Rivalry2

HTML Diff

0 added 0 removed

Original 2026-01-01

Modified 2026-02-21

1 <a>#статьи</a>

2 <ul><li>8 дек 2023</li>

3 <li>0</li>

4 </ul>Что это за подход и как он улучшает обучение, представители компании рассказали на конференции YaC/e.

5 Иллюстрация: Катя Павловская для Skillbox Media

6 Автор статей и новостей об образовании и EdTech. Магистр в области международных отношений. Интересуется сферой образования, изучением иностранных языков и с удовольствием путешествует.

7 15 ноября состоялась ежегодная<a>онлайн-конференция</a>"Яндекса" про образование YaC/e. Представители "Яндекс Практикума" рассказали, как в компании применяют доказательный подход к обучению. Эту тему раскрыли в двух выступлениях:

8 <ul><li>руководитель Лаборатории образовательных технологий в "Яндекс Практикуме"Мария Ковалёва - в докладе "Методическая экспертиза и наука о данных в поисках доказательств в образовании";</li>

9 <li>главный психометрик компанииДмитрий Аббакумов - в докладе "Загадочная история Бенджамина Блума и другие секреты доказательного образования".</li>

10 </ul>Пересказываем основные тезисы их выступлений.

11 Спикеры объяснили понятие доказательного образования как конструирование образования на основе доказательств, полученных научным методом. Прежде всего речь идёт о регулярном проведении статистических исследований, которые, например, помогут узнать, как учатся разные студенты, какие образовательные методы работают лучше или хуже, как сделать обучение более эффективным, а также о сборе цифровых данных и их анализе. Как отметила Мария Ковалёва, подход подразумевает масштабирование эффективных методик, использование искусственного интеллекта и <a>машинного обучения</a>.

12 Описывая выстраивание системы доказательного образования, Мария привела как метафору пирамиду. В её фундаменте находятся данные, каркас включает опыт использования этих данных в реальной жизни, а пик - это статистические исследования, помогающие выявить новые инсайты. И если хотя бы один из этих уровней исключить - башня рухнет. Например, если строить образовательный продукт, основываясь не на данных, а лишь на своих представлениях о том, каким должно быть эффективное обучение (пусть даже это представления опытного преподавателя или методиста), то можно допустить ошибку, потому что представления могут быть<a>ложными стереотипами</a>. Использование данных без статистических исследований тоже даёт неполную картину, потому что одни и те же данные можно интерпретировать по-разному.

13 Данные: презентация Марии КовалёвойИнфографика: Майя Мальгина для Skillbox MediaКак отметил Дмитрий Аббакумов, задача доказательного образования - найти такую педагогическую технологию, чтобы учебный материал и формат его объяснения помогали конкретному учащемуся достигать поставленной образовательной цели.

14 Кроме того, доказательный подход упрощает коммуникацию со студентами и повышает их доверие. В качестве примера спикер привёл выводы исследования, проведённого одной американской образовательной платформой: если, предлагая учащемуся пройти тренировку перед тестом, сообщить ему, что, например, в 60% случаев эта тренировка помогает достичь лучших результатов, то такая коммуникация работает лучше по сравнению с вариантом: "Потренируйся, пожалуйста, и у тебя всё получится".

15 Дмитрий назвал и трёх китов доказательного образования:

16 <ul><li>качественные данные, без которых не может быть доказательности;</li>

17 <li>валидные математические модели, то есть такие, которые в математической формуле репрезентируют реальность;</li>

18 <li>интерпретируемость и прозрачность.</li>

19 </ul>Мария Ковалёва также предупредила о некоторых явлениях, которые важно учитывать при проведении исследований и анализе данных для улучшения образовательного продукта:

20 <ul><li>Парадокс исследовательских интересов.Суть в том, что для исследований важны как желательные, так и нежелательные значения. Например, чтобы проанализировать готовность студентов рекомендовать пройденный курс, нужно изучить позиции не только тех, кто советует его, но и тех, кто этого не делает. Хотя для бизнеса в целом, конечно, важно, чтобы нежелательных значений было как можно меньше.</li>

21 <li>Парадокс применимости выводов.Каждая команда разработчиков курсов хочет, чтобы исследования проводились именно среди их студентов, потому что учащиеся разных программ различаются. И когда получены данные по конкретному курсу, хочется сравнить - а как у других?</li>

22 <li>Парадокс отдельных действий.Разработчики образовательного продукта всегда хотят знать, какой эффект оказало на бизнес-метрику какое-то отдельное их действие - но в большинстве случаев к результату приводит комплекс действий, а не что-то одно.</li>

23 <li>Парадокс очарованности данными.Работая с данными, нужно не забывать, что есть что-то помимо них. То есть не стоит перечёркивать методическую экспертизу.</li>

24 </ul>Говоря о том, как конкретно доказательное образование может сделать обучение более эффективным, Мария Ковалёва привела пример: допустим, благодаря исследованиям известно, что уверенность в своих знаниях помогает учащимся не сойти с дистанции и дойти до конца курса. Значит, нужнобороться с синдромом самозванцау студентов, с их ощущением, что они ещё слишком много не знают и никогда в жизни с не справятся с тем объёмом, который им надо освоить. Это ощущение "обездвиживает" человека, мешает ему раскрыться.

