Профессии и методы в

цифровой трансформации
образования
Андрей Комиссаров
Руководитель дирекции сервисов: развитие человека на основе данных
Университет 20.35
Базовые составляющие подхода работы с
данными в сфере HR и Digital Decision making

KPI и критерии Ценности, ожидания и

эффективности «обычаи» участников

Специфика деятельности
и поставленной задачи
Краткие описания (EdTech)
Дизайнер образовательных сред (instructional designer)
Бакалавр
Специалист по проектированию, дизайну, созданию, внедрению и адаптивному
Магистр
ДПО изменению образовательных сред, направленных на достижение поставленных
результатов конкретной группой учащихся с учетом их индивидуальных показателей.

Образовательный технолог
СПО
Бакалавр Специалист по технологическому сопровождению образовательных сред, маршрутов и
Магистр
траекторий. Занимается подборкой, настройкой и внедрением технологического
ДПО
инструментария, отладкой элементов интерактивных взаимодействий, обеспечивает
связность технологической и методической сторон образовательного процесса.

СПО Образовательный дата-инженер

Бакалавр
Магистр Специалист по разметке, сбору, анализу и интерпретации данных в процессе обучения
ДПО (в том числе данных образовательного опыта, данных состояний учащихся, данных
взаимодействий и показателей развития мета предметных навыков)
 Алгоритм
«Цифровая модель компетенций»
на основе анализа массива данных
рынка
 Сервис: «Цифровая модель Компетенций»
Как убедиться что учебные заведения выпускают специалистов востребованных рынком? Что передаваемые им
знания и навыки – это действительно то, что используется в реалиях современной экономики? А можно ли
спрогнозировать изменение компетентностных моделей на ближайшие несколько лет? На эти вопросы дает ответ
ЦМК — алгоритм, способный построить модели компетенций для любой профессиональной области, связанной с
IT, на основе анализа внушительного объема авто-обновляемых данных рынка.

 ЦМК использовалась в рамках нац программы Кадры

для цифровой экономики для создания карты Демо: datamap.2035.university
востребованности цифровых компетенций РФ.
 ЦМК использовалась в совместном проекте РСВ и
Администрации Президента для создания модели
компетенций «научного сотрудника».
 ЦМК использовалась в
исполнении поручения
президента РФ МинТруду по
разработке профстандартов:
специалиста
по машинному обучению
и специалиста по сбору и
анализу ЦС.
 ЦМК применялась в Веб интерфейс совместной
Веб интерфейс цифровой модели компетенций на авто-обновляемых данных рынка показывает из
госконтракте для создания работы над интерактивными
каких навыков состоит каждая из востребованных IT профессий, сколько «стоит» каждый навык по
сит центра Росмолодежи графами компетенций
регионам РФ, каково соотношение спроса и предложения и есть ли вакансии удаленной работы.
Комплексный анализ данных
Объем данных используемый в рамках алгоритма ЦМК. Данные собираются
с сайтов автоматически через API.
Всего проанализировано 45 Гб
Вакансии и резюме ведущих текстовых данных
кадровых порталов, модели
компетенций и интервью по
50 крупнейшим компаниям Вакансии ведущих IT компаний
р и национальных порталов
130,000,000+ сущностей

Данные опросов пользователей

в IT и DataScience сообществах 5,000,000 + сущностей

3,000,000+ сущностей/////////////
/
Наиболее часто выбираемые
пользователями обучающие
Ведущие компетентностные онлайн курсы по направлениям
фреймворки России и мира

6,000+ сущностей
Полный анализ 9 фреймворков
Пример анализа данных мировых трендов

Данные за 2018 год

предоставлены в рамках
договора о сотрдничестве
Пример анализа данных ведущих мировых
сообществ разработчиков

Ответ на вопрос: какими

инструментами пользуются
разработчики цифровых
решений и специалисты по
работе с данными по всему
миру

Анализ агрегированных данных

пользователей ведущих мировых
сообществ разработчиков,
выполненный Дирекцией сервисов
«Развитие человека на основе
данных» Университета 20.35
Визуализация данных рынка и построение
моделей компетенций в реальном времени
Bmk-map.2035.university

Анализ востребованности компетенций и

«рыночной стоимости» сотрудников
 Аналитический пакет: «Культурный код»
Комплексное онлайн исследование по расшифровке «ДНК организации» - анализ специфики
организационной культуры, анализ стилей лидерства, сравнительная модель эффективности и
сплоченности подразделений, диагностика проблем. Рекомендации по «мягким изменениям» в
культуре организации деятельности на основе полученных данных анализа.

