Как аналитика данных меняет EdTech-компании и образовательные процессы

Работа IT-компаний неразрывно связана со сбором и анализом данных, но у каждой отрасли есть своя специфика, в том числе и у EdTech. Образование — это комплексная и сложная деятельность, в которой немалую роль играют психология и социальные аспекты. Здесь сбор и анализ данных, с одной стороны, дают большие возможности, а с другой — требуют специальных компетенций в интерпретации и принятии решений. Валентин Пановский, руководитель отдела обработки данных в Skillbox, рассказывает об особенностях data-driven подхода в образовании, а также о том, как строится работа аналитика в EdTech и какие возможности нам дает персонализация обучения.

В чем заключается работа аналитика

EdTech-компании используют системы управления обучением — платформы, — внутри которых строится образовательный процесс, они называются LMS (Learning Management System). Почти все операции в рамках учебных программ происходят внутри платформы. Поэтому можно собрать практически любую информацию об этих событиях — например, перемотка видео, увеличение и уменьшение громкости, частота обращения к преподавателю и т. д. Каждое из них несет с собой значение, которое нужно научиться интерпретировать и использовать в процессе улучшения курсов.

Работа аналитика строится вокруг метрик, которые можно разделить на две группы: связанные с платформой и с контентом. К первой относятся показатели, которые помогут ответить на вопрос «Как работает система?» и следить за тем, чтобы эта работа была бесперебойной. Это может быть и количество активных пользователей в момент времени, и уровень громкости звука, который ставит студент после запуска просмотра модуля, и общее время сессий на сайте, и многое другое. К примеру, у продуктового менеджера появилась гипотеза по поводу оттока студентов на каком-то этапе курса, аналитик смотрит на метрики и видит, что на пятом модуле просел CSAT (Customer Satisfaction Score — индекс удовлетворенности клиента). После чего мы проводим анализ модуля и понимаем, что проблема была в записи курса: звук был слишком тихий.

Во вторую группу входят контентные метрики, больше позволяющие оценить содержательную часть материалов, к которым обращаются пользователи по мере своего функционирования на платформе: например, сроки сдачи практического задания или количество неуспешных попыток пройти тест. Также тут часто используются механизмы сбора обратной связи по мере прохождения курса/профессии. Ведь одно дело — предоставлять стабильно работающий сервис, и совсем другое — помочь пользователям работать с реально полезным контентом. То есть аналитики косвенно влияют и на контент: длительность уроков, качество преподавания, на необходимый фидбэк студенту от преподавателя или компании и так далее. Они могут сигнализировать о том, что есть какая-то аномалия в данных и на что следует обратить внимание. В нашей практике был такой случай: мы заметили, что CSAT растет, когда сокращается длительность уроков. Это объясняется, скорее всего, лайфстайлом аудитории: люди не могут проводить за обучением много времени. Мы смогли вывести некий золотой стандарт длительности урока — примерно 7 минут, — и просматриваемость осталась стабильно высокой. Важно отметить, что чаще всего интерпретация данных происходит в партнерстве с теми, кто участвует в создании образовательной программы: например, когда речь идет про контент, то работают аналитик и методист, а в случае с работой платформы — аналитик и продуктовый менеджер.

Data-driven подход: специфика в образовании

Data-driven подходы почти во всех сферах основаны в том числе на составлении цифрового двойника пользователя. Если упрощать для понимания, «зашел на сайт», «кликнул», «провел на сайте 10 минут» и т. д. — все эти события оцифровываются и выстраиваются в цифровой портрет. В финтехе или e-commerce аналитики работают с каким-то очень узким кусочком человеческой жизни: цикл освоения продукта и покупки довольно короткий. Образование же как комплексный феномен, заключающий в себе внушительную психологическую и социальную подоплеку, намного более сложный объект для анализа.