25 Мария объяснила, что повышать уверенность студентов в своих способностях можно, рассказывая реальные истории тех, кто уже отучился - как они тоже думали, что у них ничего не выйдет, но потом добились успеха. Иногда про свой синдром самозванца рассказывают наставники, то есть люди, которые уже доказали свою экспертность и преподают. То, что даже они всё равно иногда ощущают сомнения, показывает учащимся, что это бывает со всеми, помогает бороться.

26 А ещё стоитулучшать отдельные фрагменты программ, которые потенциально способны снижать эту уверенность в своих силах. Имеются в виду наиболее сложные темы, на которых у студента больше шансов споткнуться и впоследствии бросить учёбу. Избежать этого можно, если разбить сложную тему на несколько этапов и усложнять задания постепенно.

27 Кроме того, важноповышать ощущение практической ценности получаемых знаний, потому что это тоже помогает студентам ощутить уверенность в своих знаниях. Мария Ковалёва привела такой пример: на одном из курсов по дата-анализу было замечено, что при прохождении одной из тем у учащихся сильно падает уверенность в своих знаниях. Стали разбирать контент и увидели, что один из сложных терминов объясняется на абстрактных понятиях. Условно - на "яблочках-апельсинках". Видимо, из-за этого студенты потом не могли связать это объяснение с задачами реального проекта. Когда в объяснение добавили примеры из рабочих задач, уверенность студентов в своих знаниях выросла.

28 Словом, очень важно показывать студентам, как тот или иной термин, та или иная идея применимы в реальной жизни. Давать практические задачи, практические проекты, привлекать реальных заказчиков хорошо для ощущения практической ценности знаний. Однако тут есть нюанс: если дать реальный проект новичкам-студентам слишком рано, это может, наоборот, демотивировать их, потому что из-за сложности такой задачи они видят не только то, что уже много знают, но и как много они ещё не знают.

29 Как же соблюсти баланс? Мария рассказала, как на факультете дата-анализа заметили падение у студентов уверенности в знаниях. Дело в том, что анализ данных - это действительно очень непростая сфера, и там в процессе обучения, от темы к теме постепенно накапливаются сложные знания, которые учащимся тяжело систематизировать, объединять. Тогда проектировщики сделали не только проекты внутри каждого спринта (то есть по каждой теме), но и сводный проект, очень похожий на реальный и учитывающий навыки, полученные в предыдущих спринтах. Картина получилась такой: до сводного проекта уверенность в знаниях падает, а после сводного проекта растёт - это значит, что благодаря сводному проекту студентов удаётся выводить из "пике".

30 Конечно, возникает вопрос: как в "Яндекс Практикуме" измеряют уверенность студентов в своих знаниях? По словам спикера - с помощью опросников.

31 Дмитрий Аббакумов рассказал, что в "Яндекс Практикуме" вдохновились подходом под названием Mastery Learning ("Обучение мастерству"). Его разработал американский психолог Бенджамин Блум, известный также по <a>таксономии учебных целей</a> - системе, предполагающей их классификацию по принципу "от простого к сложному".

32 <a>Mastery Learning</a>(в переводе с английского языка - обучение, основанное на мастерстве) - это подход к обучению, предполагающий, что перейти к изучению новой темы можно только после освоения предыдущей и что каждый студент учится в своём темпе, а если он не достигает успехов, ему предоставляется поддержка.

33 Как объяснил Дмитрий Аббакумов, Блум пришёл к осознанию, что даже самые лучшие педагоги и лучший образовательный материал не работают одинаково для всех. Люди учатся по-разному, поэтому достигают разных результатов.

34 Психолог предложил проводитьформирующую диагностику - этап, на котором определяется, насколько хорошо человек справился с учебным содержанием, ранее предложенным для изучения и практики. В зависимости от этого формируется дальнейший образовательный путь ученика. Происходит это следующим образом: те, кто справился с учебным материалом по итогам диагностики, переходят к следующей теме или получают дополнительные задачи для развития, а тем, кто не справился, предлагаютподдержку(Дмитрий Аббакумов называл её в своём докладе "интервенцией", то есть вмешательством). Она может заключаться в альтернативных образовательных материалах.

