Abstract
The article reveals the features of using big data in education management. Based on the analysis of text content in online communities and social networks of the Republic of Sakha (Yakutia), carried out in 2023, the attitude of the population to the transformations carried out in the regional and territorial educational systems is shown. Methods for identifying the subjective opinion of users of social networks on issues of managing the development of educational systems, the level of quality of education and existing problems have been determined.

Key words: development management, territorial educational system, evaluation, big data, data analysis, social networks.

----------------

В условиях экспоненциального роста массивов накопленных данных особую актуальность приобретает необходимость их извлечения для использования в принятии управленческих решений. В связи с этим в последние годы значительно вырос объем использования результатов анализа данных в управлении социальными процессами, в том числе развитием образования. Произошел «квантовый скачок» средств анализа, ориентированных на сверхбольшие объемы данных [1, с.4]. Современные методы анализа используются при выявлении основных тенденций в молодежной среде, повышении их мотивации, внедрении востребованных образовательных программ, психолого-педагогическом сопровождении отдельных групп студентов.

Внедрение анализа больших данных позволяет повысить скорость реагирования на происходящие события. Agasisti, T., Bowers, A выявили, что такая аналитика позволяет руководителям принимать более информированные решения и, как результат, более эффективно достигать стоящие цели [2]. О.А. Фиофанова на основе анализа исследований в области управления образованием на основе больших данных выделяет технологический и антропологический факторы, влияющие на характер использования данных в образовании [3, с.61], кадровый и инфраструктурный аспекты развития управления на основе данных [4, с.86-91].

Большие данные активно используются в оценке мнений и настроений населения субъектов Российской Федерации посредством анализа высказываний, реакций пользователей в социальных сетях. В частности, анализ веб-отчета Polyanalist по исследованию «Барометр настроения населения» показывает динамику изменений ключевых понятий, преобладающих в общественном мнении о развитии региональных образовательных систем. Как показывает анализ данных публикуемого дашборда, в Якутии при общем позитивном индексе удовлетворенности в июне 2023 г. преобладали теги «развитие», «отделочная работа», в июле – «образование», «педагог», «ученик», в августе – «педагог», «детский сад», «ученик», в сентябре – «ученик», «дистанционное образование», в октябре – «ученик», «новые случаи коронавируса», «министерство образования» [5].

Анализ данных позволяет получить «срез» настроения населения, отношения к образовательным реформам. Цифровой след может быть использован для выявления поля проблем развития образовательных систем. В рамках Университетского консорциума исследователей больших данных в 2021-2022 году было проведено исследование развития высшего образования в условиях пандемии и постпандемийного периода на основе анализа данных. Источниками анализа выступили датасеты около 3 млн. постов и комментариев из 9187 официальных и неофициальных пабликов в социальных сетях [6, с.9].

Разные уровни управления образованием предполагают разные задачи анализа данных для принятия доказательных решений о развитии национальных, региональных и территориальных образовательных систем. Вместе с тем, как показали наши исследования, наиболее сложной задачей является «раскрытие уникальности локальных составляющих, которые закладывают ход и результаты реформ и политик, влияют на эффективность многих принимаемых управленческих решений» [7]. Именно на локальном уровне наиболее остро чувствуются результаты преобразований, что предполагает использование значительного объема информации о развитии территориальных и региональных образовательных систем, изменении характеристик внешней среды и их последующий анализ.

В 2023 году лабораторией анализа данных Северо-Восточного федерального университета проведена апробация методов оценки управления развитием образования в Республике Саха (Якутия) на основе анализа текстового контента в онлайн-сообществах и социальных сетях. Исследование направлено на выявление субъективного мнения пользователей социальных сетей по вопросам управления развитием региональной образовательной системы, уровня качества образования и сложившихся проблем. В рамках исследования были идентифицированы региональные сообщества в социальных сетях и форумы республики, содержащие публикации пользователей о социальной, экономической и политической жизни региона. Всего было проанализировано 39 сообществ в «ВКонтакте», а также собраны отзывы местных жителей с региональных форумов республики (forum.ykt.ru, ykt.ru, lensk24.ru и др.). Из сформированной базы пабликов были выгружены публикации, цифровые следы публикаций (лайки, репосты) и комментарии пользователей за период с 1 января 2021 года по 1 апреля 2023 года. Для дальнейшей обработки и анализа были получены более 132 тысяч постов и 799 тысяч комментариев из социальной сети «ВКонтакте», более 311 тысяч постов и 293 тысяч комментариев из «Telegram», а также 14 367 сообщений из других источников.

