• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

От зрелости к трансформации

Как измерить цифровизацию школы

Иллюстрации и инфографика Дарьи Делоне

В последние годы общее образование особенно интенсивно осваивало электронные технологии. Но процесс шёл неравномерно — «цифровая зрелость» школ была и остаётся разной. Необходимо многопланово оценивать переход к «цифре», причём регулярно и в динамике, — прежде всего, для повышения результативности школьного образования. Опыт разработки и проведения таких мониторингов эксперты из Лаборатории цифровой трансформации образования НИУ ВШЭ представили в докладе* на XXIII Ясинской международной научной конференции по проблемам развития экономики и общества, организованной НИУ ВШЭ.

Мониторинг обновления

В условиях цифровизации экономики и социума цифровая трансформация общего образования превращается в императив. Нужна по-настоящему «умная школа» — с персонализированным подходом к обучению и нацеленностью на высокие результаты у каждого ученика. Этому переходу содействует мониторинг цифровизации школ, предложенный Лабораторией цифровой трансформации Института образования НИУ ВШЭ.

Лаборатория разрабатывает методологию и инструментарий, а также анализирует полученные данные в рамках Мониторинга цифровой трансформации общеобразовательных организаций (МЦТОО) в России в контексте реализации федерального проекта «Цифровая образовательная среда» национального проекта «Образование» с 2020 года.

Их новый доклад опирается на результаты ранее проведённых мониторингов, принципиальная особенность которых в комплексности и измерениях в динамике. Важна не просто степень «цифровой зрелости» школ — как одномоментный срез, но и темпы, и результаты перехода.

Индикаторы изменений

Общее образование вразнобой движется к «цифре». Важно оценить текущую позицию конкретной школы или региональной системы образования. Однако статистика пока фиксирует прежде всего изменения в технологическом оснащении школ, которые легче объективировать.

А как тогда отследить качественные перемены в школах? Преодолеть дефициты образовательной статистики эксперты пытаются за счёт альтернативных инструментов — мониторингов, самооценки на уровне школ и пр. Однако пока эти практики не унифицированы.

В мире есть немало моделей, которые оценивают цифровизацию школ. Только это, как правило, «моментальные снимки», статика. «В ВШЭ представляется важным перейти от статических моделей к динамической (процессной) модели движения школы к цифровой трансформации», — подчёркивают авторы доклада. Это содействует эффективности решений в точках выявленных дефицитов.

Основной инструмент оценки динамики перехода в «цифру» — мониторинговые обследования. Они помогают отследить прямые эффекты внедрения ЦТ. Но по мере насыщения школы цифровыми устройствами и IT-решениями оптимально оценивать изменения комплексно — как они сказываются на формировании цифровой образовательной среды, на учебной работе и управлении школой. МЦТОО, который Институт образования проводил в 2019–2021 годах, учитывает эти моменты.

Варианты обследований и корпусы данных

Используемые в мире модели оценки цифровизации школ, как правило, основаны на качественных или смешанных подходах (качественные плюс количественные). Иногда применяется опросник в рамках школы, иногда — собираются комплексные данные от всех стейкхолдеров образования. В продвинутых моделях используются и ресурсные, и процессные показатели.

Однако пока не удалось идентифицировать модели, которые, наряду с оценкой ресурсов и процессов, также учитывают и результаты — то, как проникновение «цифры» влияет на достижения учеников. Добавив измерители образовательных результатов, стейкхолдеры системы получат дополнительные опции сравнения эффективности разных ЦТ. Можно будет и прогнозировать достижения учеников.

Если рассматривать мировые модели оценки цифровизации конкретнее, то стоит остановиться на нескольких самых известных:

 Принятая в Европейском союзе модель DigCompOrg предполагает, что за счёт регулярного самооценивания изменений школам будет проще обновить образование. Однако дескриптивный подход модели имеет свой недостаток: возможности сопоставления школ ограничены. Нужно также учитывать, что сведения, полученные при помощи опросников, не всегда объективны.

