Цифровизация активно трансформирует структуру современного общества, и система образования также подвергается этим изменениям. Внедрение цифровых технологий – это не просто следствие прогресса, а необходимость, диктуемая возрастающими требованиями к компетенциям выпускников. В ФГОС основного общего образования отмечается, что «портрет выпускника школы», включает в себя такие качества как: «умеющий учиться, осознающий важность образования и самообразования для жизни и деятельности, способный применять полученные знания на практике» [12]. Сегодня существует значительное количество массовых открытых онлайн курсов и дополнительных программ, некоторые из которых могут проходить даже без взаимодействия с преподавателем (например, Яндекс Практикум, Skillbox, Skyeng и многие другие). При самообразовании важно учитывать достигаемые результаты и оценивать их самостоятельно, для чего может быть использован анализ образовательных данных, собранных в цифровой образовательной среде.
Анализом данных, собираемых в процессе образовательного взаимодействия, занимается учебная аналитика. Учебная (или образовательная) аналитика (learning analytics) включает в себя «измерение, сбор, анализ и представление данных об учащихся и окружающем их контексте» [2]. Выделяют, что один из принципов учебной аналитики «заключается в извлечении полезной информации из большого объема данных, генерируемого в процессе обучения» [14]. Во время проведения анализа в образовательных данных определяют закономерности и особенности, которые могут представлять важные сведения о ходе учебного процесса и могут быть использованы как учащимся, так и педагогом, для усовершенствования образовательного взаимодействия.
Токтарова В.И. и Попова О.Г. определяют, что «образовательные данные могут применяться для принятия организационно-педагогических и управленческих решений в образовании» [11]. Одним из важных этапов анализа образовательных данных является интерпретация и визуализация результатов анализа, итоги которого могут быть использованы для принятия обоснованных педагогических решений.
Черкасова А.В. дает определение визуализации как «процесс представления данных в виде изображения с целью максимального удобства их понимания, усвоения» [13]. При использовании визуализации образовательных данных появляется возможность представить и интерпретировать результаты анализа наглядным и понятным способом.
Визуализация данных стала важной частью образовательного процесса, которая дает возможность учащимся отслеживать свои достижения, результаты, оценивать риски и проводить комплексный самоанализ. В то время как существует много доступных видов визуализации данных (например, графики, таблицы, тепловые карты, диаграммы), используются и специализированные способы представления информации, такие как – дашборды.

Гинько А.Ю. определяет, что дашборды это «прогресс клипового мышления, при котором человек воспринимает информацию фрагментарно, добрался и до анализа данных, и в результате прежние таблицы превратились в сжатые и очень лаконичные визуальные представления» [4]. Основная идея заключается в том, что дашборды, как и приборные панели, предоставляют возможность моментально оценить ключевые показатели, не углубляясь в детали и не тратя время на поиск нужной информации.
Визуализация данных в формате дашборда может значительно упростить восприятие и ускорить процесс анализа, что особенно важно в динамично изменяющейся среде. Бенко Е. В. и Томин Б. П. считают, что «ключевыми характеристиками дашбордов выступают: наглядность, интерактивность и автоматизация процессов» [3].
Сирбиладзе К.К. и Попова Т.С. рассмотрели в своей работе ряд преимуществ использования дашбордов в образовательном учреждении для преподавателей [10]:

1. Мониторинг прогресса студентов. Например, отслеживание выполнения заданий, какие были ошибки при выполнении заданий, с какими заданиями были трудности и др.;
2. Отслеживание посещаемости занятий. Анализ влияния посещаемости на оценки и результаты обучения, построение индивидуального маршрута учащегося;
3. Контроль успеваемости. Оценивание успешности прохождения обучения и выявление учащихся, которые находятся в зоне риска;
4. Анализ результатов экзаменов. Оценивание усвоения пройденного материала, с возможным определением тем, которые вызвали трудности и не были освоены в полном объеме.

