Цифровой след: оценка удовлетворённости студентов качеством образования

Пандемия COVID-19 изменила подход к организации учебного процесса во всём мире. Российские вузы также были поставлены перед необходимостью быстро перевести всё обучение в онлайн-формат. Значение удовлетворённости студентов качеством образовательного процесса при онлайн-обучении повышается, поскольку является важным условием мотивации. Для понимания удовлетворённости студентов при переходе к новому формату реализации образовательного процесса были проанализированы цифровые следы студентов из социальной сети ВКонтакте с применением отдельных инструментов Big Data на программной платформе PolyAnalyst. Это позволило проследить изменения настроения студентов и на примере отдельно взятого вуза выявить и объяснить отклонения в отношении студентов к реализации учебного процесса, а также верифицировать методику. Разработанная авторами методика даёт возможность обнаружить проблемные вопросы в вузе, в том числе момент их возникновения, актуальность, степень озабоченности студентов. Такой контент-анализ можно применять не только для оценки удовлетворённости студентов качеством учебного процесса, но и для отслеживания появления любых проблем, которые вызывают беспокойство и сильные реакции со стороны студенческого сообщества, а также других сообществ и отдельных коллективов.

1. Bakker A., Cai J. & Zenger L. Future themes of mathematics education research: an international survey before and during the pandemic // Educational Studies in Mathematics. 2021. No. 107. P. 1–24. DOI: 10.1007/s10649-021-10049-w

2. Turnbull D., Chugh R. & Luck J. Transitioning to e-learning during the COVID-19 pandemic: how have higher education institutions responded to the challenge? // Education and Information Technologies. 2021. No. 26. P. 6401–6419. DOI: 10.1007/s10639-021-10633-w

3. Rapanta C., Botturi L., Goodyear P. et al. Balancing technology, pedagogy and the new normal: post-pandemic challenges for higher education // Postdigital Science and Education. 2021. No. 3. P. 715–742. DOI: 10.1007/s42438-021-00249-1

4. El-Sayad G., Md Saad N.H. & Thurasamy R. How higher education students in Egypt perceived online learning engagement and satisfaction during the COVID-19 pandemic // Journal of Computers in Education. 2021. No. 8. P. 527– 550. DOI: 10.1007/s40692-021-00191-y

5. Osina D.M., Tolstopyatenko G.P., Malinovsky A.A. Digitalization of higher legal education in Russia in the era of COVID-19 // Engineering Economics: Decisions and Solutions from Eurasian Perspective: ed. by S. Ashmarina, V. Mantoulenko, M. Vochozka. 2021. Vol. 139. P. 392–398. DOI: 10.1007/978-3-030-53277-2_47

6. Shchekotin E., Goiko V., Myagkov M., Dunaeva D. Assessment of quality of life in regions of Russia based on social media data // Journal of Eurasian Studies. 2021. No. 12 (2). P. 182–198. DOI: 10.1177/18793665211034185

7. Zielinski A., Bьgel U. Multilingual analysis of Twitter news in support of mass emergency events // Proc. of the 9th International Conference on Information Systems for Crisis Response and Management (ISCRAM 2012), Vancouver, Canada, 2012. DOI: 10.24406/publica-fhg-377702

8. Shchekotin E., Myagkov M., Goiko V., Kashpur V. Digital methods of analysis of subjective quality of life: Case of Russian regions // Administratie si Management Public. 2021. No. 36. P. 25–48. DOI: 10.24818/amp/2021.36-02

9. Yin J., Lampert A., Cameron M.A., Robinson B., Power R. Using social media to enhance emergency situation awareness // IEEE Intell Syst. 2012. No. 27(6). P. 52–59. DOI:10.1109/MIS.2012.6

10. Orlova V., Goiko V., Alexandrova Yu., Petrov E. Analysis of approaches to study identification in social media // E3S Web of Conferences. 2020. Vol. 210: 16034. DOI: 10.1051/e3sconf/202021016034

11. Verma S., Vieweg S., Corvey W., Palen L., Martin J., Palmer M., Schram A., Anderson K. Natural Language Processing to the Rescue? Extracting “Situational Awareness” Tweets During Mass Emergency // Proceedings of the International AAAI Conference on Web and Social Media. 2021. Vol. 5. No. 1. P. 385–392. DOI: 10.1609/icwsm.v5i1.14119

12. Liu B. Sentiment analysis and subjectivity // Handbook of Natural Language Processing, Chapman & Hall/CRC Machine Learning & Pattern Recognition Series: ed. by Indurkhya N, Damerau FJ. Florida: Taylor & Francis Group, Boca Raton, 2010. P. 627–666. URL: https://www.routledge.com/Handbook-of-Natural-Language-Processing/Indurkhya-Damerau/p/book/9781420085921 (дата обращения: 22.12.2022).