 Прескриптивная модель, содержащая представления об «идеальной школе». Так, для хорватского проекта e-Skole была разработана модель оценки цифровой зрелости школы — Framework for the Digital Maturity of Schools (FMDS). Отчасти прообразами FDMS стали DigCompOrg и ирландская модель eLearning Roadmap. При этом в FDMS под «зрелыми» школами понимаются организации с высокой интеграцией ЦТ во все сферы жизни школы. Всего уровней зрелости пять. Однако в целом FDMS, несмотря на глубокую проработку модели, имеет довольно слабую различительную способность. Её сложно использовать для принятия управленческих решений.

 В Швеции используется онлайн-инструмент LIKA, в Финляндии — Opeka. Обе разработки — по сути, опросники. LIKA ориентирована на директоров школ, Opeka — также и на учителей. Если в Opeka используется оценка состояния через замер распределений ответов респондентов, то в LIKA предлагается шкала оценивания аспектов внедрения ЦТ. Оба инструмента хорошо обкатаны. Однако опросники, как уже говорилось, имеют свои недостатки.

Трансформация — всегда процесс. Поэтому для российских специалистов в приоритете стояло создание процессной модели. Рассмотрим основные особенности российской модели обследования цифровизации школ, разрабатываемой в Институте образования НИУ ВШЭ.

Когда речь идёт об измерении динамики, можно выделить две крупные группы индикаторов: те, что показывают наличие условий для перехода к цифровой трансформации, и те, что выявляют барьеры. Эти индикаторы могут быть основаны на данных, полученных множеством способов.

Например, данные могут быть реактивными. Под реактивностью подразумеваются чувствительность к присутствию и степень влияния инструмента на корпус данных. Реактивными считаются любые опросные методы (интервью, фокус-группы, анкетирование), наблюдение (дневники, включенное наблюдение, видеоанализ), статистика, контент-анализ, цифровые следы. А вот большие количественные данные — нереактивные.

Для изучения отдельных условий цифровизации можно использовать различные открытые источники данных (например, статистику). А для выявления барьеров перехода релевантны опросные методы.

Достижения и проблемы

В ВШЭ были проведены два обследования перехода к цифровой трансформации: МЦТОО в 2020-2021 годах и Мониторинг экономики образования (МЭО) в прошлом году с блоком сведений, касающихся «цифры». МЦТОО подтвердил преимущества совмещения количественных и качественных данных для получения более полной картины цифровизации. А МЭО дал представление о цифровой образовательной инфраструктуре.

Сопоставление результатов двух обследований позволило выявить нехватку ресурсов цифровой инфраструктуры и компетенций для использования результативных ЦТ-поддержанных практик. Налицо технологический разрыв между субъектами РФ в зависимости от типа населенных пунктов. Правда, и школы очень разные — одно дело в мегаполисах, другое дело — на селе. Учебные заведения находятся в различающемся социально-экономическом окружении. В силу неоднородности уровня внедрения ЦТ в образование и самой динамики перехода формировать рекомендации сложнее.

В МЦТОО впервые удалось выделить группы школ, схожих в плане цифровизации, и построить граф состояний школ. Это позволило выявить ключевые закономерности при переходе из одной стадии цифрового обновления в другую и разработать концепцию формирования типовых, а затем адресных рекомендаций для эффективного развития ЦТ в школах.

Кластеризация была проведена по семи областям. Это, в частности, цифровая инфраструктура школы, использование ЦТ педагогами, применение технологий учениками, формирование цифровой компетентности учащихся, управление школой и пр. В результате кластеризации получилось шесть групп школ.

Материалы, полученные в ходе опросов, верифицировались с помощью экспертных визитов в школы. Это помогло построить граф переходов между кластерами. На нём видно, например, что школы-аутсайдеры со временем могут перейти в чуть более благополучный 4-й кластер. Лидеры в сфере цифрового обновления без акцента на работе с учениками со временем могут выйти в лидеры по цифровой компетентности школьников.

Результаты обследований

Данные МЦТОО показывают:

 Растёт разрыв между цифровыми компетенциями школьников и учителей — в пользу первых, несмотря на решение технологических проблем в школах и системное освоение ЦТ педагогами.

 Образовательное пространство насыщается личными гаджетами. Они используются, как правило, и в личных, и в учебных целях почти одновременно, что может порождать дополнительные риски в сфере информационной безопасности образовательного процесса.

