Диссертация (1136614), страница 2
Текст из файла (страница 2)
Более образованные люди чаще используют интернет дляполучения ценной информации и поиска работы, а менее образованные для развлечения [37,38]. Помимо этого, было обнаружено, что учащиеся с низким социально-экономическимстатусом записываются на онлайн-курсы гораздо реже, чем учащиеся с высоким статусом, аесли записываются, то с меньшей вероятностью успешно их оканчивают [39, 40].При этом в большинстве случае сравнение производится между широкими социальнодемографическими группами (анализируются такие характеристики, как пол, наличие высшегообразования и т.
п. [41]), а информация об использовании интернета берется из опросов. Внашей работе мы предлагаем использовать гораздо более детализированные данные, а именноинформацию об академической успеваемости учащихся и детальную информацию об ихфактическом поведении в социальной сети.Цели и задачи исследованияЦелью исследования является разработка методов извлечения и анализа данныхВКонтакте и их применение для изучения характера взаимосвязи поведения учащихся всоциальной сети с их академическими достижениями.
Для достижения этой цели былипоставлены следующие задачи:— Разработать методологию извлечения достоверных данных из социальной сети и ихобъединения с образовательными данными; определить возможные отклонения выборкипользователей ВКонтакте по сравнению с выборкой всех учащихся.— Изучить структуру онлайн-связей учащихся и ее зависимость от структурыобразовательных организаций; изучить структуру онлайн-связей между учащимися разныхобразовательных организаций и ее зависимость от географического расстояния между ними.—Определитьналичиезависимостимежду онлайн-связямиучащихсяиихакадемической успеваемостью, проследить изменение этой зависимости с течением времени.— Выявить и проанализировать зависимость между онлайн-интересами учащихся и ихакадемической успеваемостью.8МЕТОДОЛОГИЯ И ДИЗАЙН ИССЛЕДОВАНИЯДля целей исследования нами было разработано программное обеспечение (программа),которое выполняет запросы к API «ВКонтакте» и получает список всех пользователей,указавших, что они учатся в заданной образовательной организации, и соответствующихопределенным возрастным ограничениям.
Программа производит сопоставление и объединениеинформации из профилей пользователей с информацией об учащихся образовательнойорганизации. После проведения объединения данные анонимизируются и сохраняются дляпоследующих исследований.Прямоесопоставлениепоимениифамилиипозволяетобнаружитьлишьнезначительную часть учащихся, поэтому дополнительно нами был составлен обширныйсловарь различных форм имени (например, Иван—Ваня—Ванюша), а также разработаналгоритм сопоставления имен, написанных латиницей и кириллицей. Помимо поиска средипользователей, указавших, что они учатся в заданной образовательной организации, программатакже осуществляет поиск среди их друзей в социальной сети.В том случае, когда информация о реальных учащихся образовательной организации небыла доступна, мы исключали из выборки тех пользователи, у которых не было друзей из их жеобразовательной организации.
Такой подход позволяет эффективно отфильтровать профили снедостоверной информацией.С помощью предложенного метода нами были собрано четыре уникальных набораданных,совмещающихобразовательныеданныесданнымиобонлайн-поведениипользователей:— «Школа», сплошная выборка учащихся одной московской школы с пятого поодиннадцатый классы (N = 766);— «Университет», сплошная выборка студентов НИУ ВШЭ (N = 15 757);— «Город», сплошная выборка пользователей ВКонтакте, указавших, что они учатся илиучились в одной из школ Санкт-Петербурга (N = 1 742 392);— «Страна», репрезентативная по России выборка молодых людей 1995–1997-го годоврождения (N = 4 893).Последняя выборка включает участников лонгитюдного проекта «Траектории вобразовании и профессии», давших согласие на использование их персональных данных висследовательских целях [42].9Для изучения того, как структура дружеских связей в социальной сети связана соструктурой образовательной организации, нами использовался показатель модулярности Q.
Этавеличина равна разности между долей дружеских связей, соединяющих учеников из однойгруппы (одной параллели, одной образовательной программы, одного корпуса, кампуса и т. д.)и ожидаемой долей таких связей в том случае, если бы они распределялись случайно. Чтобыпоказать, что полученные значения Q не могут объясняться случайностью, нами использовалсятест перестановок.
