-
ціологічного аналізу сучасного суспільства: Зб. наук.
праць. – 2003. – С. 161–166.
20. Инструменты расследования. Анализ социальных
сетей // Безопасность: информационное обозрение. –
http://www.securityinfowatch.ru/view.php?section=
articles&item=3
21. Градосельская Г.В. Сетевые измерения в социоло-
гии: Учебн. пособие. – М.: Новый учебник, 2004 –
244 с. – http://www.ecsocman.edu.ru/ db/msg/242831.
html
22. Двас Н. Twitter предскажет кассовые сборы филь-
мов. – http://iscience.ru/2010/04/06/twitter-pomozhet-
predskazat-kassovye-sbory-filmov
23. From tweets to polls: Linking text sentiment to public
opinion time series / B. O’Connor, R. Balasubraman-
yan, B. Routledge et al. // Proc. of the 6th Int. AAAI
Conf. on Weblogs and Social Media (ICWSM’10). –
2010. – http://brenocon.com/oconnor_balasubramanyan_
routledge_smith.icwsm2010.tweets_to_polls.pdf
24. Травкин И.Ю. Четыре этапа работы с персональной
учебной сетью // Fun of Teaching. – http://funoftea-
ching.tumblr.com/post/92608665861
Поступила 26.01.2015
E-mail: alex.voronkin@gmail.com
© А.С. Воронкин, 2015
|