Разработано множество различных программных продуктов и сервисов для создания дашбордов, например: Microsoft Power BI, Tableau, Яндекс Datalens, Яндекс Метрика, Google Analytics, Google Data Studio, Owox BI и многие другие. Все эти решения визуализации данных обладают рядом преимуществ и недостатков, ниже в таблице 1 приведено сравнение популярных и часто используемых [1, 6, 7]:

Таблица 1 – Сравнительная таблица программ и сервисов для построения дашбордов

В школьном образовании сейчас все чаще отдают предпочтение отечественным сервисам для изучения новых технологий. Значение интерактивной визуализации данных заключается в том, что она помогает структурировать информацию, делая ее более понятной и доступной для восприятия. Традиционные методы обучения, зачастую основанные на текстовой информации, могут быть недостаточно эффективны для восприятия и усвоения сложных концепций. Поэтому платформа Yandex DataLens открывает перед школьным образованием широкие перспективы, а также предоставляет огромные возможности для визуализации данных и создания интерактивных отчетов. Сложные статистические данные, результаты экспериментов, географические данные – все это можно представить в интуитивно понятном виде: диаграммы, графики, карты. Ученики смогут «увидеть» математическую функцию, проанализировать динамику исторических событий или сравнить географические показатели разных регионов. Интерактивность Yandex DataLens позволяет ученикам активно взаимодействовать с данными, исследовать их с разных ракурсов, самостоятельно строить выводы. Это способствует более глубокому пониманию материала и развитию исследовательских навыков.

Одним из примеров применения Yandex DataLens в образовании со стороны учащегося является дашборд для Всероссийской олимпиады школьников [9], с помощью которого можно наглядно увидеть рейтинг школ по предметам, в соответствии с следующими показателям: количество участников по предмету, средние знания в школе по определенному предмету, максимальные баллы по предмету и другие. Размер кружков на дашборде зависит от количества участников, цвет показывает максимальные и средние результата. Отмечено на дашборде, что чем больше и зеленее круг, тем сильнее выступила школа по конкретному предмету и выбранному классу.
Большое количество подробных инструкций и примеров создания дашбордов с помощью Yandex Datalens можно увидеть в учебном пособии В.Б. Яковлевой [15]. Описано подключение к базам данных и создание первых датасетов. Например, для данных о числе вузов и численности студентов в регионах, построены различные визуализации: карты, древовидная диаграмма, линейчатая диаграмма и другие.
Yandex DataLens – это быстро развивающаяся платформа. Яндекс разработал и активно продвигает серию бесплатных обучающих курсов различной сложности. Эти курсы адаптированы под разные уровни подготовки, от начинающих пользователей до опытных аналитиков и охватывают широчайший спектр тем [5, 8].
На рисунке 1 приведен один из вариантов дашборда в Yandex Datalens, собранного на анализе образовательных данных о 6607 учащихся (https://www.kaggle.com/datasets/lainguyn123/student-performance-factors/data). Данный дашборд позволяет проанализировать влияние различных факторов на оценки студентов. Например, проанализировав чарт «распределение оценок по диапазонам среднего времени сна и физической активности» можно сделать вывод, что наивысший средний балл у тех студентов, которые спят более 7 часов в день, также можно обратить внимание, что физическая активность не сильно влияет на оценки обучающихся. На другом чарте «зависимость между посещаемостью, часами обучения и оценками» выстраивается закономерность, позволяющая понять студентам, как ответственный подход к посещению занятий и высокое количество часов, потраченных на самообразование, влияют на оценки.

Рис.1 – Дашборд «Влияние различных факторов на успеваемость студентов»

Работа с данными в Yandex DataLens требует анализа, интерпретации и формулировки выводов. Ученики учатся не просто потреблять информацию, но и критически ее оценивать, выявлять закономерности и делать обоснованные прогнозы. Yandex DataLens позволяет создавать индивидуальные дашборды для отслеживания прогресса каждого ученика, выявлять трудности в обучении или успехи, адаптируя учебный процесс под его потребности. Это особенно актуально при работе с школьниками с различными темпами усвоения материала и с разным уровнем начальных знаний. Учитель может использовать Yandex DataLens для представления результатов тестирования, анализа успеваемости класса, демонстрации сложных концепций и обсуждения результатов с учениками в интерактивном режиме.
Yandex DataLens представляет собой мощный инструмент для модернизации школьного образования. Его использование позволяет сделать обучение более эффективным, увлекательным и персонализированным, развивая у учащихся аналитические, исследовательские и критические навыки, необходимые в современном мире. Дальнейшее изучение и внедрение этой платформы в учебный процесс, например, как внеурочное занятие, способствует подготовке нового поколения, готового к изменениям в сфере образования. Однако, необходимо отметить важность обучения учителей работе с платформой и разработку соответствующих методических материалов для успешного внедрения Yandex DataLens в школьную практику.