Мы оставляли структуру сети неизменной, но случайным образомперемешивали значения атрибутов узлов (например, номер параллели) и вычисляли Qrand дляподобной рандомизированной сети. Сравнение значения Q со значениями10 000 сгенерированных Qrand позволило сделать вывод об уровне статическойзначимости полученных результатов. Для изучения связи структуры дружбы с географическимрасстоянием нами была проанализирована зависимость между вероятностью наличия дружбымежду учащимися и географическим расстоянием между их школами.Для детального изучения эволюции социальных связей внутри образовательнойорганизации вместо дружбы на ВКонтакте нами использовалась информация об историивзаимодействия учащихся. Мы разбили изучаемый промежуток времени на интервалыдлительностью три месяца.
Для каждого из интервалов нами была построена сеть социальныхсвязей следующим образом: связь между двумя пользователями существовала в том случае,если один из них поставил отметку «Мне нравится» другому хотя бы один раз на протяженииэтого периода времени. Мы затем вычислили коэффициент корреляции между успеваемостьюучащихся и средней успеваемостью тех, с кем они связаны. Подобный подход позволил нетолько определить степень дифференциации социальных связей по успеваемости, но ипроследить за тем, как это значением менялось с течением времени.Уровень дифференциации социальных связей в масштабах города вычислялся черезкоэффициент корреляции между средним баллом ЕГЭ выпускников одной школы и среднимбаллом ЕГЭ выпускников тех школ, с которыми она связана в социальной сети.
Связь школ всоциальной сети определялась через наличие хотя бы одной дружеской связи на ВКонтактемежду ее учащимися. Чтобы убедиться в том, что обнаруженный эффект не связан сгеографическим расположением школ в городе нами использовалась модель случайного графа,сохранявшая зависимость между вероятностью связи между школами и географическимрасстоянием между ними.Интересы пользователей анализировались через информацию об их подписках напубличные страницы в социальной сети.
Был вычислен средний балл подписчиков различныхстраниц, их средний возраст и доля девушек среди подписчиков. Для того чтобы показать связьмежду интересами в социальной сети и успеваемостью, нами была построена модель,10позволяющая предсказывать успеваемость по информации о подписках. Нами были выделеныглавные компоненты, содержащие информацию об интересах пользователей в сети, которыезатем были использованы в качестве предикторов в линейной регрессионной модели дляпредсказания успеваемости пользователей.11ОСНОВНЫЕ РЕЗУЛЬТАТЫ ИССЛЕДОВАНИЯДостоверность данных ВКонтактеПредложенный нами подход к извлечению информации об онлайн-поведении учащихсяи ее объединению с образовательными данными [43] позволил значительно увеличитьитоговый охват по сравнению с непосредственным сопоставлением профилей (см. Таблицу 1) иобнаружить 88% учащихся на выборке «Школа», 93% на выборке «Университет» и 82% навыборке «Страна». При этом не наблюдается каких-либо значимых различий междуобнаруженными и не обнаруженными на ВКонтакте школьниками по полу, возрасту иуспеваемости (см.
Таблицы 2, 3), аналогичные результаты были получены и для выборки«Университет» [44].Таблица 1. Доля учащихся, профили которых были обнаружены на ВКонтакте спомощью предложенных нами методов. Выборка «Школа».Словарь альтернативных формимениСписок друзейНетДаНет18%27%Да57%88%Таблица 2. Сравнение долей учащихся, найденных на «ВКонтакте», для разных классов.Выборка «Школа».Класс5-йВсего найденных85%5678916-й7-й8-й9-й10-й11-й88898989%88%90%88%91%85%1812Не указавших школу64%Использовавших альтернативнуюформу имени39%67677572%69%74%70%58%72%33233336%29%33%33%31%38%73Таблица 3.
Сравнение групп учащихся, различающихся способом представления данныхо 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.Таблица 4. Сравнение долей найденных на ВКонтакте пользователей в зависимости оттипа населенного пункта.ДевушкиЮноши68%83%86%93%Город с населением < 50 тыс. человек87%90%Город с населением 50–100 тыс. человек81%85%Населенный пункт сельского типа (село, хутор, деревня ипр.)Населенный пункт городского типа (рабочий поселок,поселок городского типа и пр.)13Город 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 пространствеНами было обнаружено, что структура социальных связей на ВКонтакте воспроизводитструктуру образовательного учреждения, включая разбиение школы на параллели классов, Q =0.47 (Рисунок 1а), и корпуса, Q = 0.35 (Рисунок 1б), а также разбиение университета накампусы, Q = 0.32, курсы, Q = 0.58, и образовательные программы, Q = 0.68 (Рисунок 2).
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