Стили  Полный отчет с показателями по каждому

 Уникальная цифровая модель Степень сплоченности и подразделению, сравнительными данными по
лидерства
университета 20.35, построенная на автономии команд организации и общими рекомендациями.
анализе более 150 млн вакансий. Особенность понимания  Датасет для самостоятельной работы и
 Методика исследования на основе «результата» методические рекомендации по работе с ним.
современного инструментария
Специфика работы с  Визуализацию полученных данных по 20+
обработки данных и грамотного
информацией и ее шкалам, отдельно для каждой команды.
сочетания работ признанных
классиков данной области: открытость
Г. Хоффстеде, Э.Шайн и Ф.Лалу Степень свободы и
 Команда включает: социологов, в контроля
том числе кандидатов наук, ведущих Степень гибкости и
российских методологов, аналитиков стабильности
данных и психодиагностов
Принятие ценностей организации
университета 2035 и ВШЭ.
Особенности принятия решений на местах
 Авто-сгенерированный граф для профстандарта
специалиста по машинному обучению (Минтруд)
Функции/задачи Задачи обработки естественного языка (NLP) 32% Инструменты Python 82%
Инструменты SQL 44%
Функции/задачи Задачи интеллектуального анализа данных 27% Инструменты Tensorflow 31%
Функции/задачи Задачи компьютерного зрения 22% Инструменты Базы данных 29%
Функции/задачи Систематизация и классификация 20% Инструменты Pandas 28%
Инструменты ML 28%
Функции/задачи Обработка текстов с использованием NLP 15% Инструменты Numpy 26%
Функции/задачи Анализ больших данных 12% Инструменты Pytorch 25%
Функции/задачи Визуализация данных 12% Инструменты R 24%
Инструменты Hadoop 22%
Функции/задачи Задачи рекомендательных систем 11% Инструменты SPARK 22%
Функции/задачи Сегментация 10% Инструменты Метод глубокого обучения 20%
Инструменты Keras 18%
Функции/задачи Сбор данных 9%
Инструменты Git 15%
Функции/задачи
Области знаний МетодыРазработка алгоритмов
машинного обучения 8%36% Инструменты Hive 15%
Области знаний ОценкаРабота
Функции/задачи качествасмоделей
базами данных 7%34% Инструменты Scikit-learn 14%
Области знаний Методы исследования 30% Инструменты SciPy 13%
Функции/задачи Управление проектом
Области знаний Математическая статистика
5%21%
Инструменты XGBoost 13%
Функции/задачи
Области DevOps
знаний Глубокое обучение нейронной сети 5%20% Инструменты Linux 12%
Области знаний Теория вероятностей 18% Инструменты kaggle 12%
Области знаний Проектная деятельность 15% Инструменты Docker 12%
Области знаний Методологии разработки 13% Инструменты Регрессия данных 11%
Области знаний Рекомендательные системы 11%
Области знаний Управление продуктом 11%
Области знаний Разработка программных продуктов 11%
Области знаний Статистические методы 11%
 Творчество и инициативность
 Рассуждение и порождение идей
 Работа с неопределенностью
и безопасность
 Адаптивность
Модель «Сообщества Исследователей» 1999

ПОДДЕРЖКА

ЦИФРОВОЙ
ОБРАЗОВАТЕЛЬНЫЙ
КОМПОНЕНТ
ОПЫТ

КЛИМАТ КОНТЕНТ
В ГРУППЕ
СОБИРАЕМЫЕ
ДАННЫЕ

ПЕДАГОГИЧЕСКИЙ
КОМПОНЕНТ

Garrison, D.Randy, Terry Anderson and Walter Archer @Critical inquiry in a text-based environment”
Базовые элементы освоения компетенций

Понимание
Смысловая связность компетенции в
межпредметном поле. Осознание границ
компетенции и способность перехода в
деятельность с применением знаний.

Умение
Понимание эффективно проявленное в
деятельности. Отрефлексированная,
развивающаяся способность к эффективной
деятельности в рамках компетенции.

Отношение
Собственная отрефлексированная позиция
по отношению к компетенции. Совокупность
ценностных ориентиров в рамках деятельности,
описываемой ею.
Пед дизайн – основные элементы

Реальные шаги педдизайнера

Выбор элементов взаимодействия, Сформировать навигацию в рамках среды,

методов вовлечения и подачи понятные и размеченные карты, планы

Определение образовательных
результатов, их разметка Разметка на рубрикаторах

Разметка, сбор
и анализ
Анализ целевой аудитории: Данных Настроить систему оценки, КИМ,
какие факторы рассматривам? взаимооценка, «аквариум»