35 "Стратегия Mastery Learning опирается на два компонента. Первый компонент - это формирующая диагностика для выявления различий и альтернативной интервенции, для того чтобы эти различия покрыть с помощью разнообразных учебных материалов. Какие это могут быть материалы? Это может быть пересказ. Это может быть дополнительная задача. Это может быть пример, если мы говорим о контенте. Если мы говорим о дополнительных образовательных интервенциях с точки зрения формы выстраивания учебного процесса, это может быть работа в группе, в парах, индивидуальное задание и так далее. Таким образом, варьируя содержание и формат, мы доводим каждого студента до отличного результата", - объяснил спикер.

36 Дмитрий отметил, что за сорокалетнюю историю подход Mastery Learning доказал свою эффективность. Если при традиционном подходе к обучению основная масса учеников показывает средние результаты, а кроме них есть те, кто справляется лучше или хуже, то при Mastery Learning большинство сдвигается в сторону отличных результатов.

37 Данные: презентация Дмитрия АббакумоваИнфографика: Майя Мальгина для Skillbox MediaТем не менее и у этого подхода есть ограничения:

38 <ul><li>Альтернативность интервенций.В течение многих лет считалось, что подход Блума упирается в невозможность организовать множество разнообразных вмешательств для разных учеников, так как настолько персонализировать обучение очень дорого.</li>

39 <li>Громоздкость.Чтобы получить качественный, достоверный и надёжный результат формирующей диагностики, требуется объёмный тест, что существенно затрудняет применение подхода.</li>

40 <li>Несвоевременность.Mastery Learning предполагает, что студент должен изучить существенную часть учебного материала (например, тему), прежде чем пройти диагностику. И получается, что, столкнувшись с трудностями и разочаровавшись в своём образовательном опыте, человек может бросить обучение ещё до того, как ему окажут поддержку, и даже до того, как разберутся, какая помощь ему была бы полезна.</li>

41 <li>Несфокусированность.Тестирование по итогам одной большой темы не позволяет точно выявить ту её часть, которая вызвала у студента трудности.</li>

42 </ul>Теперь искусственный интеллект и анализ данных позволяют преодолеть перечисленные ограничения Mastery Learning. В "Яндекс Практикуме" для этого разработалиновую диагностическую технологию под названием "Дельта". Дмитрий Аббакумов в общих чертах описал, как она устроена.

43 Курс состоит из тем, темы - из уроков, а урок тоже делится на элементы - задачи, вопросы, квизы, материалы, которые нужно прочесть, и так далее. И для каждого из этих элементов - начиная с самых мелких и поднимаясь к более крупным уровням - рассчитывается так называемаяметрика когнитивной посильности, которая показывает, насколько данный элемент посилен для среднего - то есть типичного - учащегося.

44 Продуктовая команда, методисты имеют представление о том, каков типичный студент конкретного курса, и создают образовательный контент, исходя из этого представления. Когда реальные студенты проходят курс, измеряется когнитивная посильность. Во-первых, она показывает, насколько это представление команды о возможностях среднего учащегося совпадает с реальностью. Проще говоря - справляются ли учащиеся. Отклонения называются дельтой. Эти отклонения могут быть как положительными, так и отрицательными. Отрицательные говорят о том, что учащемуся было труднее, чем планировалось, а положительные - о том, что ему было легче, чем типичному студенту. Если какие-то элементы курса вызывают много отклонений, это значит, что нужно пересматривать контент. Так происходит донастройка контента на типичного студента, если ожидания продуктовой команды где-то разошлись с реальностью.

45 Во-вторых, поскольку анализ отклонений ведётся по каждому студенту, результат ложится в основу поддержки для них. Кроме того, аналитический алгоритм позволяет прогнозировать доходимость на курсах. По словам Дмитрия Аббакумова, среди тех, кто бросает обучение, гораздо больше учащихся с отрицательной дельтой - 23% против 1% среди завершивших обучение.

46 Как объяснил спикер, проблемугромоздкостив "Дельте" решает то, что для анализа используют данные о том, как студенты справляются с каждым отдельным элементом курса. То есть оценивание происходит прямо в процессе обучения.

47 Проблеманесфокусированноститоже решается благодаря тому, что данные собираются по множеству мелких элементов - это позволяет понять, в какой именно момент у учащегося возникли затруднения.

48 А вот проблеманесвоевременностипока решена не до конца, потому что сложности студентов всё равно удаётся выявить лишь после того, как они уже возникли. Однако Дмитрий Аббакумов анонсировал новую версию технологии - "Дельту+". Её идея в том, чтобы, основываясь на данных о дельтах студента по каждой задаче, делать прогноз о его возможных трудностях в следующей теме и таким образом работать на опережение.

49 В "Яндекс Практикуме" считают, что "Дельта" универсальна. Спикер объяснил, что технологию разрабатывали, предполагая, что она должна работать и в малочисленной группе учащихся, и в крупной EdTech-компании.

50 <a>Научитесь: Профессия Методист с нуля до PRO + ИИ Узнать больше</a>