Статья:

КРИТЕРИАЛЬНАЯ ОЦЕНКА АКТИВНОСТИ СТУДЕНТОВ В СОЦИАЛЬНЫХ СЕТЯХ: КЛЮЧЕВЫЕ ПОКАЗАТЕЛИ И ЗНАЧЕНИЕ

Конференция: LXXVI Международная научно-практическая конференция «Научный форум: инновационная наука»

Секция: Педагогика

Выходные данные

Абдигапбарова У.М., Исабаева Д.Н. КРИТЕРИАЛЬНАЯ ОЦЕНКА АКТИВНОСТИ СТУДЕНТОВ В СОЦИАЛЬНЫХ СЕТЯХ: КЛЮЧЕВЫЕ ПОКАЗАТЕЛИ И ЗНАЧЕНИЕ // Научный форум: Инновационная наука: сб. ст. по материалам LXXVI междунар. науч.-практ. конф. — № 9(76). — М., Изд. «МЦНО», 2024.

К условиям публикации Скачать сборник

Конференция завершена

Мне нравится

LXXVI Международная научно-практическая конференция «Научный форум: инновационная наука»

на печатьскачать .pdf поделиться

КРИТЕРИАЛЬНАЯ ОЦЕНКА АКТИВНОСТИ СТУДЕНТОВ В СОЦИАЛЬНЫХ СЕТЯХ: КЛЮЧЕВЫЕ ПОКАЗАТЕЛИ И ЗНАЧЕНИЕ

Абдигапбарова Улжаркын Муслимовна

д-р пед. наук, проф., директор департамента науки Казахского национального педагогического университета имени Абая, Казахстан, г. Алматы

Исабаева Даража Нагашыбаевна

и.о. проф. Казахского национального университета им.аль-Фараби, Казахстан, г. Алматы

CRITERIAL EVALUATION OF STUDENTS’ ACTIVITY IN SOCIAL NETWORKS: KEY INDICATORS AND IMPORTANCE

Ulzharkyn Abdigapbarova

Director of the Department of Science, Abai Kazakh National Pedagogical University, Kazakhstan, Almaty

Darya Isabaeva

Professor, Al-Farabi Kazakh National University, Almaty, Kazakhstan

Аннотация. В статье представлено краткое изложение основных аспектов исследования, направленного на оценку вклада социальных сетей в образовательный и профессиональный процесс среди студентов. В данной работе рассматриваются различные критерии, такие как заполненность и привлекательность профиля, активность при создании контента, вовлеченность аудитории, качество и тематика контента, участие в обсуждениях, реакция на обратную связь, создание профессионального образа, сетевое взаимодействие, этическое поведение и аналитика результатов. Основываясь на собранных данных, авторы анализируют, каким образом студенты используют социальные медиа для общения, обмена информацией и профессионального роста. Результаты исследования подчеркивают важность стратегического подхода к использованию социальных сетей в образовательных целях и предлагают практические рекомендации для образовательных учреждений по оптимизации данного процесса.

Abstract. The article presents a summary of the main aspects of the study aimed at assessing the contribution of social networks to the educational and professional process among students. The article examines various criteria, such as profile completion and attractiveness, content creation activity, audience engagement, content quality and topic, participation in discussions, response to feedback, creating a professional image, networking, ethical behavior and performance analytics. Based on the collected data, the authors analyze how students use social media for communication, information sharing and professional development. The study's findings highlight the importance of taking a strategic approach to the use of social media for educational purposes and offer practical recommendations for educational institutions to optimize this process.

Ключевые слова: социальные сети, оценка активности, аналитика, образовательные технологии, цифровое обучение, мониторинг.

Keywords: social networks, activity assessment, analytics, educational technologies, digital learning, monitoring.

Введение. В современном образовательном пространстве социальные сети играют всё более значимую роль. Они не только способствуют общению и распространению информации среди студентов, но и предоставляют возможности для профессионального развития и обучения. Важность платформ подобного рода выросла в связи с увеличением числа дистанционных форм обучения и глобальной цифровизацией образовательных процессов. Однако для того, чтобы полностью использовать потенциал социальных сетей в образовании, необходимо разработать и внедрить эффективные методы оценки активности студентов в этих сетях. Это позволит образовательным учреждениям более целенаправленно использовать социальные медиа в качестве образовательного и воспитательного инструмента. В данной статье рассматриваются ключевые критерии и показатели для оценки активности студентов в социальных сетях, которые могут служить основой для создания системы мониторинга и оценки в образовательной среде.