Исследование строилось на методах, разработанных Консорциумом исследователей больших данных в ходе проекта «Образование в условиях коронавируса: большие данные как инструмент измерения реакции общества» [8, с.54]. Анализ строился последовательно, в четыре этапа сбора, обработки и анализа сообщений:

1. Отбор релевантных сообщений (постов и комментариев с суждениями и мнениями по проблеме).
    
2. Определение тематических категорий, характеризующих различные аспекты изучаемой проблемы.
    
3. Определение тональности сообщений (уровень их эмоциональности и полярности).
    
4. Визуализация результатов анализа с использованием инструмента извлечения ключевых слов программы PolyAnalyst.

Для обеспечения объективности и достоверности данных, полученных на основе анализа цифрового следа, проверки их согласованности и доказательности, применялась методологическая триангуляция. С этой целью для обеспечения доказательности полученных результатов были использованы качественные методы оценки, как опрос и глубинное интервью.

Анализ и классификация сообщений по уровням образования показали, что подавляющее большинство посвящено обсуждению вопросов развития ступени общего образования. Доля таких сообщений составила 91,6% от их общей численности. Это свидетельствует не только о том, что на ступени школьного образования существуют значительные проблемы, но и о том, что родители принимают активное участие в обсуждении работы школ, что налажена связь между администрациями образовательных организаций и родителями. Вместе с тем уровень активности пользователей на уровне дошкольного (5,49%) и профессионального (2,89%) образования значительно ниже.

Результат анализа распределения сообщений по тональности показал, что эмоциональный фон в сообщениях имеет негативную окраску – доля критических комментариев составляет 68% сообщений, что позволяет сделать вывод об остроте обсуждаемых проблем развития образования в республике. С другой стороны, как показывают исследования, среда социальных сетей и пабликов способствует желанию пользователей высказывать, в первую очередь, свои проблемы, выражать негативное отношение к тем или иным сторонам общественной жизни. Доля позитивных сообщений составляет четверть всех сообщений (25%), нейтральных – 7%, что свидетельствует о желании пользователей социальных сетей поделиться также позитивными впечатлениями, дать положительную оценку и выразить оптимизм касательно вопросов образования в регионе.

В структуре сюжетов преобладает категория «организация образовательного процесса и работа школы» (47%). Наиболее обсуждаемыми также являются вопросы материально-технического состояния объектов образования (27%), качество обучения и образовательных программ (10%). Самый значимый показатель, имеющий отрицательную тональность – профессионализм преподавательского состава и взаимоотношения между учителями и обучающимися (88%). Критической является негативная тональность сообщений сюжета «организация обучения и работа школы» (76%). В данном сюжете основной темой для обсуждения является организация дистанционного обучения, что в большей степени связано с частым объявлением актированных дней в зимний период. 83% родителей отрицательно относятся к такому режиму организации образовательного процесса. Озабоченность в сети также вызывают переполненность классов и организация обучения в национальных школах, обеспечение безопасных условий в образовательных организациях. Положительный отклик вызывают темы, связанные с возвращением общественно полезного труда.

Проведенный текстовый анализ цифровых следов позволяет выявить поле проблем развития территориальных образовательных систем, сделать прогноз о возможных критических ситуациях, разработать рекомендации для региональных и муниципальных органов управления образованием, образовательных организаций.

Оценка на основе анализа больших данных может стать эффективным инструментом для изучения скрытых взаимосвязей в образовательных системах и прогнозирования возможных изменений в социальной среде.

Как показало исследование, основными эффектами применения анализа больших данных в оценке управления развитием территориальных образовательных систем являются обеспечение объективности и достоверности оценки, согласованности и доказательности полученных результатов. Такая оценка позволяет одновременно учитывать несколько факторов в качестве входных данных.

Использование больших данных и результатов их анализа могут стать основой для повышения эффективности управления развитием образования на уровне регионов и муниципальных районов. Вместе с тем для повышения объективности и достоверности результатов, полученных на основе анализа больших данных, что, в свою очередь, отражается на эффективности принимаемых управленческих решений, необходимо использование методологической триангуляции, дополнение качественными методами оценки.