Содержание курса, сложность материала, Детальные и понятные

последовательность его подачи инструкции, постановка задач

Элементы мультимедиа
Направления сотрудничества
с 20.35 по мнению вузов
Сравнительный анализ модели компетенций КЛИК
и CDO 2019
Обработка данных 38%
Управление проектом 31%
Управление командой 24%
Разработка документации 21%
Визуализация данных 20%
Анализ данных 18%
Разработка проектной документации 12%
Разработка отчетности 11%
Пример сокращенного
Задача постановки цели 8%
компетентностного профиля,
Автоматизация бизнеса 8% выдаваемого по факту анализа
Разработка требований 7% данных цифрового следа CDO 2019
Разработка технического задания 7% + диагностики острова 10-22 под
Сбор данных 6%
кадровый запрос руководства
Формирование отчетности 6%
Техническая поддержка 6%
Анализ больших данных 6%
Внедрение информационных систем 5%
Организация работы 5%
Анализ качества данных 5%
Разработка стратегии 5%
Оптимизация бизнес-процессов 5%
Поддержка клиентов\пользователей 5%
 ОТЛИЧИЕ ОБУЧЕНИЯ ОТ НАУЧЕНИЯ

Тематический Рубрикатор от Преподавателей Разметка тематического рубрикатора

по ЦС и рефлексии
 Основные требования к дизайну образовательных
онлайн программ
Разметка всего
содержания
программы по
Моделирование траектории образовательным Сбор, хранение, ЦС
обучающегося (групп) результатам привязка в профиле
в привязке к пользователя по
образовательным образовательным Анализ собранного
результатам результатам следа относительно
эталонных
Деятельностные показателей для
Семантический
практики как основа Анализ
подтверждения
обучения и Индивиду- материалов достижения
освоения альные и курса образовательных
групповые Технологическая
навыков результатов
траектории платформа для
сбора ЦС Микро-диплом
Дизайн Проектный выдается по Специалисты по
метод результатам моделированию,
образовательной обучения, анализа ЦС
программы, сбору и анализу ЦС,
практикумы
образовательные обученные на
результаты стороне заказчика
Цифровой Участие специалистов
Таксономия след заказчика в школах
предметной образовательного Образовательного дата
области пути учащегося инжиниринга 20.35
Профстандарт специалиста по работе с ЦС

Назначение и область применения

Основные термины
Типология данных ЦС
Цели сбора ЦС
Критерии качества ЦС
Алгоритм работы с ЦС
Номенклатура ЦС
Методические рекомендации по работе с ЦС

Чтобы присоединиться к стандарту пишите:

ede@2035.university
Стандарт цифрового следа в образовании

Назначение и область применения

Основные термины
Типология данных ЦС
Цели сбора ЦС
Критерии качества ЦС
Алгоритм работы с ЦС
Номенклатура ЦС
Методические рекомендации по работе с ЦС

Чтобы присоединиться к стандарту пишите:

ede@2035.university
 Цифровой сервис: «Data+ диагностика»
Онлайн сервис с обширным набором диагностических инструментов, объединенных в единую
цифровую модель. Пользователи формируют запрос или сами выбирают типы диагностик и получают
выгрузки результатов в том числе в сравнении с эталонными выборками в личном кабинете.

 Модель работы с диагностическими Организациям:

 Игровая визуальная новелла
данными университета 20.35 для определения ценностей и  Подбор диагностических инструментов
разработана на основе корреляций, предпочитаемых моделей под специфику решаемой задачи.
выявленных по результатам более поведения на рабочем месте.  Отдельный диагностический сетап со
80 000 участников мероприятий. сбором данных в отдельный датасет.
 С помощью деятельностных тестов определяется
 Построенные эталонные выборки и общий
адаптивность, предрасположенность к работе с
неопределенностью, стили мышления. отчет с визуализацией данных.
 Обучение работе с полученным датасетом
 Чат бот на выявление поведенческих паттернов,
диагностика «ожиданий и избеганий», ситуативный
 Помимо тестов в подборку входят Сотрудникам:
тест по оперативному управлению показывают
игровые решения, ситуативные
специфику стилей и стратегий поведения.  Самостоятельный
кейсовые задачи (SJT), деятельностные  Интерактивные графы выбор диагностических
(evidence based) инструменты и графы. для индивидуальной и инструментов в личном
 Команда сервиса включает: сравнительной кабинете сервиса.
социологов, в том числе кандидатов групповой оценки  Сравнение с эталонными
наук, методологов образования, понимания профес- выборками.
аналитиков данных и психодиагностов сиональных областей  Визуализация данных
университета 2035 и ВШЭ. в личном кабинете
 Конструктор
проектных команд
 Цифровой сервис:
«Конструктор проектных команд»
Данный сервис позволяет собрать проектную команду с нуля и отслеживать ее эффективность в
выполнении разноплановых технологических и бизнесовых задач. От создания модели компетенций
под каждый проект, с определением ключевых ролей и личностных качеств до отбора наиболее
подходящих участников из широкого пула кандидатов и мониторинга командных показателей .

