Диссертация (Дифференциация учащихся по академической успеваемости в социальной сети)
Описание файла
Файл "Диссертация" внутри архива находится в папке "Дифференциация учащихся по академической успеваемости в социальной сети". PDF-файл из архива "Дифференциация учащихся по академической успеваемости в социальной сети", который расположен в категории "". Всё это находится в предмете "психология" из Аспирантура и докторантура, которые можно найти в файловом архиве НИУ ВШЭ. Не смотря на прямую связь этого архива с НИУ ВШЭ, его также можно найти и в других разделах. , а ещё этот архив представляет собой кандидатскую диссертацию, поэтому ещё представлен в разделе всех диссертаций на соискание учёной степени кандидата психологических наук.
Просмотр PDF-файла онлайн
Текст из PDF
ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ АВТОНОМНОЕ ОБРАЗОВАТЕЛЬНОЕУЧРЕЖДЕНИЕ ВЫСШЕГО ОБРАЗОВАНИЯ«НАЦИОНАЛЬНЫЙ ИССЛЕДОВАТЕЛЬСКИЙ УНИВЕРСИТЕТ«ВЫСШАЯ ШКОЛА ЭКОНОМИКИ»ИНСТИТУТ ОБРАЗОВАНИЯНа правах рукописиСмирнов Иван БорисовичДифференциация учащихся поакадемической успеваемости в социальной сетиДИССЕРТАЦИЯна соискание ученой степеникандидата наук НИУ ВШЭ об образованииНаучный руководитель:доктор психологических наук, профессорПоливанова Катерина НиколаевнаМосква — 20182РаботаавтономноговыполненавобразовательногоИнститутеобразованияучреждениявысшегофедеральногообразованиягосударственного«Национальныйисследовательский университет «Высшая школа экономики».Защитапроводитсяпочетыремпубликациям,представленнымвприложениях А-Г: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» какинструмент изучения интересов современных подростков // Вопросы образования.2017. №2. C. 134-151.3.Smirnov I., Thurner S.
Formation of homophily in academic performance: Students changetheir 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 — VIII Международная конференция Российской ассоциации исследователейвысшего 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, 2018.3ОГЛАВЛЕНИЕВВЕДЕНИЕ4МЕТОДОЛОГИЯ И ДИЗАЙН ИССЛЕДОВАНИЯ8ОСНОВНЫЕ РЕЗУЛЬТАТЫ ИССЛЕДОВАНИЯ11ЗАКЛЮЧЕНИЕ21СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ24ПРИЛОЖЕНИЕ А.
Статья «В поисках утраченных профилей:достоверность данных “ВКонтакте” и их значение дляисследований образования».ПРИЛОЖЕНИЕ Б. Статья «Что в профиле тебе моем: данные“ВКонтакте” как инструмент изучения интересовсовременных подростков».ПРИЛОЖЕНИЕ В. Статья «Formation of homophily in academicperformance: Students change their friends rather thanperformance».ПРИЛОЖЕНИЕ Г. Статья «Predicting PISA scores from students’digital traces».ПРИЛОЖЕНИЕ Д. Доклад «School segregation in the digital space».4ВВЕДЕНИЕИнструменты и измерительные приборы всегда играли важную роль в развитии науки.Изобретение телескопа открыло перед учеными огромный новый мир небесных тел.Наблюдения за движением планет легли в основу классической механики и дали начало физикекак науке в современном понимании. Изобретение микроскопа открыло перед ученымиогромный новый мир микроорганизмов, заложив основы современной биологии и медицины.Сегодня в социальных науках происходят сопоставимые по масштабу изменения [1–3].
