3Резюме (Дифференциация учащихся по академической успеваемости в социальной сети)

ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ АВТОНОМНОЕ ОБРАЗОВАТЕЛЬНОЕУЧРЕЖДЕНИЕ ВЫСШЕГО ОБРАЗОВАНИЯ«НАЦИОНАЛЬНЫЙ ИССЛЕДОВАТЕЛЬСКИЙ УНИВЕРСИТЕТ«ВЫСШАЯ ШКОЛА ЭКОНОМИКИ»ИНСТИТУТ ОБРАЗОВАНИЯСмирнов Иван БорисовичДифференциация учащихся поакадемической успеваемости в социальной сетиРЕЗЮМЕ ДИССЕРТАЦИИна соискание ученой степеникандидата наук НИУ ВШЭ об образованииНаучный руководитель:доктор психологических наук, профессорПоливанова Катерина НиколаевнаМосква — 20182Работа выполнена в Институте образования федерального государственногоавтономногообразовательногоучреждениявысшегообразования«Национальныйисследовательский университет «Высшая школа экономики».Основные результаты диссертационного исследования представлены в следующихпубликациях:1.Смирнов И.

Б., Сивак Е. В., Козьмина Я. Я. В поисках утраченных профилей:достоверность данных ВКонтакте и их значение для исследований образования //Вопросы образования. 2016. №4. С. 106-122.2.Поливанова К. Н., Смирнов И. Б. Что в профиле тебе моем: данные «ВКонтакте»как инструмент изучения интересов современных подростков // Вопросыобразования. 2017. №2. C. 134-151.3.Smirnov I., Thurner S. Formation of homophily in academic performance: Studentschange their friends rather than performance.

// PloS one. Vol. 12. №. 8, e0183473.URL: https://doi.org/10.1371/journal.pone.01834734.Smirnov I. Predicting PISA scores from students’ digital traces // Proceedings of theTwelfth International Conference on Web and Social Media. American Association forArtificial Intelligence (AAAI) Press, 2018. P. 360-364Избранные научные конференции, на которых были представлены результаты:— РАИВО — VII Международная конференция Российской ассоциации исследователейвысшего образования, Москва, Россия, 2016.— XVIII April International Academic Conference on Economic and Social Development,Москва, Россия, 2017.— NetSci-X — International Conference on Network Science, Tel Aviv, Israel, 2017.— IC2S2 — International Conference on Computational Social Science, Cologne, Germany,2017.— SocInfo — International Conference on Social Informatics, Oxford, United Kingdom, 2017.—РАИВО—VIIIМеждународнаяконференцияРоссийскойассоциацииисследователей высшего образования, Москва, Россия, 2017.— XIX April International Academic Conference on Economic and Social Development,Москва, Россия, 2018.— ICWSM — International AAAI Conference on Web and Social Media, Stanford, USA,2018.3ВВЕДЕНИЕИнструменты и измерительные приборы всегда играли важную роль в развитиинауки.

Изобретение телескопа открыло перед учеными огромный новый мир небесных тел.Наблюдения за движением планет легли в основу классической механики и дали началофизике как науке в современном понимании. Изобретение микроскопа открыло передучеными огромный новый мир микроорганизмов, заложив основы современной биологии имедицины. Сегодня в социальных науках происходят сопоставимые по масштабу изменения[1–3]. В роли оптических приборов выступают методы сбора и анализа цифровых следов,огромных массивов данных, ставших доступными благодаря развитию информационныхтехнологий.Цифровые следы позволяют увидеть то, что до сих пор оставалось недоступно взглядуисследователей.

Так, например, исследователи образования давно изучают социальные связимежду учащимися [4–9], однако долгое время единственным методом для сбора такихданных оставались опросы. Опросы позволяют эффективно построить сеть связей только длянебольшой замкнутой группы людей.

В результате исследователи образования хорошопредставляют как может выглядеть сеть социальных контактов внутри одной школы, нопрактически ничего не знают о связях учащихся из разных школ. Сегодня же Facebookобладает информацией о сети дружбы двух миллиардов человек1. Информация о социальныхсвязях не обязательно должна быть указана явно, как в случае дружбы в социальной сети.

