3Резюме (1136613), страница 3
Текст из файла (страница 3)
Сравнение групп учащихся, различающихся способом представленияданных о себе на «ВКонтакте», по половому составу и успеваемости. Выборка «Школа».Доля девочекСредний баллНайденные на ВКонтакте46%3.80Не найденные на ВКонтакте48%3.79Не указавшие школу48%3.77Использующие альтернативную форму имени50%3.79Для выборки «Страна» доля найденных пользователей не зависит от типа населенногопункта (Таблица 4). Единственным исключением является значимо меньшее количестводевушек в селах.11Таблица 4.
Сравнение долей найденных на ВКонтакте пользователей в зависимости оттипа населенного пункта.ДевушкиЮношиНаселенный пункт сельского типа (село, хутор, деревня ипр.)68%83%Населенный пункт городского типа (рабочий поселок,поселок городского типа и пр.)86%93%Город с населением < 50 тыс. человек87%90%Город с населением 50–100 тыс. человек81%85%Город с населением 100–450 тыс. человек81%88%Город с населением 450–680 тыс. человек83%86%Город с населением >680 тыс. человек79%84%г. Санкт-Петербург83%87%г. Москва78%73%Использование информации о дружеских связях учащихся позволяет эффективноотфильтровывать профили с недостоверной информацией, если исключать из выборкипользователей, указавших, что они учатся в некоторой школе, но не имеющих друзей из этойшколы.
По одной из оценок на выборке «Школа» количество профилей с недостовернойинформацией может быть уменьшено с 66% до 8%.Структура социальных связей в цифровом пространствеНамибылообнаружено,чтоструктурасоциальныхсвязейнаВКонтактевоспроизводит структуру образовательного учреждения, включая разбиение школы напараллели классов, Q = 0.47 (Рисунок 1а), и корпуса, Q = 0.35 (Рисунок 1б), а такжеразбиение университета на кампусы, Q = 0.32, курсы, Q = 0.58, и образовательныепрограммы, Q = 0.68 (Рисунок 2). Во всех случаях полученные значения модулярности Qстатистически значимы, p < 10-4 (тест перестановок).12Рисунок 1.
Структура социальных связей школы. Узлы сети соответствуют учащимсяшколы, а связи между ними — дружбе на ВКонтакте. Разные цвета соответствуютпараллелям с пятого по одиннадцатый класс (а) и корпусам школы (б).Рисунок 2. Структура социальных связей студентов университетов. Разные цветасоответствуют разным курсам, видимые кластеры внутри каждого курса соответствуютотдельным образовательным программам.13Нами была также изучена структура дружеских связей в масштабах города (Рисунок3) и было показано, что вероятность наличия дружеской связи между школами убывает сростом географического расстояния между ними согласно степенному закону (Рисунок 4).Рисунок 3.
Структура социальных связей между школами Санкт-Петербурга. Разныецвета соответствуют разным административным районам.Рисунок 4. Зависимость вероятности дружбы на ВКонтакте между учащимися отгеографического расстояния между их школами.14Дифференциация социальных связей в цифровом пространствеНами было показано, что социальные связи учащихся одного образовательногоучреждения дифференцированы по академической успеваемости, а именно, что учащиеся сосхожей успеваемостью чаще взаимодействуют онлайн.
При этом мы обнаружили, чтостепень этой дифференциации возрастает с течением времени (Рисунок 5). Мы такжепоказали, что рост дифференциации связан не с изменением оценок учащихся, а сперераспределением связей: наименее похожие учащиеся разрывают связи с большейвероятностью, а наиболее похожие — чаще устанавливают новые связи между собой.Результаты этого исследования были представлены в [44].Рисунок 5. Рост корреляции (Homophily Index) между средним баллом учащихся исредним баллом их друзей для школы (a) и университета (b).Мы также изучили социальные связи учащихся в масштабе города.
