ТОМСК, 19 мая – РИА Томск. Огромные массивы цифровых данных
дают современным исследователям уникальные возможности. Магистрант Томского госуниверситета (ТГУ) Евгений Петров использует big data, чтобы выявить
образовательный потенциал других студентов, что ляжет в основу специального
сервиса "для хорошей учебы". Подробности – в обзоре РИА Томск.
От "цифрового следа" к реальной проблеме
Накопившиеся "долги" по экзаменам и зачетам можно объяснить
для отдельно взятого студента отсутствием мотивации к учебе, прокрастинацией
или банальной ленью. Однако магистрант Института
прикладной математики и компьютерных наук (ИПМКН) ТГУ, обучающийся по программе "Интеллектуальный
анализ больших данных", Евгений Петров решил взглянуть на "хвосты" в вузе с
другого ракурса, научного.
Он стал изучать поведение абитуриентов и студентов в
интернете, чтобы определить их образовательный потенциал. По его словам, данные, собранные в рамках этого проекта,
могут быть полезными, в первую очередь, преподавателям вуза – они позволят
вовремя подключать тьютора или другого специалиста, который поможет студенту
обрести мотивацию и закрыть "долги".
"В решении данной проблемы могут помочь данные: открытая
информация о поведении человека в интернете и данные электронных систем
обучения. Проект направлен на определение образовательного потенциала студентов
и абитуриентов на основании их "цифрового следа" в социальной сети", – рассказывает Петров.
Под цифровым следом подразумевается профиль пользователя, то
есть открытая информация, которую он указывает о себе в социальных сетях,
текстовый контент с его личной страницы, а также сообщества, на которые подписан
пользователь, так называемые "подписки".
"Как правило, подписка на то или иное сообщество отражает
интерес пользователя. Эта гипотеза уже подтверждена несколькими исследованиями
Центра прикладного анализа больших данных ТГУ", – уточняет магистрант.
Так, в одном из исследований говорится, что "цифровой
след" человека в социальных сетях дает принципиально новую возможность для
оценки и анализа учебных достижений учащихся – позволяет выявить их
образовательные траектории и достижения, ранее невидимые для университета.
© предоставлено пресс-службой ТГУ
Анализ контента со страниц студентов в соцсетях
Сервис в помощь
Итогом проекта Евгения Петрова станет математическое и программное
обеспечение (ПО) для анализа образовательного потенциала обучающегося.
"Сервис поможет оценить уровень успешности студентов,
только поступивших или поступающих в университет и еще не прошедших первую
сессию. Таким образом, преподаватель сможет определить потенциально успешных и
неуспешных студентов, чтобы затем направлять их, оказывать помощь", – говорит
автор проекта.
Эта работа поддержана грантом Российского фонда
фундаментальных исследований (РФФИ). На данный момент разработана модель
машинного обучения на основе открытых данных "ВКонтакте".
"Эта соцсеть обладает открытым API, позволяющим получать
данные. На вход алгоритма подается идентификатор пользователя "ВКонтакте", и на
выходе получаем прогноз: высоким или низким образовательным потенциалом
обладает пользователь. Сейчас ПО реализовано в виде кода, без графической
оболочки, которую планируется сделать в ближайшее время", – объясняет
магистрант.
Сбор огромных по объему данных – это один из ключевых
моментов для реализации проекта. Выполнить эту часть работы можно только с
помощью специализированных digital-структур. Для задач Евгения Петрова и других
студентов и сотрудников открыт Центр
коллективной обработки данных и поддержки DevOps-инфраструктуры,
позволяющий работать с большими объемами данных и решать различные прикладные
задачи.
© предоставлено пресс-службой ТГУ
Студенты Института прикладной математики и компьютерных наук ТГУ
Большие данные для
всех
Актуальное исследование – это работа, выполняемая на анализе
больших данных. Такого мнения придерживается директор ИПМКН Александр Замятин.
Для работы с big data еще в 2015 году в
ТГУ стартовала магистерская программа "Интеллектуальный
анализ больших данных", одна из первых в стране по этому профилю.
Позднее был запущен Центр прикладного анализа больших
данных, а в мае 2021-го открылся Центр коллективной обработки данных и
поддержки DevOps-инфраструктуры, позволяющий масштабно привлекать студентов и
сотрудников ИПМКН к разработке перспективного алгоритмического и программного
обеспечения интеллектуальной обработки данных.
© РИА Томск. Павел Стефанский
"Все это – важные звенья в сетевой структуре, открывающие студентам и преподавателям ТГУ доступ к реальным массивам данных, которые они
будут использовать для дипломных и курсовых проектов. Студенты развивают
компетенции для работы с big data
и виртуальным окружением для настройки современной IT-инфраструктуры, создания сложных
вычислительных систем на основе глобальных и локальных сетей, облачных платформ,
администрирования операционных сред и так далее", – говорит Замятин.
Студенты программы "Интеллектуальный
анализ больших данных" имеют возможность участвовать в реализации проектов типа
работы Евгения Петрова, где объектом анализа данных являются социальные медиа,
работать с биомедицинскими данными, анализировать аномалии технологических
сигналов. "А с этого года в программе появился профиль "Телекоммуникации и
сети", направленный на интеллектуальный анализ данных сетевого трафика", – резюмирует директор института.