 Есть разрыв как в отношении старшеклассников к цифровым технологиям в городских и в сельских школах, так и в оценке учениками уровня своих цифровых компетенций.

 Создание программ развития ЦТ в школах часто ведётся без участия учителей.

 Выработка мер эффективного управления ресурсами, нужными для цифрового обновления, — совершенно реальна. Оценка обновления школ позволит распределить ресурсы так, чтобы для каждой организации использовались меры развития, адекватные её уровню.

Важно использовать результаты мониторинга на школьном уровне. Для этого надо развивать механизмы возврата данных (на которых обычно принимаются решения «в верхах») в школы. Но проблема в том, что культура принятия решений на основе данных обычно слабо развита в системе общего образования. Её нужно формировать, чтобы каждая школа нашла практики, подходящие именно ей. Идентификация лучших практик поможет всем.

Над чем задуматься

Авторы доклада выделили четыре области для развития:

  1. Необходимость использования многомерных источников данных. Продуктивные концепции — например, «умные кампусы», «умные города» как архитектурные решения, способствующие сбору контекстных данных и сведений о разных сторонах тех или иных процессов. Типы генерируемых данных также расширяются. Наряду с массивами структурированных данных, появляются неструктурированные, включающие качественные характеристики процессов. Примеры — текстовые, аудио- и видеоданные и пр. Многоплановые замеры позволяют уточнить результаты предыдущих обследований.
  2. Интеграция разнородных данных. Существует ряд эффективных инструментов консолидации данных, таких, как озера данных (data lakes) и системы управления данными (MDM-системы). Вопрос, насколько совместимы концептуальные модели, в рамках которых собираются разные данные.
  3. Сведения об образовательных результатах учеников в динамике позволяют формировать итоговые показатели цифрового обновления. Мониторинги достижений школьников должны развиваться параллельно с обследованиями цифровизации.
  4. «Возврат» данных в школы требует развития автоматизированных подходов к обработке, анализу и интерпретации данных. Стоит выработать типовые решения для школ, находящихся на разных уровнях цифровой зрелости. Изменение соотношений школ разной зрелости в перспективе нескольких измерений будет показывать динамику цифрового обновления.

Преодолеть барьеры

Сегодня вырабатывается представление о модели идеального образовательного учреждения — смарт-школе. Но преобразование в неё массовой школы упирается в ряд барьеров. Главный из них — отсутствие доказательных инструментов управления трансформацией на уровне системы образования, каким мог бы стать регулярный мониторинг.

Есть два направления преодоления этого барьера:

 Использование инструментов самооценки, которые помогают школам ускорить цифровую трансформацию, выявить перспективные направления своего развития.

 Развитие централизованной системы мониторинга цифровизации, которая интегрирует различные источники данных, позволяет анализировать их и давать надёжную интерпретацию разным группам заинтересованных лиц.

Вопрос о построении предиктивных имитационных моделей — также не праздный. Но серьёзные подвижки в прогнозировании и системных исследованиях в школьном образовании невозможны без зрелой методологии, прозрачной системы показателей и пр.

Понятно, что в случае цифровой трансформации речь идёт о сложно объективируемых процессах. Но развитие доказательного подхода к использованию электронных технологий в школе требует отслеживания динамики изменений, происходящих в очень разных школах. «Таким образом, мониторинговый инструмент становится ключевым инструментом поддержки принятия решений и управления изменениями для успешного перехода массовой школы к модели смарт-школы», — заключают авторы доклада.
IQ
 

*Доклад «Измерение перехода школы к цифровой трансформации образования: опыт, трудности, результаты и возможности». Авторский коллектив: Ирина Дворецкая, научный сотрудник Лаборатории цифровой трансформации НИУ ВШЭ, Иван Карлов, заведующий Лабораторией цифровой трансформации НИУ ВШЭ, Эрен Кочак, аналитик Лаборатории цифровой трансформации НИУ ВШЭ, Кирилл Савицкий, эксперт Лаборатории цифровой трансформации НИУ ВШЭ.

Автор текста: Соболевская Ольга Вадимовна, 22 апреля