DIGITAL FOOTPRINT IN EDUCATION: FROM SCIENCE TO SOCIETY

Cover Page

Cite item

Full Text

Abstract

The application of predictive systems in education based on the use of big data technologies through the management of the digital footprint of students is discussed. The main attention is paid to the accepted managerial decisions. Issues of a technical plan, methodological nature, and legal regulation are not considered in the paper. The current trends in the formation of a digital footprint of students are described, the risks and challenges of introducing digital technologies into the educational sphere are formulated. Two approaches to optimizing the collected data are described: the gamification of education with the creation of a data collection environment and the use of specialized approaches in data processing. With regard to the second approach, the important role of a priori algorithms and expert assessments used in the process of processing the digital footprint has been revealed. A parallel is drawn with the use of big data in science, the importance of repeatedly accessing data and the use of proven methods for extracting information from unstructured data lakes is shown. It is shown that in the educational sphere, digitalization processes are expressed in the strengthening of the role of external stakeholders not related to the state. These trends come into conflict with state interests which lead to the active intervention of the authorities in the educational process. According to the authors, there is a prospect of forced formation of a digital footprint. In order to solve the emerging difficulties associated with the conflict between social and technical, it is proposed to focus on the development of a digital culture and the widespread introduction of the ethics of handling big data.

About the authors

Artem Aleksandrovich Balyakin

Kurchatov Institute

Email: Balyakin_AA@nrcki.ru
pl. Akademika Kurchatova, 1, Moscow, Russian Federation, 123182

Mikhail Viktorovich Mamonov

All-Russian Public Opinion Research Center

Email: mamonovmv@mail.ru
ul. Prechistenka, 38, Moscow, Russian Federation, 119034

Marina Vitalyevna Nurbina

Kurchatov Institute

Email: Nurbina_MV@nrcki.ru
pl. Akademika Kurchatova, 1, Moscow, Russian Federation, 123182

Sergey Borisovich Taranenko

Kurchatov Institute

Email: Taranenko_SB@nrcki.ru
pl. Akademika Kurchatova, 1, Moscow, Russian Federation, 123182

