Механизмы содержательной обратной связи как элемент управления качеством проектного обучения в вузе

   В условиях активного внедрения проектного обучения в высшем образовании возросла потребность в новых инструментах мониторинга командной работы. В статье представлен подход к формированию обратной связи на основе анализа цифровых следов, формируемых в профессиональных инструментах командной работы – трекерах задач (Trello, Wekan) и репозиториях кода (на примере GitLab). Проанализированы современные подходы к организации обратной связи и применению анализа цифровых следов, определены источники и структура цифрового следа в проектной работе, разработан подход к извлечению и обработке данных из логов действий студентов, применены методы анализа социальных сетей (SNA) для оценки структуры взаимодействий, а также предложена интерпретационная модель для формирования обратной связи на основе сетевых метрик. Эмпирической базой исследования стали данные 253 проектов, реализованных в 2019–2023 гг. в МИЭМ НИУ ВШЭ. Результаты показывают, что визуализация сетевых характеристик командной работы и динамики ролей участников значительно расширяет возможности выявления ключевых паттернов взаимодействия, а также атипичных моделей поведения, требующих педагогического вмешательства. Интеграция таких механизмов в цифровую образовательную среду предоставляет уникальную возможность для регулярного мониторинга командной работы и управления качеством проектного обучения.

1. Fidalgo-Blanco Á. et al. Using Learning Analytics to improve teamwork assessment. Computers in Human Behavior, 2015, vol. 47, pp. 149–156. DOI: 10.1016/j.chb.2014.11.050

2. Hattie J., Timperley H. The power of feedback. Review of Educational Research, 2007, vol. 77, nr 1, pp. 81–112. DOI: 10.3102/003465430298487

3. Shute V. J. Focus on formative feedback. Review of Educational Research, 2008, vol. 78, nr 1, pp. 153–189. DOI: 10.3102/0034654307313795

4. Zhang H., Costley J., Courtney M., Shulgina G., Fanguy M. The impact of different peer feedback types on student academic writing performance from dyadic and individual analyses. Education and Information Technologies, 2024, pp. 1–28. DOI: 10.1007/s10639-024-13032-z

5. Bell S. Project-Based Learning for the 21^st Century: Skills for the Future. The Clearing House: A Journal of Educational Strategies, Issues and Ideas, 2010, vol. 83 (2), pp. 39–43. DOI: 10.1080/00098650903505415

6. Siemens G., Long P. Penetrating the fog: Analytics in learning and education. EDUCAUSE review, 2011, vol. 4, nr 5, p. 30. DOI: 10.17471/2499-4324/195

7. Ifenthaler D., Yau J. Y. K. Utilising learning analytics to support study success in higher education : a systematic review. Educational Technology Research and Development, 2020, vol. 68, nr 4, pp. 1961–1990. DOI: 10.1007/s11423-020-09788-z

8. Gašević D., Dawson S., Siemens G. Let’s not forget: Learning analytics are about learning. TechTrends, 2015, vol. 59, pp. 64–71. DOI: 10.1007/s11528-014-0822-x

9. Jivet I. et al. License to evaluate: Preparing learning analytics dashboards for educational practice. In: Proceedings of the 8^th International conference on learning analytics and knowledge, 2018, pp. 31–40. DOI: 10.1145/3170358.3170421

10. Вайнштейн Ю. В. Педагогическое проектирование персонализированного адаптивного предметного обучения студентов вуза в условиях цифровизации : дис. … д-ра пед. наук : 13.00.08. Красноярск, 2021. 390 с.