13. Pang B., Lee L. Opinion mining and sentiment analysis // Foundations and Trends in Information Retrieval. 2008. Vol. 2. No. 1–2. P. 1–135. DOI: 10.1561/1500000011

14. Treude C., Barzilay O., Storey M.A. How do programmers ask and answer questions on the web? (nier track) // Proc. of the 33rd International Conference on Software Engineering, ICSE. 2011. Vol. 11. P. 804–807. DOI: 10.1007/s11390-016-1672-0

15. Mezouar M.E., Zhang F., Zou Y. Are tweets useful in the bug fixing process? An empirical study on firefox and chrome // Empirical Software Engineering. 2018. Vol. 23. No. 3. P. 1704– 1742. DOI: 0.1007/s10664-017-9559-4

16. Aniche M., Treude C., Steinmacher I., Wiese I., Pinto G., Storey M.A., Gerosa M.A. How modern news aggregators help development communities shape and share knowledge // Proc. of the 40th International Conference on Software Engineering, ICSE ’18. 2018. P. 499–510. DOI: 10.1145/3180155.3180180

17. Sharma U., Datta R.K., Pabreja K. Sentiment Analysis and Prediction of Election Results 2018 // Social Networking and Computational Intelligence. Lecture Notes in Networks and Systems: ed. by R. Shukla, J. Agrawal, S. Sharma, N. Chaudhari, K. Shukla. 2020. Vol. 100. P. 727– 739. DOI: 10.1007/978-981-15-2071-6_61

18. Georgiadou E., Angelopoulos S., Drake H. Big data analytics and international negotiations: Sentiment analysis of Brexit negotiating outcomes // International Journal of Information Management. 2020. Vol. 51(2): 102048. DOI: 10.1016/j.ijinfomgt.2019.102048

19. Si X.-M., Li C. Bounded confidence opinion dynamics in virtual networks and real networks // Journal of Computers. 2018. Vol. 29(3). P. 220– 228. DOI: 10.3966/199115992018062903021

20. Kahani N., Bagherzadeh M., Dingel J., Cordy J.R. The problems with eclipse modeling tools: A topic analysis of eclipse forums // Proc. of the ACM/IEEE 19th International Conference on Model Driven Engineering Languages and Systems, MODELS ’16. 2016. P. 227–237. DOI: 10.1145/2976767.2976773

21. Squire M. Should we move to stack overflow? Measuring the utility of social media for developer support // Proc. of the 37th International Conference on Software Engineering, ICSE ’15. 2015. Vol. 2. P. 219–228. DOI: 10.1109/ICSE.2015.150

22. Lazar J. Managing digital accessibility at universities during the COVID-19 pandemic // Universal Access in the Information Society. 2021. Vol. 21. P. 749-765. DOI: 10.1007/s10209-021-00792-5

23. Ligthart A., Catal C., Tekinerdogan B. Systematic reviews in sentiment analysis: a tertiary study // Artificial Intelligence Review. 2021. Vol. 54. No. 2. P. 1–51. DOI: 10.1007/s10462-021-09973-3

24. Li K.C., Wong B.Tm. The Opportunities and Challenges of Social Media in Higher Education: A Literature Review // SN Computer Science. 2021. Vol. 2: 455. DOI: 10.1007/s42979-021-00857-5

25. Purcell W.M., Lumbreras J. Higher education and the COVID-19 pandemic: navigating disruption using the sustainable development goals // Discover Sustainability. 2021. Vol. 2: 6, doi: 10.1007/s43621-021-00013-2

26. Абрамова М.О., Баранников К.А., Груздев И.А. и др. (2021). Качество образования в российских вузах: что мы поняли в пандемии: Аналитический доклад / науч. ред. Е.А. Суханова, И.Д. Фрумина. Томск: Издательство Томского государственного университета, 2021. 46 с. https://publications.hse.ru/pubs/share/direct/506461902.pdf (дата обращения: 18.06.2023).

27. Самые популярные социальные сети в России // Газета «Коммерсантъ». № 174/П от 27.09.2021, с. 10. URL: https://www.kommersant.ru/doc/5006356 (дата обращения: 22.12.2022).

28. Демченко Н., Макаров И. Instagram обошёл «ВКонтакте» по числу активных авторов в России. URL: https://www.rbc.ru/technology_and_media/30/11/2020/5fc4aa2c9a7947f4bfbce6db# (дата обращения: 22.12.2022).

29. Magdin M., Balogh Z., Reichel J. et al. Automatic detection and classification of emotional states in virtual reality and standard environments (LCD): comparing valence and arousal of induced emotions // Virtual Reality. 2021. Vol. 25. P. 1029–1041. DOI: 10.1007/s10055-021-00506-5

30. Сигаева Е. Речевые парадоксы: Мы, Ты или Я? // Проект В17. URL: https://www.b17.ru/article/5993/ (дата обращения: 22.12.2022).

31. Патент № 2769644 Российская Федерация, МПК G06Q 50/20 (2012.01), СПК G06Q 50/20 (2021.08). Система высшего образования онлайн: № 2021117849, заявлено 19.06.2021: опубликовано: 04.04.2022 / Криштал М.М., Боюр Р.В., Бабошина Е.С., Кутузов А.И., Соколова Т.А., Дроздова М.А., Репина Е.А., Денисова О.П., Богданова А.В., Хамидуллова Л.Р., Гасанова Р.М.; патентообладатель ТолГУ. – 44 с.

32. Криштал М.М., Боюр Р.В., Бабошина Е.С., Кутузов А.И., Соколова Т.А., Денисова О.П. Опыт построения системы высшего образования онлайн (проект Росдистант). Предпосылки возникновения проекта. Ч. 1 // Стандарты и качество. 2021. № 11. С. 52–56. DOI: 10.35400/0038-9692-2021-11-52-56

33. Криштал М.М., Боюр Р.В., Бабошина Е.С., Кутузов А.И., Соколова Т.А., Денисова О.П. Опыт построения системы высшего образования онлайн (проект Росдистант). Основные институциональные изменения и эффекты. Ч. 2 // Стандарты и качество. 2021. № 12. С. 82–87. DOI: 10.35400/0038-9692-2021-12-82-87

34. Zefirova T., Loukachevitch N. Expression of irony and sarcasm on Twitter // Proc. of Third Workshop “Computational linguistics and language science”. 2019. Vol. 4. P. 45–49. DOI: 10.29007/tpzw