3Резюме (1136613), страница 4
Текст из файла (страница 4)
Также в нашей работе не изучается связь онлайн-поведения учащихся схарактеристиками их семей. На эти вопросы могут быть призваны ответить последующиеисследования.Полученные нами результаты важны не только с научной, но и с практической точкизрения, ввиду той значительной роли, которую социальные сети играют в жизни учащихся.Главным компонентом социальной сети является новостная лента, которая формируется изинформации, публикуемой друзьями, и из подписок на различные сообщества.
Мы показали,что и первое, и второе дифференцировано по академической успеваемости. Таким образом,ежедневный поток цифровой информации принципиально различается для учащихся сразной успеваемостью. Преподавателям имеет смысл учитывать это обстоятельство в своей21практике. Несмотря на то что цифровое окружение учащихся находится вне контролятрадиционных педагогических методов, преподаватели имеют возможность влиять на него.Например,характернойособенностьюсовременныхсоциальныхсетейявляютсярекомендательные алгоритмы, предлагающие новую информацию схожую с той, чтоинтересовала пользователя раньше.
Наше исследование показывает, что это создаетопасность того, что учащиеся с низкой академической успеваемостью окажутся заперты винформационном пузыре из гороскопов и «четких приколов». В том случае, если это будетпризнано нежелательным, преподаватели могут давать учащимся задания по поиску учебнойинформации в социальной сети и в интернете, мотивируя их тем самым оставлять цифровыеследы, которые будут использованы рекомендательными системами для показа новойразвивающей информации. Разработка и изучение эффективности этой и другихпедагогических интервенций могут стать логичным продолжением выполненного намиисследования.22СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ1.
Watts D.J. A twenty-first century science // Nature. 2007. Vol. 445. №. 7127. P. 489–489.2. Lazer D., Pentland A., Adamic L., Aral S., Barabási A., Brewer D., Christakis N.,Contractor N., Fowler J., Gutmann M., Jebara T., King G., Macy M., Roy D., Alstyne M. V.Computational social science // Science.
2009. Vol. 323. №. 5915. P. 721–723.3. McFarland D. A., Lewis K., Goldberg A. Sociology in the era of big data: The ascent offorensic social science // The American Sociologist. 2016. Vol. 47. №. 1. P. 12–35.4. Kandel D. B. Homophily, selection, and socialization in adolescent friendships //American journal of Sociology.
1978. Vol. 84. №. 2. P. 427-436.5. Tuma N. B., Hallinan M. T. The effects of sex, race, and achievement on schoolchildren'sfriendships // Social Forces. 1979. Vol. 57. №. 4. P. 1265-1285.6. Shrum W., Cheek Jr. N. H., MacD S. Friendship in school: Gender and racial homophily// Sociology of Education. 1988. P. 227-239.7. Flashman J. Academic achievement and its impact on friend dynamics // Sociology ofeducation. 2012. Vol. 85. №. 1. P.
61-80.8. Currarini S., Jackson M. O., Pin P. Identifying the roles of race-based choice and chancein high school friendship network formation // Proceedings of the National Academy of Sciences.2010. Vol. 107. №. 11. P. 4857-4861.9. Lomi A., Snijders T. A., Steglich C. E., Torló V. J. Why are some more peer than others?Evidence from a longitudinal study of social networks and individual academic performance //Social Science Research. 2011. Vol. 40. №.
6. P. 1506-1520.10. Eagle N., Pentland A. S., Lazer D. Inferring friendship network structure by usingmobile phone data // Proceedings of the national academy of sciences. 2009. Vol. 106. №. 36.P. 15274-15278.11. Mastrandrea R., Fournet J., Barrat A. Contact patterns in a high school: a comparisonbetween data collected using wearable sensors, contact diaries and friendship surveys // PloS one,2015. Vol. 10. №.
9, e0136497. URL: https://doi.org/10.1371/journal.pone.0136497 (датаобращения: 07.06.2018).12. Stephens-Davidowitz S. Everybody lies: Big data, new data, and what the internet cantell us about who we really are. – Dey Street Books, 2017.13. OECD (2016), PISA 2015 Results (Volume I): Excellence and Equity in Education,PISA,OECDPublishing,обращения: 07.06.2018).Paris,URL:https://doi.org/10.1787/9789264266490-en(дата2314. Bond R.
M., Fariss C. J., Jones J. J., Kramer A. D., Marlow C., Settle J. E., Fowler J. H.A 61-million-person experiment in social influence and political mobilization // Nature. 2012. Vol.489. №. 7415. P. 295–298.15. Kramer A. D., Guillory J. E., Hancock J. T. Experimental evidence of massive-scaleemotional contagion through social networks // Proceedings of the National Academy of Sciences.2014. Vol. 111. №. 24.