11. Iraj H., Morales C., Joksimovic S., Kovanović V., Gašević D. Narrowing the Feedback Gap: Examining Student Engagement with Personalized and Actionable Feedback Messages. Journal of Learning Analytics, 2021, vol. 8, nr 2, pp. 122–139. DOI: 10.18608/jla.2021.7184

12. Agudo-Peregrina Á. F. et al. Can we predict success from log data in VLEs? Classification of interactions for learning analytics and their relation with performance in VLE-supported F2F and online learning. Computers in Human Behavior, 2014, vol. 31, pp. 542–550. DOI: 10.1016/j.chb.2013.05.031

13. Кутузов А. И., Богданова А. В. Инструменты оценки групповой и командной работы студентов в высшем образовании : систематический обзор литературы // Высшее образование в России. 2025. Т. 34, № 4. С. 119–143. DOI: 10.31992/0869-3617-2025-34-4-118-143.

14. Hernández-García Á. et al. Predicting teamwork group assessment using log data-based learning analytics. Computers in Human Behavior, 2018, vol. 89, pp. 373–384. DOI: 10.1016/j.chb.2018.07.016

15. Rabbany, R., Elatia, S., Takaffoli, M., Zaïane, O.R. Collaborative Learning of Students in Online Discussion Forums: A Social Network Analysis Perspective. In: Peña-Ayala, A. (eds) Educational Data Mining. Studies in Computational Intelligence, vol 524. Springer, Cham, 2014. DOI: 10.1007/978-3-319-02738-8_16

16. Ouyang F. Using Three Social Network Analysis Approaches to Understand Computer-Supported Collaborative Learning. Journal of Educational Computing Research, 2021, vol. 59 (7), pp. 1401–1424. DOI: 10.1177/0735633121996477

17. Saqr M, Fors U, Tedre M, Nouri J. How social network analysis can be used to monitor online collaborative learning and guide an informed intervention. PloS one, 2018, vol. 13, nr 3. DOI: 10.1371/journal.pone.0194777

18. Saqr M., Alamro A. The role of social network analysis as a learning analytics tool in online problem based learning. BMC Medical Education, 2019, vol. 19, p. 160. DOI: 10.1186/s12909-019-1599-6

19. Jimoyiannis A., Tsiotakis P., Roussinos D. Social network analysis of students’ participation and presence in a community of educational blogging. Interactive Technology and Smart Education, 2013, vol. 10, nr 1, pp. 15–30. DOI: 10.1108/17415651311326428

20. Gewerc-Barujel A., Montero-Mesa L., Lama-Penín M. Colaboración y redes sociales en la enseñanza universitaria. Comunicar, 2014, vol. 42, pp. 55–63. DOI: 10.3916/C42-2014-05

21. Пронин А. С., Веретенник Е. В., Семенов А. В. Формирование учебных групп в университете с помощью анализа социальных сетей // Вопросы образования. 2014. № 3. С. 54–73. DOI: 10.17323/1814-9545-2014-3-54-73.

22. Валеева Д. Р., Польдин О. В., Юдкевич М. М. Связи дружбы и помощи при обучении в университете // Образовательные исследования. 2013. C. 70–84. DOI: 10.17323/1814-9545-2013-4-70-84.

23. Singh S. S. et al. From Nodes to Knowledge: Exploring Social Network Analysis in Education. ACM Transactions on the Web, 2025, vol. 19, nr 1, pp. 1–36. DOI: 10.1145/3707463

24. Dang M. Y., Zhang G. Y., Amer B. Social networks among students, peer TAs, and instructors and their impacts on student learning in the blended environment: A model development and testing. Communications of the Association for Information Systems, 2019, vol. 44, nr 1, p. 36. DOI: 10.17705/1CAIS.04436

25. Zhao X. et al. Exploring privileged features for relation extraction with contrastive student-teacher learning. IEEE Transactions on Knowledge and Data Engineering, 2022, vol. 35, nr 8, pp. 7953–7965. DOI: 10.1109/TKDE.2022.3161584

26. Леперт М. В. Аналитика сотрудничества как инструмент управления проектной деятельностью студентов: выпускная квалификационная работа [Электронный ресурс]. URL: https://www.hse.ru/ba/epa/students/diplomas/560089201 (дата обращения: 04. 06. 2025).