На данный момент существуют разные подходы к вопросу повышения эффективности обучения. Одни полагают, что её можно повысить за счёт интерактивности, другие — с помощью богатой библиотеки материалов. Третьи считают отличной возможностью назначить задания индивидуально или по группам.
Какой подход является действительно результативным? Чтобы ответить на этот вопрос, онлайн-платформа iSmart и АНО «Центр развития онлайн-образования» провели совместное общероссийские исследование. Его цель — выяснить, какие инструменты дают быстрые и в перспективе стабильные результаты, а также оценить эффективность разработанной нами модели обучения онлайн-платформы iSmart.
Нам важно собрать как можно больше статистических данных. Именно поэтому наше исследование прошло в формате конкурса. Это позволило:
• привлечь большое количество участников;
• заинтересовать и вовлечь их в выполнение конкурсных (исследовательских) заданий.
Мы изучали, прежде всего:
• пользовательское поведение;
• успешные стратегии обучения;
• эффективные инструменты платформы.
Полученные данные мы разделили на количественные и качественные:
• количественные: сколько заданий выполнено, насколько успешно, сколько подсказок взяли ученики и сколько было ошибок;
• качественные: экспертное мнение учителей, успешные кейсы.
На данный момент подведены промежуточные итоги результатов научного исследования.
Мы достигли следующих количественных результатов:
• общее количество участников более 45,5 тысяч;
• количество правильных ответов во втором полугодии увеличилось на 37% по отношению к первому полугодию 2022 - 2023 учебного года;
• чаще всего участники исследования используют контент по математике и русскому языку, примерно поровну (27%);
• около 15% участников используют готовые диагностические работы (кейсы), остальные 85% участников составляют собственные кейсы;
• в среднем 1 ученик решает по 1,75 кейсов в рамках учебной недели и тратит в среднем не более 9,5 минут, что соответствует требованиям СанПин;
• самый популярный тип занятия, выбираемый учителями, домашняя работа (78,86%) и проверочная работа (18,29%).
Качественные результаты позволили нам:
• определить состав входных данных: латентность реакции, длительность формирования навыка, частота реакции в единицу времени и др.;
• выделить 8 кластеров динамических профилей пользователей с похожим академическим перформансом;
• выбрать архитектуру нейронной сети;
• улучшить качество рекомендаций необходимых для обучения нейросети.
Количественные и качественные результаты исследования помогут нам:
• грамотно выстроить цифровую образовательную среду;
• разработать новые, эффективные инструменты обучения;
• модифицировать технологии, представленные на платформе.
Мы убеждены, что вместе делаем важное дело.