Литература

1. Аналитическая платформа PolyAnalist: архитектура, функциональность, практика применения. Учебное пособие для вузов. / С.М. Ананян, Д.С. Сазонов, Ю.Н. Слынько и др. – М.: Горячая линия. – Телеком, 2023. – 232 с.

2. Барометр настроения населения. URL: https://gallery.pa6.megaputer.ru/polyanalyst/static/paclient/publication-view.html?reportUUID=e83820fb-63bd-422d-bdb6-44c7a9150e20&locale=rus&guest=1#sheetId=5 [Дата обращения 04.12.2023]

3. Agasisti T., Bowers A. Data analytics and decision making in education: towards the educational data scientist as a key actor in schools and higher education institutions // Handbook of contemporary education economics. Edward Elgar Publishing. - 2017.

4. Извлечь смысл. Проблемы анализа данных в образовании / А. Л. Семенов, О. А. Фиофанова, О. И. Бабченко [и др.] // Образовательная политика. – 2021. – № 3(87). – С. 60-65.

5. Фиофанова О. А. Управление на основе больших данных в сфере образования // Государственная служба. – 2021. – Т. 23. – № 3(131). – С. 86-91.

6. Посты по осени считают: что говорят большие данные о качестве образования в постпандемийный период / Томский государственный университет. – Томск: Изд-во Томского гос.ун-та, 2022. – 40 с.

7. В.М.Саввинов. Современные образовательные ландшафты Якутии // Письма в Эмиссия.Оффлайн (The Emissia.Offline Letters): электронный научный журнал. 2022. №6 (июнь). ART 3077. URL: http://emissia.org/offline/2022/3077.htm [Дата обращения 04.12.2023]

8. Романова Е.В., Калаврий Т.Ю. Анализ реакции студентов на изменение финансового положения в период пандемии по цифровым следам в социальной сети ВКонтакте // Вестник Северо-Восточного федерального университета им. М.К. Аммосова. Серия: Экономика. Социология. Культурология. – 2021. – № 4 (24). – С. 54-64.

Рекомендовано к публикации:
Е.С. Заир-Бек, доктор педагогических наук, член Редакционной Коллегии

Literature

1. Analiticheskaja platforma PolyAnalist: arhitektura, funkcional'nost', praktika primenenija. Uchebnoe posobie dlja vuzov. / S.M. Ananjan, D.S. Sazonov, Ju.N. Slyn'ko i dr. – M.: Gorjachaja linija. – Telekom, 2023. – 232 s.

2. Barometr nastroenija naselenija. URL: https://gallery.pa6.megaputer.ru/polyanalyst/static/paclient/publication-view.html?reportUUID=e83820fb-63bd-422d-bdb6-44c7a9150e20&locale=rus&guest=1#sheetId=5 [Data obrashcheniya 04.12.2023]

3. Agasisti T., Bowers A. Data analytics and decision making in education: towards the educational data scientist as a key actor in schools and higher education institutions // Handbook of contemporary education economics. Edward Elgar Publishing. - 2017.

4. Izvlech' smysl. Problemy analiza dannyh v obrazovanii / A. L. Semenov, O. A. Fiofanova, O. I. Babchenko [i dr.] // Obrazovatel'naja politika. – 2021. – № 3(87). – S. 60-65.

5. Fiofanova O. A. Upravlenie na osnove bol'shih dannyh v sfere obrazovanija // Gosudarstvennaja sluzhba. – 2021. – T. 23. – № 3(131). – S. 86-91.

6. Posty po oseni schitajut: chto govorjat bol'shie dannye o kachestve obrazovanija v postpandemijnyj period / Tomskij gosudarstvennyj universitet. – Tomsk: Izd-vo Tomskogo gos.un-ta, 2022. – 40 s.

7. V.M.Savvinov. Sovremennyye obrazovatel'nyye landshafty Yakutii // Pis'ma v Emissiya.Offlayn (The Emissia.Offline Letters): elektronnyy nauchnyy zhurnal. 2022. №6 (iyun'). ART 3077. URL: http://emissia.org/offline/2022/3077.htm [Data obrashcheniya 04.12.2023]

8. Romanova E.V., Kalavrij T.Ju. Analiz reakcii studentov na izmenenie finansovogo polozhenija v period pandemii po cifrovym sledam v social'noj seti VKontakte // Vestnik Severo-Vostochnogo federal'nogo universiteta im. M.K. Ammosova. Serija: Jekonomika. Sociologija. Kul'turologija. – 2021. – № 4 (24). – S. 54-64.