Целью данной статьи является разработка и представление комплексной системы критериев для оценки активности студентов в социальных сетях. Рассматриваемая система предназначена для помощи образовательным учреждениям в мониторинге и анализе поведения студентов на данных платформах. Основное внимание уделяется определению ключевых показателей, которые можно использовать для измерения различных аспектов студенческой активности, таких как вовлеченность, качество контента и профессиональное взаимодействие. Подобные метрики предоставят преподавателям и администраторам образовательных программ ценные данные для оценки и улучшения образовательных стратегий и практик, а также для повышения профессиональной привлекательности студентов в рамках их академической и карьерной деятельности.

Методы. Для оценки активности студентов в социальных сетях и анализа соответствующих критериев в рамках представленной статьи, использованы следующие методы и материалы: качественные и количественные методы для анализа постов, комментариев и других форм взаимодействия в социальных сетях, опросы и анкетирование для сбора данных о восприятии и активности студентов через структурированные опросы и анкеты, аналитика социальных медиа, для измерения вовлеченности, распространения контента и взаимодействия в профилях социальных сетей, сетевой анализ, использование теории графов для изучения структуры социальных связей и паттернов взаимодействия между пользователями, а также кейс-стади для анализа конкретных примеров успешных стратегий студентов в социальных сетях на основе исследовательских данных. Кроме того использовались данные из социальных сетей о действиях студентов в них, включая Facebook*, Instagram*, Twitter*, LinkedIn, WhatsUpp, а также исследования и статьи, описывающие подходы к мониторингу и анализу активности в социальных сетях, отзывы студентов и преподавателей, первичные данные, полученные от участников образовательного процесса через интервью или анкетирование, кейсы из практики на основе реальных примеров использования социальных сетей в образовательных целях, собранные из различных образовательных учреждений. Использованные методы и материалы позволили всесторонне оценить то, каким образом студенты используют социальные сети для образовательных и профессиональных целей, и определить ключевые факторы успешной активности в этой сфере.

Результаты и обсуждения. В эпоху цифровых технологий социальные сети стали неотъемлемой частью жизни студентов, предоставляя им платформу для общения, обмена информацией и самовыражения. Вмешательство в сферу образования через социальные медиа поднимает вопрос о том, как оценивать активность студентов в этом цифровом пространстве.

Образовательная деятельность, интегрированная с социальными сетями и электронным обучением, порождает значительный объем данных о действиях в базе данных. Эти данные могут служить стратегическим ресурсом для оценки успеваемости студентов [10]. Анализ успеваемости студентов можно проводить, опираясь на данные [3], анализ социальных сетей [6; 8; 15], и анализ данных о действиях [13].

Анализ социальных сетей (SNA) представляет собой структурный подход, основанный на теории графов [9]. В данном случае, SNA фокусируется на изучении паттернов социального взаимодействия между участниками образовательного процесса, включая студентов, преподавателей и учебные заведения. Это делается через структурный анализ, который картографирует сетевые связи, а не атрибуты или свойства отдельных субъектов [14]. Несмотря на то, что электронное обучение служит средством для дистанционного образования [2], оно также предоставляет студентам возможность взаимодействовать на платформах, которые генерируют данные журналов в базе данных. Анализ этих данных на платформе электронного обучения становится способом преобразования необработанных данных в стратегические знания [7].

Анализ активности в социальных сетях направлен на выявление закономерностей в социальных взаимодействиях между участниками, такими как студенты, преподаватели и учебные учреждения, с помощью структурного анализа, который фокусируется на сетевых связях, а не на атрибутах или свойствах участников [1; 4; 5; 11; 12; 16]. Использование социальных сетей для коллаборации может приводить к проблемам, таким как неравный вклад отдельных студентов. Поэтому идентификация проблем в сотрудничестве студентов становится ключевым аспектом, который помогает им достигать общих учебных целей.

На основе анализа литературы, для создания модели активности студентов в социальных сетях с использованием сети Петри, визуализированы основные компоненты взаимодействия студентов.