Мыпродемонстрировали, что вероятность дружеской связи на ВКонтакте между учащимисяразных школ тем выше, чем ближе их школы по академической успеваемости. Причем этонаблюдение остается верным независимо от географического расстояния между школами(Рисунок 6). Таким образом, школы оказываются сегрегированы в цифровом пространстве,несмотря на отсутствие географической сегрегации.15Рисунок 6. Корреляция между средним баллом ЕГЭ выпускников школы и среднимбаллом ЕГЭ соседних с ней школ в цифровом (a) и физическом (b) пространстве.Дифференциация интересов в цифровом пространствеМы обнаружили, что интересы учащихся в социальной сети связаны с их полом(например,мальчикиотдаютпредпочтениегруппам,связаннымсфутболомикомпьютерными играми), возрастом (например, старшеклассники чаще интересуютсявыпускными экзаменами), а также с успеваемостью [45].
Наименее успевающие учащиесясостоят в таких сообществах, как «Любовный гороскоп» и «Необычный гороскоп», анаиболее успевающие в сообществах «Интересные факты» и «Лучшие стихи великихпоэтов» (Рисунок 7).При этом мы показали, что интересы в социальной сети могут объяснять до 25%вариации в образовательных достижениях учащихся (Рисунок 8). Эта величина сопоставимасо вкладом социально-экономического статуса, измеренного традиционными методами.Разрыв в образовательных результатах между подписчиками разных групп (например,«МХК» и «Любовный гороскоп») может достигать величины эквивалентной двум годамформального обучения (Таблица 5).16Рисунок 7. Карта интересов учащихся.Рисунок 8. Коэффициент корреляции Пирсона между предсказанными по интересам иреальными баллами PISA в зависимости от количества компонент, используемых врегрессионной модели.17Таблица 5.
Названия публичныхстраниц, вносящих наибольший вкладвакадемический компонент интересов пользователей. Средние значения баллов PISA истандартные ошибки (в скобках) приведены для каждого из трех предметов PISA.МатематикаЧтениеЕстествознаниеПоложительный вкладМХК538 (4.6)530 (4.5)532 (4.3)Science|Наука521 (4.2)502 (4.1)516 (3.8)Лучшие стихивеликих поэтов509 (4.0)507 (4.0)508 (3.9)Наука и техника507 (4.1)479 (4.3)504 (4.0)5 лучших фильмов505 (3.9)492 (3.9)503 (3.7)Отрицательный вкладПЗДЦ473 (3.3)449 (3.4)472 (3.2)Убойный юмор471 (5.1)447 (5.1)471 (4.7)Четкие приколы467 (4.9)444 (5.1)465 (4.9)Необычныйгороскоп462 (5.1)450 (5.3)460 (5.0)Любовныйгороскоп450 (5.3)442 (5.8)453 (5.2)Положения выносимые на защитуПолученные результаты могут быть резюмированы в виде следующих положений,выносимых на защиту:— предложенный нами метод позволяет извлекать из ВКонтакте информацию,обладающую высокой степенью достоверности, и объединять ее с образовательнымиданными; полученные данные могут быть использованы для изучения социальных связейучащихся и их интересов;—_связи в социальной сети воспроизводят реальную структуру образовательныхорганизаций, а социальная близость в сети тесно связана с географической близостью;вероятность дружбы между учащимися из разных школ убывает с ростом географическогорасстояния между этими школами по степенному закону;18— социальные связи учащихся в цифровом пространстве дифференцированы поакадемической успеваемости; внутри образовательной организации учащиеся со схожейуспеваемостью чаще образуют связи между собой, а с несхожей — чаще разрывают;учащиеся школ со схожими образовательными достижениями выпускников чаще образуютсвязи между собой независимо от географического расстояния между их школами;—интересыучащихсявцифровомпространстведифференцированыпоакадемической успеваемости; разрыв в образовательных достижениях подписчиков разныхгрупп может достигать эквивалента двух лет формального обучения.19ЗАКЛЮЧЕНИЕЭтические соображенияДля целей исследования использовалась публично доступная информация изсоциальной сети.