В ролиоптических приборов выступают методы сбора и анализа цифровых следов, огромных массивовданных, ставших доступными благодаря развитию информационных технологий.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 таких данныхоставались 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 Facebook обладаетинформацией о сети дружбы двух миллиардов человек 1. Информация о социальных связях необязательно должна быть указана явно, как в случае дружбы в социальной сети. Ее можновосстанавливать из других источников, например, по логам телефонных звонков [10] или черезфизическую близость, определяемую по показаниям датчиков мобильных устройств [11].Помимо этого, непосредственный доступ к информации о поведении людей решает проблемуцензурированности 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 считаются исследования снесколькими тысячами участников, выпускные квалификационные работы защищаются навыборках из сотен и даже десятков респондентов. Данные из социальных сетей позволяютотдельным исследователям работать с гораздо большими выборками, достигающими десятковмиллионов человек [14–16]. При этом данные не обязательно должны быть доступнынепосредственно. В ряде исследований было показано, что различные демографические1https://newsroom.fb.com/company-info/5характеристики такие как этничность, пол и уровень дохода могут быть восстановлены потвитам [17], изображениям в профиле [18], постам пользователей [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 заключается втом, что социальные системы и законы, которые ими управляют, слишком сложны, чтобы бытьописаны простыми переменными [23]. Так переменная, принимающая всего несколькодискретных значений, теоретически не может описать все многообразие поведения людей и ихличностных 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 в социальныхнауках. Этот подход обладает большим потенциалом и в исследованиях образования.
ВРоссийском контексте наиболее богатым источником данных может послужить социальная сетьВКонтакте, возможности которой уже начинают использоваться в исследованиях образования[25–27]. ВКонтакте представляет особый интерес не только из-за открытого доступа кбольшому количеству данных, но и в связи с той ролью, которая эта социальная сеть играет вжизни 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 России ВКонтактеназывают основным источником получения новостной информации о стране и мире 70.3%опрошенных молодых людей — больше, чем любой другой источник информации [32]. Поуровню доверия ВКонтакте опережает традиционные средства массовой информации [32].Таким образом, именно ВКонтакте в значительной мере формирует информационноеокружение современных российских учащихся. В связи с этим особенно актуальнымстановится изучение характера этого информационного окружения и понимание того,насколько оно различается для разных групп учащихся.6Настоящая 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 и многомернымиданными требует специальных подходов. Дифференциация же учащихся в социальной сетиимеет 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 — пока доступк какому-то ресурсу ограничен — использование этого ресурса остается относительнонедифференцированным.
Со временем ресурс становится более доступным и одновременно сэтим увеличивается уровень дифференциации его использования. Это связано с тем, что болеепривилегированные группы находят способы использовать этот ресурс так, чтобы извлекать изнего большую выгоду, чем менее привилегированные группы [33].Типичным примером такого ресурса является образование. После того как доступ кшкольному образованию стал практически универсальным, бо́ льшая часть высшего и среднегокласса стала посещать университеты и именно наличие высшего образования стало основнымдифференцирующим признаком. Когда высшее образование стало массовым, то произошлоразделение на селективные и массовые университеты.
Дифференцирующим признаком сталоокончание престижного университета, а не просто факт наличия высшего образования [33].Аналогичная ситуация наблюдается с доступом к цифровым ресурсам. Теоретическиглобальная сеть предоставляет всем учащимся равный доступ к практически неограниченномуобъему знаний, однако еще в середине девяностых годов большую озабоченность сталвызывать цифровой разрыв между теми, кто имеет доступ к компьютерам (позднее кинтернету), и теми, кто такого доступа не имеет [36]. После повсеместного распространенияинтернета речь зашла о втором цифровом разрыве, на этот раз связанном с различиями в уровнеинформационной грамотности и умении использовать все те возможности, которыепредоставляет интернет. Сегодня основной акцент делается на более широком понятии —цифровом неравенстве, то есть различиях в использовании интернета среди людей, которыеформально имеют к нему равный доступ [33].Существующие исследования как на зарубежных [37], так и на российских выборках [38]свидетельствуют о значительных различиях в использовании интернета между пользователями7с разным уровнем образования.