Таблица 1.

Основные компоненты взаимодействия студентов

Места (Place) - Это состояния или условия, которые могут представлять различные стадии или аспекты взаимодействия студентов	Переходы (Transition) - Это события или действия, которые вызывают изменения из одного состояния в другое	Дуги (Arc) - Соединяют места и переходы, указывая направление потока и зависимости между состояниями и действиями
P1: Начальное состояние (студенты неактивны) P2: Активный в социальной сети P3: Участвует в обсуждении P4: Генерирует контент P5: Оценивает контент (лайки, комментарии)	T1: Вход в социальную сеть T2: Участие в обсуждении T3: Создание контента T4: Взаимодействие с контентом	A1: от P1 к T1 A2: от T1 к P2 A3: от P2 к T2 A4: от T2 к P3 A5: от P3 к T3 A6: от T3 к P4 A7: от P4 к T4 A8: от T4 к P5

Модель позволяет наглядно представить, как студенты взаимодействуют в социальной сети, начиная от входа в систему до активного участия и взаимодействия с контентом. Маркеры или "жетоны" использованы для демонстрации текущего количества активных пользователей или сообщений в каждом из состояний.

Рисунок 1. Диаграмма сети Петри, отражающая активность студентов в социальных сетях

Визуальная модель включает в себя места, переходы и дуги, которые моделируют поток действий от неактивности к взаимодействию внутри сети.

Методология критериальной оценки активности студентов в социальных сетях

Оценка активности студентов в социальных сетях требует систематического и объективного подхода. Ниже представлена методология, которая включает в себя ключевые критерии и показатели для оценки эффективности онлайн-присутствия. Методология предоставляет основу для систематической оценки активности студентов в социальных сетях, учитывая разнообразные аспекты и показатели, влияющие на создание успешного онлайн-присутствия.

Таблица 2.

Критерии и показатели активности студентов в социальных сетях

Критерии	Показатели
1. Заполненность и привлекательность профиля	- Заполненность профиля на 90% и более. -Наличие профессиональных фотографий с хорошим разрешением. - Визуально привлекательное оформление профиля
2. Активность в создании контента	- Публикация контента не реже 2-3 раз в неделю. - Использование разнообразных форматов контента (текст, изображения, видео). - 80% контента связаны с профессиональной тематикой.
3. Вовлеченность аудитории	- Среднее количество лайков на пост не менее 30. - Среднее количество комментариев не менее 10. - Уровень вовлеченности (лайки + комментарии + репосты) находится выше среднего по сравнению с аналогичными профилями.
4. Тематика и качество контента	- 70% контента сфокусировано на профессиональной тематике. - 20% контента представляет собой креативный подход или инновации. - 10% контента представляет образовательные материалы или исследования.
5. Участие в обсуждениях	- Активное участие в обсуждениях не менее 3 раз в неделю. - Создание не менее 2 тем для обсуждения в месяц. - Проведение вебинара или трансляции не реже 1 раза в квартал.
6.Реакция на обратную связь	- 90% обратной связи получает личный и своевременный ответ. - Более 70% положительных комментариев получают личную благодарность. - Ответ на критику сопровождается адекватным объяснением или планом действий.
7. Создание профессионального образа	Заполненность и актуальность профиля на 95%.- Использование профессиональных фотографий с выдающимся стилем.- Выделение 3-х профессиональных достижений в специализированных областях.- Активное участие в 2-х профессиональных сообществах.
8. Сетевое взаимодействие и развитие профессиональных связей	- Взаимодействие с не менее чем 5 профессиональными контактами в неделю. - Участие в 1-2 сетевых мероприятиях в месяц. - Обмен опытом и получение обратной связи от профессионалов в области не реже 1 раза в месяц.
9. Этическое поведение и соблюдение норм общения	- Отсутствие участия в конфликтах и обсуждениях негативного характера. - Безупречное соблюдение правил конфиденциальности и этических стандартов. - Отсутствие блокировок или жалоб на неэтичное поведение.
10. Аналитика и измерение результатов	- Использование аналитических инструментов (например, Insights в Instagram*) для измерения эффективности. - Рост числа подписчиков не менее чем на 15% ежемесячно. - Сравнение уровня вовлеченности и влияния с результатами прошлого периода.