References

  1. Седова А. П., Крюкова А. А. Применение технологии Big data в сфере образования // Science Time. 2015. № 11 (23). С. 505–509.
  2. Fischer C., Pardos Z., Baker R. S., Williams J. J., Smyth P., Yu R., Slater S., Baker R., Warschauer M. Mining big data in education: Affordances and challenges // Review of Research in Education. 2020. № 44 (1). Р. 130–160.
  3. Ben Kei Daniel. Big Data and Learning Analytics in Higher Education: Current Theory and Practice. Springer, 2016. 272 p.
  4. Ferriter W.M. Digitally Speaking. Positive Digital Footprints // Educational Leadership. 2011. № 68 (7). Р. 92–93.
  5. The digital footprint: new challenges for the education system in the Data era. URL: https://habr.com/ru/post/513616 (дата обращения: 21.05.2022).
  6. Mobasher G., Shawish A., Ibrahim O. Educational data mining rule based recommender systems // CSEDU (1). 2017. Р. 292–299.
  7. 35 University. URL: https://2035.university (дата обращения: 21.05.2022).
  8. Бакуменко О. Электронная интернационализация и научные бренды университетов. URL: https://russiancouncil.ru/analytics-and-comments/analytics/nuzhna-li-rossiyskim-universitetam-elektronnayainternatsionalizatsiya-nauchnoy-deyatelnosti (дата обращения: 21.05.2022).
  9. Акимова О. Б., Щербин М. Д. Цифровая трансформация образования: своевременность учебно-познавательной самостоятельности обучающихся // Инновационные проекты и программы в образовании. 2018. № 1. С. 27–34.
  10. Крамаренко Н. С., Квашин А. Ю. Психологические и организационные аспекты введения цифрового образования, или Как внедрение инноваций не превратить в «цифровой колхоз» // Вестник МГОУ. 2017. № 4. С. 1–16.
  11. Аверьянов А. О., Гуртов В. А., Семенов Д. Н., Круглов В. И. Развитие экспорта российского образования: ориентация на потребность национальных рынков труда // Высшее образование в России. 2021. Т. 30, № 4. С. 9–21.
  12. Приоритетный проект «Развитие экспортного потенциала российской системы образования». URL: http://government.ru/projects/selection/653 (дата обращения: 21.05.2022).
  13. Buniyamin N., bin Mat U. B., Arshad P. M. Educational data mining for prediction and classification of engineering students achievement // 2015 IEEE 7th International Conference on Engineering Education (ICEED). IEEE, 2015. Р. 49–53.
  14. Аналитика больших данных и Machine Learning в образовании: 5 кейсов из вузов. URL: https://www.bigdataschool.ru/blog/big-data-analytics-education-cases.html (дата обращения: 21.05.2022)
  15. Виртуальная образовательная среда МГЮА. URL: https://sdo.msal.ru/admin/tool/dataprivacy/summary.php?lang=ru (дата обращения: 21.05.2022).
  16. Богачева Н. В., Сивак Е. В. Мифы о поколении Z // Современная аналитика образования. Вып. 22, № 1. М.: Издательский дом НИУ ВШЭ, 2019. 64 с.
  17. Саймон Х. Нейронные сети: полный курс: пер. с англ. М.: Вильямс, 2008. 1103 с.
  18. Balyakin A. A., Nurakhov N. N., Nurbina M. V. Digital Twins vs Digital Trace in Megascience Projects // Information Technology and Systems. 2021. AISC 1330. Р. 534–539.
  19. Балякин А. А., Малышев А. С. Управление большими данными в исследовательских инфраструктурах // Открытые системы. 2020. № 3. С. 33–35. URL: https://www.osp.ru/os/2020/03/13055606 (дата обращения: 21.05.2022).
  20. Balyakin A. A., Nurbina M. V., Taranenko S. B. Ethics in Big Data: Myth or Reality // Information Technology and Systems. 2021. AISC 1330. Р. 14–22.
  21. Birhane A. Algorithmic injustice: a relational ethics approach // Perspective. 2021. Patterns 2. Vol. 2 (2). 100205. February 12.
  22. Школа цифрового века. URL: https://www.hse.ru/twelve/part2 (дата обращения: 21.05.2022).
  23. Жулего В. Г., Балякин А. А., Нурбина М. В., Тараненко С. Б. Цифровизация общества: новые вызовы в социальной сфере // Вестник Алтайской академии экономики и права. 2019. № 9-2. С. 36–43.
  24. Грекова А. А. Особенности мышления представителей «цифрового поколения» // Вестник ЮУрГУ. 2019. Т. 12, № 1. Серия: Психология. С. 28–38.
  25. Частно-государственное партнерство. Учителей и чиновников переведут на российские мессенджеры // Коммерсант. 10 августа 2021. URL: https://www.kommersant.ru/doc/4936094 (дата обращения: 21.05.2022).
  26. Big brother brands report: which companies might access our personal data the most? URL: https://clario.co/blog/which-company-uses-most-data/ (дата обращения: 21.05.2022).
  27. Цифровой след: новые задачи системы образования в эпоху данных. URL: https://habr.com/ru/post/513616/ (дата обращения: 21.05.2022).
  28. Геймификация в образовании: виды, компоненты, примеры. URL: https://vuz24.ru/news/fakty-i-sobytiya/gejmifikaciya-v-obrazovanii-vidy-komponenty-primery (дата обращения: 21.05.2022).
  29. Virtual Reality A Big Part Of Dallas ISD’s New ‘Hybrid’ School. URL: https://dfw.cbslocal.com/2021/08/23/virtual-reality-big-part-dallas-isd-new-hybrid-school (дата обращения: 21.05.2022).
  30. Nurbina M. V., Nurakhov N. N., Balyakin A. A., Tsvetus N. Yu. Mega Science Projects for Business // IHIET 2020. AISC 2021. Р. 488–492.
  31. Harari Y. N. 21 Lessons for the 21st Century. Vintage Digital, 2018. Р. 416.
  32. Крамаренко Н. С. Самоосуществление человека в условиях реального и виртуального мира: субъектный подход: дис. … канд. пед. наук. М., 2014.
  33. Vinuesa R., Azizpour H., Leite I. et al. The role of artificial intelligence in achieving the Sustainable Development Goals // Nature Communications. 2020. № 11. Р. 233.
  34. Сапрыкина А. Цифровизация сверху вниз. URL: https://www.comnews.ru/content/208353/2020-07-30/2020-w31/cifrovizaciya-sverkhu-vniz (дата обращения: 21.05.2022).
  35. Кай-Фу Ли. Сверхдержавы искусственного интеллекта. Китай, Кремниевая долина и новый мировой порядок. М.: Манн, Иванов и Фербер, 2019. 240 с.
  36. Balyakin A. A., Mamonov M. V., Nurbina M. V., Taranenko S. B. Digital Footprint and Education: Some Remarks // Perspectives and Trends in Education and Technology. Smart Innovation, Systems and Technologies. Springer, Singapore. Vol. 256. Р. 485–493. https://doi.org/10.1007/978-981-16-5063-5_4

Supplementary files

Supplementary Files
Action
1. JATS XML
Download


Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».