DOI: 
http://dx.doi.org/10.15293/1813-4718.2404.13
УДК: 
371.322.8
Царев Юрий Валерьевич
Кандидат технических наук, доцент кафедры информационных систем и технологий, Институт цифровых систем, Ярославский государственный технический университет, tsarevyv@ystu.ru, Ярославль

Возможности информационной системы Teams в создании цифрового следа студентов-первокурсников

Аннотация: 
В статье подробно рассматривается проблема оценки вовлеченности студентов-первокурсников в образовательный процесс и степень усвояемости знаний с применением цифровых технологий, позволяющих получить цифровой след студента. Цель статьи – представить технологию получения данных цифрового следа при обучении студентов первого курса Ярославского государственного технического университета по дисциплине «Архитектура информационных систем» в среде MS Teams и показать варианты выполнения анализа цифрового следа. Методология. Формирование данных цифрового следа осуществлялось в процессе лекционных опросов, работы над лабораторными заданиями и сдачи экзамена. Для получения цифрового следа были использованы информационные системы MS Teams, MS Excel, MS Forms. Данные, полученные в среде MS Teams, подвергались предварительной обработке, очистке, слиянию таблиц, дополнению (удалению) атрибутов. Сформированные таблицы анализировались с использованием классификационного, кластерного анализа на предмет поиска нетривиальных знаний. Кластерный анализ позволяет выделить группы студентов, которые успешно выполняют лекционное и экзаменационное тестирование, и тех, у кого возникают трудности при выполнении тестовых заданий. Анализ позволяет выявить уровень сложности заданий, а также осуществить их корректировку. Сопоставление успешности выполнения заданий во время лекционного курса и на экзамене дает представление об умении студентов готовиться к участию в тестировании, умении запоминать большие объемы сложной научно-технической информации.
Ключевые слова: 
цифровой след; MS Teams; кластерный анализ; информационные системы; информационная культура
Для доступа к полному тексту необходимо зарегистрироваться
Библиографический список: 

1. Pavlenko D., Barykin L., Dadteev K. Collection and analysis of digital footprints in LMS // Procedia Computer Science. – 2021. – Vol. 190. – P. 666–669.
2. Кузнецова И. Ю., Дочкин С. А. Цифровой след как инструмент отбора абитуриентов в вуз // Актуальные научные исследования в современном мире. – 2021. – № 11-10 (79). – С. 154–158.
3. Габдрахманов Н. К., Орлова В. В., Александрова Ю. К. Цифровой след в прогнозировании образовательной стратегии выпускников школ // Университетское управление: практика и анализ. – 2021. – Т. 25, № 3. – С. 6–13.
4. Когтева У. А. Цифровые следы и перспективы их применения в процессе управления образовательным процессом // Социально-гуманитарные технологии. – 2021. – № 4 (20). – С. 35–41.
5. Митягина Е. В., Конышев Е. В., Черны-шев К. А., Сайфулин Э. Р. Цифровые следы выпускников вузов при исследовании миграции из регионов-доноров // Вестник Томского государственного университета. – 2021. – № 467. – С. 144–155.
6. Баранова Е. В., Швецов Г. В. Методы и инструменты для анализа цифрового следа студента при освоении образовательного маршрута // Перспективы науки и образования. – 2021. – № 2 (50). – С. 415–430.
7. Casalino G., Castellano G., Vessio G. Exploiting Time in Adaptive Learning from Educational Data // Bridges and Mediation in Higher Distance Education. HELMeTO 2020. Communications in Computer and Information Science. – 2021. – Vol. 1344. – С. 3–16.
8. Журавлева В. В., Маничева А. С., Коз-лов Д. Ю. [и др.] Анализ больших данных с использованием параллельных вычислений: классификация школьников по цифровым следам // Высокопроизводительные вычислительные системы и технологии. – 2021. – Т. 5, № 1. – С. 160–165.
9. Горбатов С. В., Краснова Е. А. Цифровой след как механизм индивидуализации образовательной траектории студента (на примере курса «Цифровые технологии самообразования») // Перспективы науки и образования. – 2022. – № 4 (58). – С. 193–208.
10. Самарина О. В., Самарин В. А. Анализ цифрового следа студентов Югорского государственного университета // Вестник Алтайского государственного педагогического университета. – 2022. – № 1 (50). – С. 30–35.
11. Токтарова В. И., Семенова Д. А., Зари-пов Р. Н. Оценка эффективности проектной деятельности студентов на основе цифрового следа // Вестник Марийского государственного университета. – 2021. – Т. 15, № 4. – С. 420−453.
12. Крылова М. А. Изучение мотивационной включенности студентов в учебную деятельность на основе цифрового следа // Вестник ТвГУ. Серия: Педагогика и психология. – 2021. – № 4. – С. 77–86.
13. Кузьминых А. А., Ступников А. А. Диагностика развития Soft Skills (общие компетенции) по данным цифрового следа студента // Информатизация образования и методика электронного обучения: цифровые технологии в образовании: Материалы V Международной научной конференции (Красноярск, 21–24 сентября 2021 года): в 2 частях / под общей редакцией М. В. Носкова. Часть 1. – Красноярск: Сибирский федеральный университет, 2021. – С. 268–272.
14. Прозорова Г. В., Некрасова А. А., Долин А. А. Технология анализа цифрового следа для определения профессиональной направленности школьников // Вестник ТОГИРРО. – 2020. – № 1 (44). – С. 29–30.
15. Мозолевская А. Н. Перспективы использования «Цифрового следа» студента ИРГУПС // Информационные технологии и математическое моделирование в управлении сложными системами. – 2022. – № 2 (14). – С. 43–49.
16. Захарова И. Г., Аврискин М. В. Цифровой след студента: от данных к прогнозам и рекомендациям // Информатизация образования и методика электронного обучения: цифровые технологии в образовании: Материалы V Международной научной конференции (Красноярск, 21–24 сентября 2021 года): в 2 частях / под общ. ред. М. В. Носкова. Часть 2. – Красноярск: Сибирский федеральный университет, 2021. – С. 120–124.
17. Углев В. А., Сычев О. А., Аникин А. В. Интеллектуальный анализ цифрового следа при оценке контрольно-измерительных материалов для поддержки принятия решений в образовательном процессе // Журнал Сибирского федерального университета. Серия: Техника и технологии. – 2022. – Т. 15, № 1. – С. 121–136.
18. Документы для администраторов Microsoft Teams [Электронный ресурс]. – URL: https://learn.microsoft.com/ru-ru/microsoftteams/ (дата обращения: 17.04.2024).
19. Администратор Microsoft Forms [Электронный ресурс]. – URL: https://learn.microsoft.com/ru-ru/microsoft-forms/ (дата обращения: 17.04.2024).
20. Документация по Microsoft 365 [Электронный ресурс]. – URL: https://learn.microsoft.com/ru-ru/microsoft-365/?view=o365-worldwide (дата обращения: 17.04.2024).
21. Okike E. U., Mogorosi M. Educational Data Mining for Monitoring and Improving Academic Performance at University Levels // International Journal of Advanced Computer Science and Applications (IJACSA). – 2020. – Vol. 11, Iss. 11. – P. 570–581.