Таблица 3.

Критерии и уровни активности студентов в социальных сетях

Критерии	Высокий уровень:	Средний уровень:	Низкий уровень:
1. Заполненность и привлекательность профиля	Заполненность профиля на 95%, профессиональные фотографии, визуально привлекательное оформление.	Заполненность профиля на 80-94%, профессиональные фотографии, но не всегда визуально привлекательное оформление.	Заполненность профиля менее 80%, отсутствие профессиональных фотографий, не привлекательное оформление.
2. Активность в создании контента	Публикация контента не реже 3 раз в неделю, разнообразие форматов, 80% контента связаны с профессиональной тематикой.	Публикация контента 2-3 раза в неделю, разнообразие форматов, 60-79% контента профессионального характера.	Публикация контента менее 2 раз в неделю, отсутствие разнообразия, менее 60% контента профессионального характера.
3. Вовлеченность аудитории	Лайков на пост не менее 50, комментариев не менее 20, высокий уровень вовлеченности по сравнению с аналогичными профилями.	Лайков на пост 30-49, комментариев 10-19, уровень вовлеченности средний по сравнению с аналогичными профилями.	Лайков на пост менее 30, комментариев менее 10, уровень вовлеченности ниже среднего.
4. Тематика и качество контента	70% контента профессиональной тематики, 20% креативных материалов, 10% образовательных материалов	50-69% контента профессиональной тематики, менее 20% креативных материалов, 10-20% образовательных материалов.	Менее 50% контента профессиональной тематики, более 20% несвязанных с темой материалов.
5. Участие в обсуждениях	Активное участие 3 раза в неделю, создание не менее 2 тем в месяц, проведение вебинара или трансляции 1 раз в квартал.	Участие 2 раза в неделю, создание 1-2 тем в месяц, проведение вебинара или трансляции 1 раз в полугодие.	Участие менее 2 раз в неделю, создание менее 1 темы в месяц, отсутствие вебинаров или трансляций.
6.Реакция на обратную связь	90% обратной связи получает личный и своевременный ответ, благодарности за положительные комментарии, адекватная реакция на критику.	70-89% обратной связи получает личный ответ, благодарности не всегда, адекватная реакция на критику в большинстве случаев.	Менее 70% обратной связи получает личный ответ, отсутствие благодарностей, негативная реакция на критику.
7. Создание профессионального образа	Заполненность и актуальность профиля на 95%, использование выдающихся фотографий, выделение 3-х профессиональных достижений, активное участие в 2-х сообществах.	Заполненность и актуальность профиля на 80-94%, использование профессиональных фотографий, выделение 2-х профессиональных достижений, участие в 1 сообществе.	Заполненность и актуальность профиля менее 80
8. Сетевое взаимодействие и развитие профессиональных связей	Взаимодействие с не менее чем 5 профессиональными контактами в неделю, участие в 1-2 сетевых мероприятиях в месяц, обмен опытом не реже 1 раза в месяц.	Взаимодействие с 3-4 профессиональными контактами в неделю, участие в 1 сетевом мероприятии в месяц, обмен опытом 1 раз в квартал.	Взаимодействие с менее чем 3 профессиональными контактами в неделю, отсутствие участия в сетевых мероприятиях, обмен опытом менее 1 раза в квартал.
9. Этическое поведение и соблюдение норм общения	Отсутствие участия в конфликтах, безупречное соблюдение правил конфиденциальности, отсутствие блокировок или жалоб.	Единичные случаи участия в конфликтах, соблюдение правил конфиденциальности в большинстве случаев, отсутствие блокировок или жалоб на неэтичное поведение.	Регулярное участие в конфликтах, нарушение правил конфиденциальности, блокировки или жалобы на неэтичное поведение.
10. Аналитика и измерение результатов	Использование аналитических инструментов, рост подписчиков не менее 15% ежемесячно, сравнение уровня вовлеченности с прошлым периодом.	Использование аналитики в некоторых случаях, рост подписчиков 5-15% ежемесячно, сравнение уровня вовлеченности периодически.	Отсутствие использования аналитики, рост подписчиков менее 5% ежемесячно, отсутствие сравнения уровня вовлеченности.

