1

Адаптивность: с чего начать и нужно ли?

Опубликовано: 24.04.2016


Несколько лет назад эксперт по цифровым технологиям в образовании Питер Стоукс высказал предположение, что через 15-20 лет практически любой курс будет иметь адаптивные компоненты. О чем нужно знать командам, которые хотели бы сделать свой проект адаптивным? Объясняет Дмитрий Аббакумов, руководитель Лаборатории адаптивных образовательных технологий ВШЭ и психометрик Дирекции по онлайн обучению ВШЭ.

Принимая решение о том, нужна ли вашему проекту адаптивность, стоит задать себе пять вопросов.

1. Превышает ли число студентов 1000 человек в год?

Это, пожалуй, главный вопрос. Нет никакого смысла вкладываться в разработку адаптивного решения, если количество студентов в рамках одного условного курса меньше тысячи человек. Причина проста – на выборке меньшего объема будет трудно построить даже простую модель и простой алгоритм – основу любого решения.

2. Структурирован ли контент?

Для разработки адаптивного решения важно, чтобы контент имел классификацию (или теги) как минимум по теме и типу (например, видео, чтение, упражнение для самопроверки, итоговый контроль). Чем более подробной является разметка контента –тем больше возможностей для построения адаптивности.

3. Проводятся ли измерения?

Вы будете удивлены, но образовательные проекты, которые не проводят диагностики, не являются редкостью. Вывод простой: нет измерений – нет адаптивности. Важно, чтобы измерения не только были включены в курс, но и чтобы они были регулярными (на входе, в течение курса и на выходе), разнообразными как по форме (тесты, кейсы, задачи, эссе), так и по содержанию (знания, понимание, применение). Помимо информации об обучении, важно собирать данные о самих студентах (пол, возраст, интересы, цели, мотивация, уровень).

4. Сохраняются и хранятся ли данные измерений?

Это важно, потому что: нет данных – нет адаптивности. Случается, что образовательный проект не собирает данные вовсе. Случается, что собирает, но хранит недолго, например, из соображений экономии. Случается, что собирает, но хранит неправильно –структура данных не позволяет сопоставить несколько массивов, например, с анкетными данными о студентах и результатами их тестирования. Это бывает тогда, когда идентификаторы обучающихся в первом и втором массивах данных различаются, а ключ-связка отсутствует.

5. Осознаете ли вы, что на разработку адаптивного решения потребуется время и это не случится завтра?

Нужно быть готовыми к серии исследований, оптимизации контента по итогам этих исследований, к удалению и замене неработающих единиц контента. Утвердительный ответ на этот вопрос, как правило, свидетельствуют о готовности проекта к разработке адаптивного решения.

Предположим, что вы пять раз ответили «да». Теперь, забегая вперед, я расскажу, как обычно выглядят следующие шаги.

В первую очередь проводится психометрический анализ качества тех измерительных инструментов, что есть в курсе. Разработчику адаптивных решений важно опираться на валидные измерения – те, что действительно измеряют заявленные знания, умения и навыки. На этом этапе используются собранные данные о том, как учащиеся справлялись с заданиями курса. По итогам анализа дорабатываются (или удаляются) неработающие и разрабатываются недостающие инструменты измерений.

Затем определяются психометрические характеристики контента: трудность, усваиваемость (через анализ попыток), просматриваемость. Параллельно проводится анализ студентов на предмет поиска значимых трудностей в изучении материала. Производится поиск связей между этими трудностями. Выявляются значимые различия в результатах обучения – как индивидуальных, так и групповых (например, когда студенты с различным опытом или разные по полу по-разному справляются с материалом).

Результаты этого этапа ложатся в основу дизайна адаптивного решения. Именно здесь появляется ответ на вопрос: что адаптировать и как адаптировать? Здесь же разрабатывается психометрическая модель и алгоритм адаптивного решения. В качестве примера, это может быть «мягкий» вариант – рекомендательное решение, в котором учащийся получает на выбор несколько единиц контента и советы по его освоению. А может быть и более «жесткий» вариант – навигационное решение, когда студент не имеет выбора, а идет по подобранной траектории.

Далее проводится апробация решения на симуляциях с использованием реальных данных. Эти симуляции называются «post hoc», и их смысл заключается в использовании накопленных ранее данных для проверки работоспособности разработанного алгоритма.

Завершается разработка внедрением решения в курс. Конечно, завершается она только условно, так как с этого момента начинается сбор новых данных, их анализ и последующая корректировка адаптивного решения. Ведь алгоритм, словно живой организм – чудит, а иногда ошибается. Оптимизация адаптивного решения – непрерывный, непростой, но, пожалуй, самый интересный этап.

Дмитрий Аббакумов