Команда ВКонтакте подтвердила, что собранные нами данные могут бытьиспользованы в исследовательских целях. Процедура сопоставления профилей ВКонтакте иучащихсяпроводиласьавтоматически,послезавершенияпроцедурыданныеанонимизировались и только в таком виде использовались для анализа. Процедурасопоставления и анонимизации данных была одобрена этической комиссией НИУ ВШЭ.При этом важно отметить, что новые источники данных открывают не толькобольшие возможности перед исследователями, но и ставят перед ними новые этическиевопросы. Так, например, особого внимания требует представление об информированномсогласии.Принимаяпользовательскоесоглашение,пользователисоциальнойсетиформально дают согласие на то, что информация о них может быть доступна третьим лицами использоваться для самых разных целей.
Однако возникает вопрос, действительно ли такоесогласие можно считать информированным. Особенно с учетом того, что пользовательскиесоглашения редко читаются, а если читаются, то пользователи все равно могут не до концаосознавать последствия своего согласия. Например, многочисленные исследованияпоказывают, что по цифровым следам может быть эффективно восстановлена информация,которую пользователи не указывали и, возможно, предпочли бы скрыть. Несмотря напоявление первых рекомендаций, многие этические вопросы, связанные с использованиемцифровых следов в исследованиях, до сих пор остаются недостаточно проясненными итребуют повышенного внимания со стороны научного сообщества.Научная новизна и значимость полученных результатовНами впервые было проведено масштабное исследование, объединяющее детальнуюинформацию о поведении учащихся в социальной сети ВКонтакте с образовательнымиданными, предложены методы повышения качества полученных данных и даны оценкисмещения выборки. Был предложен новый подход к изучению эволюции социальных связейучащихся, не требующий проведения затратных по времени лонгитюдных исследований.Было показано, как из публично доступной информации в социальной сети можетизвлекаться информация об интересах учащихся, обладающая высокой предсказательнойсилой по отношению к различным характеристикам, включая возраст, пол и академическуюуспеваемость.
Полученные результаты имеют большое значение для развития методологииисследований образования, так как предложенные нами методы сбора и анализа данных20могут быть заимствованы другими исследователями и уже были использованы в ряде работ[46–48].Нами впервые была изучена структура дружеских связей учащихся в масштабе городаи выявлена зависимость вероятности дружбы между учащимися двух школ отгеографического расстояния между ними. Нами также была изучена эволюция социальныхсвязей учащихся образовательной организации, показано, что уровень дифференциации этихсвязей по академической успеваемости возрастает с течением времени, объясненымеханизмы этого явления. Нами была показана дифференциация интересов учащихся взависимости от успеваемости, впервые дана оценка различий в образовательныхдостижениях между подписчиками разных групп.Нами было показано, что как социальные связи учащихся, так и их интересыобладают большой предсказательной силой в отношении академической успеваемости.Сконструированныенамипеременныеобъясняютнеменьшийпроцентвариацииобразовательных достижений (как отдельных учащихся, так и школ), чем социальноэкономический статус, измеренный с помощью традиционных индексов, таких, например,как индекс экономического, социального и культурного статуса (ESCS), используемый висследовании PISA.
Это дает основания использовать сконструированные нами переменныедля операционализации социального и культурного капитала учащихся (по крайней мере, егоцифрового измерения). Традиционные индексы до сих пор включают в себя уровеньобразования родителей и количество книг дома. Такие переменные обладают низкойразрешающей способностью и могут с течением времени терять очевидную валидность.Другим потенциальным преимуществом предложенного нами подхода является то, что онпереносит акцент с характеристик семей на индивидуальные характеристики учащихся.Важно отметить, что полученные результаты не дают ответа на вопрос о том, служитли обнаруженная дифференциация механизмом воспроизводства неравенства и приводит лиона к его усилению.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