1. Первоначальной задачей данного исследования является идентификация студентов, которые занимают доминирующие позиции в группе социальной сети WhatsApp. Эта группа используется студентами для коммуникации и взаимодействия. Всего в журнале активности группы сохранено 1534 записи разговоров, организованные в три столбца, включая дату взаимодействия. В ходе исследования выполняется инициализация данных студентов для анализа их успеваемости в контексте использования социальной сети. Анализ данных включает в себя несколько этапов: описательный и диагностический анализ. Описательный анализ предоставляет информацию о частоте взаимодействий студентов в группе, показывая, что большинство студентов взаимодействуют от 0 до 50 раз, в то время как один студент выделяется с частотой взаимодействий между 250 и 300 раз. Эти данные используются для получения сводной информации о взаимодействиях студентов в группе WhatsApp, анализируемой с применением специализированных библиотек анализа данных.

Рисунок 2. Гистограмма распределения сообщений студентов

На графике выше представлена гистограмма распределения количества сообщений студентов в группе WhatsApp. Гистограмма помогает визуализировать частоту различных интервалов количества сообщений, позволяя увидеть, как часто встречаются определённые значения. Как видно, большинство студентов отправляют от 10 до 95 сообщений, за исключением одного студента, отправившего 300 сообщений, что выделяется как аномалия.

Рисунок 3. Активность студентов в течение дня

На представленном линейном графике отображена активность студентов в течение дня. График показывает количество сообщений, отправленных каждый час, начиная с 00:00 и заканчивая 23:00. Из графика видно, что активность студентов возрастает утром, достигает пика в середине дня и вечером, а затем снижается к ночи.

Этот временной анализ помогает идентифицировать периоды наибольшей активности, что может быть полезно для планирования групповых обсуждений или информационных рассылок в моменты наибольшего онлайн-присутствия студентов.

3. Анализируя эксперименты по активности студентов в социальных сетях, мы получили данные, которые использованы для отображения на графике для того, чтобы визуализировать уровень выполнения каждого критерия. Используя полученные данные, мы можем построить график, отображающий уровень выполнения каждого критерия в процентном соотношении.

Рисунок 4. Уровень выполнения критериев активности студентов в социальных сетях

На графике показан процент выполнения различных критериев активности студентов в социальных сетях. Наибольший успех достигнут в области соблюдения этических норм и поведения в социальных сетях, где показатель составляет 100 %. Наименьший уровень выполнения наблюдается в сфере сетевого взаимодействия и развития профессиональных связей — всего 60 %. Это может указывать на потенциальные области для улучшения и дальнейшего развития в рамках образовательной программы. Полученный визуальный анализ помог выявить сильные и слабые стороны активности студентов и в дальнейшем планировать образовательные мероприятия.

Заключение

В заключении данного исследования, посвященного анализу активности студентов в социальных сетях, можно сделать несколько важных выводов. Прежде всего, результаты подтвердили, что социальные сети играют значительную роль в профессиональном и академическом развитии студентов. Оформление профиля, регулярное создание качественного контента и активное участие в общении не только способствуют увеличению вовлеченности аудитории, но и формируют профессиональный образ студента в цифровом пространстве.

Исследование также показало, что аналитика и мониторинг активности могут служить эффективными инструментами для измерения успеха и адаптации стратегий взаимодействия. Это подчеркивает необходимость внедрения обучающих программ, которые помогут студентам осваивать навыки работы с аналитическими инструментами и развивать способности к самоанализу и саморегуляции. Кроме того, результаты исследования указывают на важность соблюдения этических норм и стандартов поведения в социальных сетях. Образовательные учреждения должны акцентировать внимание на формировании у студентов понимания этических аспектов цифрового взаимодействия, что в будущем поможет им избегать потенциальных конфликтов и негативных ситуаций. На основе данных выводов, образовательные учреждения могут разрабатывать более целенаправленные и эффективные стратегии для использования социальных сетей как образовательных и профессиональных инструментов. Это будет способствовать не только академическому успеху студентов, но и их профессиональному развитию и личностному росту в долгосрочной перспективе.