В EdTech процесс освоения продукта длительный, а также здесь силен человеческий фактор: студент мог уйти с платформы и не заходить месяц, потому что у него что-то случилось в личной жизни. Как нам это отследить? Или, к примеру, он получил непосредственно от курса не так много, но стал самостоятельно что-то изучать, вдохновившись нашим преподавателем, и в итоге остался доволен — тоже очень сложное для анализа явление. Подобных случаев много. Исходя из этого, нам нужно строить более расширенных цифровых двойников.

Несмотря на то что мы компания, работа которой завязана на технологиях, человеческое общение и поддержка здесь необходимы — а это невозможно автоматизировать. В образовании очень много слепых зон, поэтому нужно всегда совмещать data-driven и гуманистический подходы. Так или иначе, нужен контакт с пользователями и поддержка, только лишь инструмент анализа данных не справится в одиночку. Когда мы видим отток студентов и не выявляем в конкретных кейсах техническую или контентную стороны проблемы, то подключаем кураторов, которые обзванивают людей, общаются, предлагают помощь, приходят к каким-то компромиссам. Это решает проблему — отток студентов снижается. Но и без работы над улучшениями живой контакт с учениками — важная часть любого образовательного процесса, даже если речь идет об онлайн-обучении.

Обращение к данным и персонализированный подход

Исторически LMS — это система управления обучением, в которой происходит взаимодействие между теми, кто предоставляет образование, и теми, кто его получает. С одной стороны, в ней собраны все образовательные продукты, с другой — с помощью нее можно получать важные инсайты о том, как студенты учатся. Анализ событий внутри LMS дает нам понять, что лучше для каждого из пользователей: одному человеку нужно дробление материала, другому — весь объем, чтобы он не переключал свое внимание. Если в классической образовательной системе учебный план, педагогические методы и дизайн обучения исходят из видения преподавателей, экспертов или стандартов образовательной институции, то в нашем случае отправная точка — это аудитория курсов. Благодаря LMS у нас есть возможность анализировать их поведение в рамках обучения и определять, какой контент и подача будут наиболее релевантными для них. Благодаря возможностям LMS не просто процесс управления обучением становится более эффективным, но студенты, по сути, сами влияют на собственный образовательный опыт.

Для персонализированного подхода также важна система мотивации. Здесь она может работать по аналогии с геймификацией в приложениях для здоровья — например, там, где отслеживается количество пройденных шагов. Человек каждый день видит свой прогресс и начинает думать, что он может больше, значит, надо и завтра попробовать. Так, шаг за шагом, он идет к своей цели. В образовании это работает практически так же: человек смог проучиться три месяца, обнаружил, что может делать больше и у него получается, значит, можно поучиться еще два месяца и он сможет претендовать на желаемые карьерные изменения. Это очень важный аспект персонализации, поскольку здесь работает принцип обозримости будущего для каждого конкретного человека. Именно тот факт, что система подстраивается под человека, и делает обучение более удобным и понятным, подставляя таким образом ему плечо, он понимает, что все усилия не зря и образование будет иметь конкретный результат. То есть человек видит свой прогресс вживую. Это та особенность data-driven подхода в образовании, которая обеспечивает большие возможности и вдохновляет людей на то, чтобы двигаться дальше.

Если обобщить, то аналитика данных в EdTech приводит компании к следующим изменениям:

• Улучшение технологических решений

• Более эффективный менеджмент

• Вовлечение большего числа студентов

• Повышение качества контента

• Персонализация обучения

Благодаря аналитике данных и отслеживанию активности студента внутри обучающей платформы EdTech-компании могут узнать более тонкие аспекты образовательного поведения человека — в отличие от классических институций. Это, в свою очередь, позволяет создать такой продукт, который действительно будет полезен человеку в рамках его профессиональной деятельности. Наша главная цель — помогать человеку в карьерном и личном развитии и оставаться востребованным на рынке труда прямо сейчас. Только такой персонализированный путь обучения, когда информация адаптирована под учащегося, постоянно улучшается и полностью усваивается с ориентацией на результат, может быть эффективен в рамках запроса на создание индустриальных специалистов.