Ееможно восстанавливать из других источников, например, по логам телефонных звонков [10]или через физическую близость, определяемую по показаниям датчиков мобильныхустройств [11]. Помимо этого, непосредственный доступ к информации о поведении людейрешает проблему цензурированности ответов, свойственную опросам [12].Другим преимуществом цифровых следов является существенное удешевление  исследований. Крупнейшее международное исследование PISA охватывает около 500 000школьников [13]. Его организация требует огромного количества ресурсов и координацииработы команд из разных стран.

На национальном уровне крупными считаютсяисследования с несколькими тысячами участников, выпускные квалификационные работызащищаются на выборках из сотен и даже десятков респондентов. Данные из социальныхсетей позволяют отдельным исследователям работать с гораздо большими выборками,достигающими десятков миллионов человек [14–16]. При этом данные не обязательнодолжны быть доступны непосредственно. В ряде исследований было показано, чторазличные демографические характеристики такие как этничность, пол и уровень дохода1https://newsroom.fb.com/company-info/4могут быть восстановлены по твитам [17], изображениям в профиле [18], постампользователей [19] или фотографиям улиц [20].Социальные науки традиционно делают акцент на интерпретации результатов ипостроении различных теорий и сильно уступают естественным наукам в предсказательнойсиле [21, 22].

Это накладывает существенные ограничения на возможность практическогоприменения полученных знаний. Одна из причин слабой предсказательной силы заключаетсяв том, что социальные системы и законы, которые ими управляют, слишком сложны, чтобыбыть описаны простыми переменными [23]. Так переменная, принимающая всего несколькодискретных значений, теоретически не может описать все многообразие поведения людей иих личностных характеристик.

Сегодня благодаря большим данным появляется возможностьконструировать новые переменные, обладающие гораздо большей предсказательной силой.Например, было показано, что информация о лайках в социальной сети позволяет с высокойточностью предсказывать самые разные характеристики пользователей от их сексуальнойориентации и уровня интеллекта до развода родителей [24]. Отдельные лайки не обладаютбольшой предсказательной силой, однако их совокупность складывается в уникальныйцифровой след, обладающий высокой предсказательной силой.Таким образом, использование цифровых следов для изучения поведения человекаявляется одной из наиболее перспективных и активно развивающихся областей всоциальных науках. Этот подход обладает большим потенциалом и в исследованияхобразования. В Российском контексте наиболее богатым источником данных можетпослужить социальная сеть ВКонтакте, возможности которой уже начинают использоватьсяв исследованиях образования [25–27].

ВКонтакте представляет особый интерес не только изза открытого доступа к большому количеству данных, но и в связи с той ролью, которая этасоциальная сеть играет в жизни современных учащихся.Сегодня молодые люди практически постоянно находятся онлайн [28, 29] и проводятзначительную часть своего времени в социальных сетях [30]. Именно из социальных сетейосуществляется большинство переходов на другие ресурсы интернета [31].

В РоссииВКонтакте называют основным источником получения новостной информации о стране имире 70.3% опрошенных молодых людей — больше, чем любой другой источникинформации [32]. По уровню доверия ВКонтакте опережает традиционные средствамассовой информации [32]. Таким образом, именно ВКонтакте в значительной мереформирует информационное окружение современных российских учащихся. В связи с этимособенно актуальным становится изучение характера этого информационного окружения ипонимание того, насколько оно различается для разных групп учащихся.5Настоящая работа посвящена разработке методов извлечения и анализа данныхВКонтакте в контексте исследований образования и применению этих методов к изучениюдифференциации учащихся по академической успеваемости.

Необходимость разработкиметодов обусловлена тем, что до сих пор недостаточно известно о степени достоверностиданных ВКонтакте и о возможных смещениях выборки, а работа с большими имногомерными данными требует специальных подходов. Дифференциация же учащихся всоциальной сети имеет особое значение в контексте проблематики цифрового неравенства[33–35].Теоретическая рамкаАвторы концепции цифрового неравенства отмечают, что одним из обобщенийисследований неравенства в доступе к информационным и культурным ресурсам являетсяпринцип дифференциации. Принцип заключается в том, что на начальном этапе — покадоступ к какому-то ресурсу ограничен — использование этого ресурса остаетсяотносительно недифференцированным.