Литература:

1. Compare Google Analytics vs Microsoft Power BI URL: https://comparisons.financesonline.com/google-analytics-vs-microsoft-power-bi (дата обращения: 13.02.2025)
2. Белоножко П.П. Анализ образовательных данных: направления и перспективы применения / П.П. Белоножко, А.П. Карпенко, Д.А. Храмов // Вестник евразийской науки. – 2017. – №4 (41). – URL: https://cyberleninka.ru/article/n/analiz-obrazovatelnyh-dannyh-napravleniya-i-perspektivy-primeneniya (дата обращения: 12.02.2025).
3. Бенко Е. В. Дашборд как эффективный инструмент анализа данных в системе образования / Е. В. Бенко, Б. П. Томин // Научно-методическое обеспечение оценки качества образования. 2023. №1 (17). – С. 75-81. – URL: https://cyberleninka.ru/article/n/dashbord-kak-effektivnyy-instrument-analiza-dannyh-v-sisteme-obrazovaniya (дата обращения: 13.02.2025)
4. Гинько А.Ю. Анализ и визуализация данных в Yandex DataLens. Подробное руководство: от новичка до эксперта. – М.: ДМК Пресс, 2023. – 356 с.
5. Инструменты для визуализации данных и бизнес-анализа. URL: https://practicum.yandex.ru/datavis-and-bi-tools (дата обращения: 13.02.2025)
6. Кадыргулова А. А. система принятия управленческих решений на основе анализа данных с применением дашборда / А. А. Кадыргулова // New science award - 2024 : сборник статей Международного научно-исследовательского конкурса, Петрозаводск, 06 марта 2024 года. – Петрозаводск: Международный центр научного партнерства «Новая Наука» (ИП Ивановская И.И.), 2024. – С. 30-36. – EDN TPJZBT.
7. Плюсы и минусы Power BI: яркая и скучная сторона визуализации. – URL:https://biconsult.ru/products/plyusy-i-minusy-power-bi-yarkaya-i-skuchnaya-storona-vizualizacii?ysclid=m784wducc3600310797 (дата обращения: 13.02.2025)
8. Практикум по Yandex Cloud DataLens. – URL: https://practicum.yandex.ru/ycloud-datalens (дата обращения: 13.02.2025)
9. Сервис для сверстников: как работает дашборд для участников олимпиад. – URL: https://yandex.cloud/ru/blog/posts/2020/12/servis-dlya-sverstnikov (дата обращения: 13.02.2025)
10. Сирбиладзе К.К. Дашборды в образовании как инструмент маркетинговых коммуникаций / К.К. Сирбиладзе, Т.С. Попова // Практический маркетинг. – 2024. – №6. – С. 79. – URL: https://cyberleninka.ru/article/n/dashbordy-v-obrazovanii-kak-instrument-marketingovyh-kommunikatsiy (дата обращения: 13.02.2025)
11. Токтарова В.И. Анализ образовательных данных взаимосвязи успешности обучения и поведения студентов в цифровой образовательной среде вуза / В.И. Токтарова, О.Г. Попова // Информатика и образование. – 2022. – Т. 37, № 4. – С. 54-63. – DOI 10.32517/0234-0453-2022-37-4-54-63. – EDN ESVZJD.
12. ФГОС Основное общее образование. Приказ Минобрнауки России от 17.12.2010 № 1897 (ред. от 11.12.2020). – URL: https://fgos.ru/fgos/fgos-ooo (дата обращения: 13.02.2025)
13. Черкасова Л. В. Технология визуализации учебного материала как способ формирования у школьников информационной компетентности // Вестник Сургутского государственного педагогического университета. – 2019. – №1 (58). – C. 132-141. – URL: https://cyberleninka.ru/article/n/tehnologiya-vizualizatsii-uchebnogo-materiala-kak-sposob-formirovaniya-u-shkolnikov-informatsionnoy-kompetentnosti (дата обращения: 13.02.2025);
14. Ядова Е. Н. Образовательная аналитика: как обучающемуся пользоваться данными / Е. Н. Ядова, Т. А. Отбеткина, А. А. Волков // Педагогический журнал. – 2023. – Т. 13, № 9-1. – С. 20-30. – DOI 10.34670/AR.2023.61.44.003. – EDN PBGUGJ;
15. Яковлев В. Б. Анализ и визуализация данных в Yandex DataLens : учебное пособие / В. Б. Яковлев. – Москва : Эдитус, 2023. – 136 с. – EDN WUCSQF.