 Уникальная цифровая модель
компетенций университета 20.35,
построенная на анализе более
150 млн вакансий, данных сообществ
и диагностике 80,000+ человек.
 Сочетание ведущих мировых методик
(конфликтология, ролевая типология
Белбина) и авторских разработок
методологов Университета 20.35
 Интерактивные опросники, созданные
лабораторией социологических
исследований Университета 2035
 Команда сервиса: кандидата
социологических наук, социологов,
методологов, аналитиков данных,
образовательного онтолога и
психодиагноста университета 2035.
 Соответствие командным ролям.
 Достаточность командной компетентности
 Соответствие компетеностных стеков участников
 Гармоничное сочетание личных качеств участников
 Гармоничное сочетание поведенческих стилей
 Схожие ценностно-нормативные показатели
 Соответствие «ожиданий и избеганий» участников
 Задача: подобрать команду для создания
мобильного приложения по мониторингу
эффективности технологических проектов.
1. Подбор текстов описания задачи и построение
функционального графа совместно с заказчиком
в онлайн приложении интерактивных графов 2035.
2. На основе данных п.1. построение диагностики и
компетентностной модели проекта с помощью
алгоритма ЦМК и релевантных данных рынка.
3. Выбор ролевой типологии и ключевых soft skills.
4. Отбор и анализ резюме пула кандидатов
5. Прохождение кандидатами диагностики.
6. Алгоритм конструктора команд сопоставляет
наиболее подходящих кандидатов и выдает
командный граф с резюме и полным отчетом.
7. Мониторинг чатлогов и таск-трекеров команды.
8. После нескольких рабочих сессий команде
предлагаются опросники синергичности и
командности для мониторинга соц. процессов
Цифровой профиль команд
- Участие команды в образовательных активностях
- Специфика проекта
- Обзор проектной команды
- Уникальные термины проекта
- Оценки экспертов
- Семантическое ядро проекта
 Алгоритм
анализа и интерпретации
цифрового следа
 Что мы можем распознавать в цифровом следе?
Пример дэшборда цифрового следа онлайн школы shorturl.at/dhLW1

Вовлеченность как совокупный показатель
активности, участия, инициативы,
использования инструментов,
коммуникации, рефлексии, вопрошания и
проявленных эмоций
Определяем роли участников в
командой работе, выявляем вклад,
полезность, функционал в работе
каждого участника и уровень доверия,
синергии, слаженности команды.
Определяем степень участия в общей
коммуникации, оцениваем к кому
участники чаще обращаются, как
задают вопросы, рефлексируют
проявляют эмоции, генерят инсайты.
Анализируя сентимент текстов, эмоджи,
интонации в индивидуальных аудио
дорожках и выражения лиц в зум, получаем
детальную картину эмоций и отношение
участников к конкретным темам.

Сравнение активности треков по ряду Распознаем авто-сгенерированный и Распознаем смысловое наполнение Сравнивая семантические ядра, определяем
показателей в реальном времени «чужой» текст в цифровом следе текстов, размечаем в рубрикаторах уровень, границы и погрешности понимания
360 оценка в деятельности
На основе цифрового следа команд
Автоматически создаются социальные графы
Позитив

Негатив

Сумма эмоционально
окрашенных высказываний
40
35
30
25
20
15
10
5
0

Татьяна Герасимова
Анна Харжевская

Елена Мардаровская

Наталья Широбокова
Татьяна Белозерова

Светлана Залаутдинова
Марина Савинова

Екатерина Черкесова

Римма Гараева

Коммуникационный граф
Граф показывает частоту упоминаний одного члена
команды другими (размер узла), кластеры общения
(близость узлов), эмоциональность (размер
внутреннего свечения) и настрой (цвет внутреннего
свечения) высказываний в команде, а также
количество рефлексий, инсайтов, своих идей и целей.
Марина Иванова
Функциональный граф
Граф показывает полезность участника команды с точки
зрения других (размер), кластеры совместной работы
(расстояние) и совместное выполнение задач (зеленые
стрелки). Цветным кодом дано понимание своей роли
Эмоциональная (центр) и роль с точки зрения других (пай чарт). Зеленое
выраженность в чатах свечение показывает совпадение понимания роли.
Анализ ЦС развития команд
Анализ ЦС развития команд
Спасибо за внимание!

Руководитель направления
«Развитие на основе данных»
Университета НТИ 20.35
Комиссаров Андрей
Тел.: +7 916 685 34 55,
e-mail: А.Komissarov@2035.university