2022/2023
Измерения, оценивание, аналитика в EdTech
Статус:
Майнор
Кто читает:
Институт образования
Где читается:
Институт образования
Когда читается:
1, 2 модуль
Охват аудитории:
для всех кампусов НИУ ВШЭ
Язык:
русский
Кредиты:
5
Контактные часы:
76
Программа дисциплины
Аннотация
Как понять, что в образовательном продукте реализовано на высоком уровне, а что требует доработки? Начать стоит с измерений и аналитики. На курсе вы познакомитесь с метриками обучения, научитесь их считать, интерпретировать и критически оценивать. Разберетесь, как на основе данных формулировать и проверять гипотезы, проектировать опросы и анализировать результаты. Освоите базовые подходы к работе с данными продукта и их визуализации, чтобы использовать аналитику для реальных улучшений образовательных продуктов.
Цель освоения дисциплины
- Сформировать представление о ключевых метриках обучения, научиться интерпретировать и анализировать их динамику, а также выявлять на основе данных проблемы и возможности развития образовательного продукта.
- Научиться формулировать проверяемые гипотезы и подбирать количественные методы для их верификации в условиях ограниченных данных.
- Научиться проектировать и проводить опросы: определять цели, разрабатывать вопросы, выбирать формат и оформление анкеты.
- Получить навыки анализа данных образовательного продукта, визуализации результатов в дашбордах и представления обоснованных рекомендаций по улучшению продукта в форме презентации заказчику.
Планируемые результаты обучения
- применяет навыки разработки инструментов оценки на практике
- может показать, чем отличаются плохие инструменты оценки от хороших
- Проводит анализ данных образовательного продукта: подготавливает, очищает, описывает данные и выявляет закономерности.
- Визуализирует результаты анализа с помощью дашбордов и готовит презентацию с выводами и рекомендациями для заказчика.
Содержание учебной дисциплины
- Введение в измерение и оценивание
- Введение в разработку инструментов оценивания
- Введение в аналитику и визуализацию
Список литературы
Рекомендуемая основная литература
- Маккинни, У. Python и анализ данных / У. Маккинни , перевод с английского А. А. Слинкина. — 2-ое изд., испр. и доп. — Москва : ДМК Пресс, 2020. — 540 с. — ISBN 978-5-97060-590-5. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/131721 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
Рекомендуемая дополнительная литература
- Пашкевич, А. В. Теория вероятностей и математическая статистика для социологов и менеджеров : учебник / А. В. Пашкевич , под редакцией А. А. Макарова. — Москва : МЦНМО, 2021. — 351 с. — ISBN 978-5-4439-3520-1. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/267710 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.