P. 8788–8790.16. Hobbs W. R., Burke M., Christakis N. A., Fowler J. H. Online social integration isassociated with reduced mortality risk // Proceedings of the National Academy of Sciences. 2016.Vol. 113. №. 46. P. 12980-12984.17. Preoţiuc-Pietro D., Volkova S., Lampos V., Bachrach Y., Aletras N. Studying userincome through language, behaviour and affect in social media // PloS one.
2015. Vol. 10. № 9,e0138717. URL: https://doi.org/10.1371/journal.pone.0138717 (дата обращения: 07.06.2018).18. An J., Weber I. # greysanatomy vs.# yankees: Demographics and hashtag use on twitter.Proceedings of the Tenth International Conference on Web and Social Media. - Cologne, Germany:AAAI Press, 2016.19. Rao D., Paul M., Fink C., Yarowsky D., Oates T., Coppersmith G. Hierarchical bayesianmodels for latent attribute detection in social networks. In Proceedings of the InternationalConference on Weblogs and Social Media. 2011.20.
Gebru T., Krause J., Wang Y., Chen D., Deng J., Aiden E. L., Fei-Fei L. Using deeplearning and Google Street View to estimate the demographic makeup of neighborhoods across theUnited States // Proceedings of the National Academy of Sciences. 2017. Vol. 114. №. 50.P. 13108–13113.21. Watts D. J. Common sense and sociological explanations // American Journal ofSociology. 2014. Vol. 120. №. 2. P. 313-351.22. Hofman J. M., Sharma A., Watts D.
J. Prediction and explanation in social systems //Science. 2017. Vol. 355. №. 6324. P. 486–488.23. Von Hayek F. A. The pretence of knowledge // The American Economic Review. 1989.Vol. 79. №. 6. P. 3–7.24. Kosinski M., Stillwell D., Graepel T. Private traits and attributes are predictable fromdigital records of human behavior // Proceedings of the National Academy of Sciences.
2013.Vol. 110. №. 15. P. 5802–5805.25. Krasilnikov A., Semenova M. Do Social Networks Help to Improve Student AcademicPerformance? The Case of Vk.com and Russian Students // Economics Bulletin. 2014. Vol. 34.№. 2. P. 718–733.2426. Докука С. В., Валеева Д. Р., Юдкевич М. М. Коэволюция социальных сетей иакадемических достижений студентов // Вопросы образования. 2015. №3. С. 44–65.27. Alexandrov D., Karepin V., Musabirov I. Educational migration from Russia to China:social network data. In Proceedings of the 8th ACM Conference on Web Science. 2016.URL: doi:10.1145/2908131.2908192 (дата обращения: 07.06.2018).28. Королева Д.
О. Всегда онлайн: использование мобильных технологий исоциальных сетей современными подростками дома и в школе // Вопросы образования. 2016.№ 1.С. 205-224.29. Королева Д. О. Исследование повседневности современных подростков:присутствие в социальных сетях как неотъемлемая составляющая общения // Современнаязарубежная психология. 2016. Т.
5. № 2. С. 55-61.30. Google (2017). Новое поколение интернет-пользователей: исследование привычеки поведения российской молодежи онлайн. URL: https://www.thinkwithgoogle.com/intl/ruru/research-study/novoe-pokolenie-internet-polzovatelei-issledovanie-privychek-i-povedeniiarossiiskoi-molodezhi-onlain/ (дата обращения: 07.06.2018).31.Shareaholic.SocialMediaTrafficReport.2014.URL:https://blog.shareaholic.com/social-media-traffic-trends-01-2015/ (дата обращения: 07.06.2018).32. Касамара В. А. Ценностные ориентация российского студенчества. 2017.URL: https://ioe.hse.ru/seminar1617 (дата обращения: 07.06.2018).33.
Dimaggio P., Hargittai E., Celeste C., Shafer S. Digital inequality: From unequal accessto differentiated use. Social Inequality. – New York: Russell Sage Foundation, 2004. P. 355-400.34. DiMaggio P., Hargittai E. "From the 'Digital Divide' to 'Digital Inequality': StudyingInternet Use as Penetration Increases" Working Papers 47. Princeton University, Woodrow WilsonSchool of Public and International Affairs, Center for Arts and Cultural Policy Studies. 2001.
4(1),4-2.35. DiMaggio P., Hargittai E., Neuman W. R., Robinson J. P. Social implications of theInternet // Annual review of sociology. 2001. Vol. 27. №. 1. P. 307-336.36. Poole, G. A. A new gulf in American education, the digital divide. // New York Times.1996. 29.01.1996.
D3.37. Hargittai E., Hinnant A. Digital inequality differences in young adults' use of the Internet// Communication Research. 2008. Vol. 35. №. 5. P. 602-621.38. Волченко О. В. Динамика цифрового неравенства в России // Мониторингобщественного мнения: экономические и социальные перемены. 2016. № 5. С. 163-18239. Hansen J. D., Reich J. Democratizing education? Examining access and usage patternsin massive open online courses // Science. 2015. Vol. 350. №. 6265. P.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
