Друзья, мы запускаем несколько проектов, посвященных аналитике и культуре данных в мире, госсекторе и образовательных организациях.

Канал Data-Driven Education – важная часть этого проекта. Здесь мы будем делать анонсы лекций и вебинаров, обсуждать новые технологии и полезные кейсы, публиковать EdTech новости. Обещаем, это будет интересно и полезно не только аналитикам и людям из «мира data».

Присоединяйтесь!

#словоэксперту

Анализ ответов или действий обучающихся, распределенных по времени - один из давних подходов в анализе образовательных данных

Предположение состоит в том, что есть некоторые паттерны обучения и преподавания, которые скрыты в образовательных данных, упорядоченных по времени. Новая статья в Journal of Educational Data Mining посвящена исследованию разных алгоритмов анализа процессов для моделирования и прогнозирования поведения учащихся при сдаче тестов.

Учащиеся взаимодействуют с цифровой системой оценивания. Для того, чтобы спрогнозировать их дальнейшие ответы, обычно достаточно от 10 до 30 минут наблюдения за их работой над решениями. Помимо индивидуальных стратегий можно выделить студентов с эффективными и неэффективными стилями выполнения заданий.

«Это, кстати, напомнило стили, которые мы обнаружили с @EkaterinaChmykhova при временном анализе результатов SPM Равена на всероссийской выборке. Журнал Journal of Educational Data Mining это издание одноименного международного научного общества. Наблюдаю за журналом с надеждой, хотя каких-либо прорывных исследований я там пока не видел 🧐. Эта публикация интересна перебором разных моделей и их открытым кодом. Результаты так себе. Но, если у вас завалялись данные тестов с временными метками ответов, может у вас получится вытянуть их них что-нибудь полезное».

#словоэксперту

Образовательный анализ данных

Образовательный анализ данных (англ. Educational Data Mining) – относительно новое понятие, хотя соответствующей международной организации в этом году исполнилось 10 лет. У Data Mining нет однозначного перевода на русский язык.

«Для своей статьи мы, с некоторыми сомнениями, взяли следующий вариант - интеллектуальный анализа данных образовательной среды. Хотя мне больше нравится ассоциация с mining как добычей руды. Мол, когда у тебя горы данных, которые сами по себе бесполезны, но из них можно намайнить крупицы чего-то ценного».

📘Рекомендация: статья «Educational Data Mining: введение»

#курсаналитикаданных

Курс «Основы data-driven подхода в образовании»

Что такое аналитика? Какие инструменты существуют? И зачем это все вообще нужно? Ответы - в нашем новом курсе «Основы data-driven подхода в образовании», который заботливо разработала для вас наша команда аналитиков.

📊Рекомендация: лекция «Основы data-driven подхода в образовании»

P.S. Гордимся коллегами. Обязательно посмотрите лекции.

Дашборды, графики, диаграммы

Алена Царькова, куратор команды в программе «Реализация проектов цифровой трансформации, собрала для вас очень полезную памятку. В ней - пять вопросов, которые нужно задать себе при выборе диаграммы, ошибки при построении графиков, инструменты для визуализации данных и многое другое.

📊Рекомендация: памятка по визуализации данных

P.S. Все, что подчеркнуто - кликабельно.

Коллеги из замечательных каналов "Я у мамы аналитик" и "LEFT JOIN" предлагают принять участие в исследование онлайн-курсов по аналитике. Если есть интерес и такой опыт - Wellcome!

⚡️Масштабное независимое исследование онлайн-курсов по аналитике ⚡️

Мы с моими коллегами из компании твердо решили узнать все-все самое важное об онлайн образовании по теме аналитики и data science. Об онлайн образовании говорят повсеместно, курсы чрезвычайно распространены, ведь профессии в IT-сфере сейчас очень популярны. Думаю, что огромная часть аудитории данного канала либо прошла, либо собирается пройти курсы, связанные с анализом данных.

Прошу вас пройти опрос и оставить ваше искреннее мнение о той школе, курс в которой вы прошли. Хорошее, плохое, главное, не безразличное!

Буду признателен коллегам владельцам каналов по аналитике за репост. Разумеется, результатами опроса мы вскоре с вами поделимся в виде симпатичного дашборда 🤓

➡️ Ссылка на опрос

p.s. Любые комменты по опросу тоже приветствуются

Аналитики бывают разные//источник @analysis_it

Тем, кто начинает работать с аналитиками или сам задумался о карьере аналитика, расскажем, кто же на самом деле чем занимается.

🔹Бизнес-аналитик. Собирает требования со стороны бизнеса к будущему продукту или функциям системы, выявляет потребности для изменений, обобщает их, фиксирует, классифицирует и принимает решения об изменении процессов. После чего переводит их на понятный язык для инженеров.
📘Бизнес-аналитики в IT: кто они и что делают

🔹 Системный аналитик. Это ИТ-специалист широкого профиля, который отвечает за сбор требований к системе, занимается проектированием технического решения и ставит задачи команде разработки.
📘Системный аналитик: что делает, сколько получает и как им стать

🔹UX-Аналитик. Специалист на этой позиации обычно собирает и анализирует данные о том, как пользователи взаимодействуют с сайтом, приложением или другим продуктом.
📘Кто такой UX-аналитик, чем он занимается и какие инструменты использует

🔹 Аналитик данных обычно собирает, обрабатывает, изучает и интерпретирует данные.
📘Чем занимается аналитик данных и как им стать

🔹 Web-аналитик - занимается сбором и анализом информации о посетителях сайта и их поведении. Он взаимодействует с разными системами аналитики (например, Google Analytics), определяет важные для того или иного бизнеса параметры и интерпретирует их
📘Кто такой веб-аналитик

🔹 Продуктовый аналитик - ищет точки роста в продукте и данные о поведении пользователя.
📘Кто такие продуктовые аналитики и зачем они нужны в команде

Как выбрать палитру для визуализации данных?//источник https://news.1rj.ru/str/analyst_club

Основное правило: данные упрощаются до трех типов: последовательные, расходящиеся и качественные. И для каждого типа данных используют свою палитру.

🔹Расходящаяся палитра. Применяется, когда нужно показать два направления данных: например, слева – положительные, справа – отрицательные значения. Среднее (нулевое) значение указывают светлым, а самыми темными будут наибольшее и наименьшее значение. Палитра темнеет в левую и правую сторону.

🔹Последовательная палитра. Подходит для данных, которые располагаются в определенном порядке, от наименьшего к наибольшему. Для визуализации наименьших значений используют самые светлые тона, а для наибольших – самые темные.

🔹Качественная палитра. Используется для отдельных категорий данных: одна категория – один цвет. Чтобы обратить внимание на отдельные показатели, их выделяют другим цветом. Если нужно выделить парные показатели, тогда для их выделения используют одни определенный цвет.

📊Рекомендация: программа для подбора палитры визуализации данных

#курсаналитикаданных

Можно ли взглянуть на мир глазами аналитика?

Ответ простой: конечно! У нас на канале уже готова новая мини-лекция, в которой мы разбираем, что есть данные и что есть аналитика.

📘Рекомендация: лекция «Измерение: мир глазами аналитика»