Данная статья написана на основе исследования, финансируемого Комитетом науки Министерства науки и высшего образования Республики Казахстан (BR21882318 «Кастомизация системы формирования сетевой коммуникативной культуры, цифрового этикета преподавателей и студентов в «on-line community» вуза»), руководитель У.М. Абдигапбарова."

*социальная сеть, запрещенная на территории РФ, как продукт организации Meta, признанной экстремистской – прим.ред.

Список литературы:

1. Ahajjam S., Haddad M. El., Badir dan H. A new scalable leader- community detection approach for community detection in social networks // Social Networks. – 2018. – Vol. 54. – Pp. 41–49.

2. Bogarin A., Cerezo R., Romero dan C. Discovering learning processes using Inductive Miner: A case study with Learning. Management Systems (LMSs) // Psicothema. – 2018. – Vol. 30 (3). – Pp. 322–329.

3. Ciolacu M., Tehrani A.F., Beer R., Popp dan H. Education 4.0—Fostering student’s performance with machine learning methods // 2017 IEEE 23rd International Symposium for Design and Technology in Electronic Packaging (SIITME). – 2017. – Pp. 438–443.

4. Crespo P. M. T. Social networks exploration for educational data mining // Instituto Superior Técnico. – Lisboa (PT), 2013.

5. Elghibari F., Elouahbi R., Khoukhi dan F. El. Data Mining for Detecting E-learning Courses Anomalies: An Application of Decision Tree Algorithm // International Journal on Advanced Science, Engineering and Information Technology. – 2018. – Vol. 8 (3). – P. 980.

6. Kim Y. The Framework of Cloud e-Learning System for Strengthening ICT Competence of Teachers in Nicaragua // International Journal on Advanced Science. – 2018. –Vol. 8. – Pp. 62–67.

7. Kolan N.F., Jailani N., Abu Bakar M., Latih dan R. Trust Model Based on Islamic Business Ethics and Social Network Analysis // International Journal on Advanced Science, Engineering and Information Technology. – 2018. –Vol. 8 (6). – P. 2323.

8. Krouska A., Troussas C., Virvou dan M. SN ‐ Learning: An exploratory study beyond e‐learning and evaluation of its applications using EV‐SNL framework // Journal of Computer Assisted Learning. – 2018. – Vol. 35(1). – Pp. 168–177.

9. Lam J.-H., Ma dan W. W. K. When and how does learning satisfy? Working collaboratively online with a clear purpose // International Journal of Innovation and Learning. – 2018. –Vol. 23(4). – Pp. 400–415.

10. Mueen A., Zafar B., Manzoor dan U. Modeling and Predicting Students’ Academic Performance Using Data Mining Techniques // International Journal of Modern Education and Computer Science. – Vol. 8 (11). – 2016 – Pp. 36–42.

11. Rigby J.G. Principals’ conceptions of instructional leadership and their informal social networks: An exploration of the mechanisms of the mesolevel // American Journal of Educational Research. – 2016. – Vol. 122 (3). – Pp. 433–464.

12. Rojas E., Munoz-Gama J., Sepúlveda M., Capurro dan D. Process mining in healthcare: A literature review // Journal of Biomedical Informatics. – 2016. – Vol. 61. – Pp. 224–236.

13. Singh A. Mining of Social Media data of University students // Education and Information Technologies. – 2017. – Vol. 22 (4). – Pp. 1515–1526.

14. Sobaih A. E. E., Moustafa M. A., Ghandforoush P., Khan dan M. To use or not to use? Social media in higher education in developing countries // Computers in Human Behavior. – 2016. – Vol. 58. – Pp. 296–305.

15. Wang F.H. An exploration of online behaviour engagement and achievement in flipped classroom supported by learning management system // Computers and Education. – 2017. – Vol. 114 (1). – Pp. 79–91.

16. Yurek I., Birant D., Birant dan K. U. Interactive process miner: a new approach for process mining // Turkish Journal of Electrical Engineering & Computer Sciences. – 2018. – Vol. 26. – Pp. 1314–1328.

КРИТЕРИАЛЬНАЯ ОЦЕНКА АКТИВНОСТИ СТУДЕНТОВ В СОЦИАЛЬНЫХ СЕТЯХ: КЛЮЧЕВЫЕ ПОКАЗАТЕЛИ И ЗНАЧЕНИЕ

Похожие статьи