Кредит от 2 минут без документовУзнайте сумму кредита от 2 минут без сбора документовДеньги на любые целиДеньги для бизнеса на любые целиУзнать сумму

РассылкиИдеи для бизнесаБизнес с нуляМаркетплейсыБухгалтерияЛайфстайлСправочникШаблоны документов
РассылкиИдеи для бизнесаБизнес с нуляМаркетплейсыБухгалтерияЛайфстайлСправочникШаблоны документов

Аналитика больших данных в образовании: как мы определяем, что нужно студенту


НИУ ВШЭ — лидер среди российских вузов по количеству очных онлайн-программ и обучающихся на них студентов. В 2013 году были запущены первые онлайн-курсы на базе университета, а через 7 лет открылся набор на первую программу онлайн-магистратуры. В 2024 году запущено 28 онлайн-магистратур и 5 онлайн-бакалавриатов.

В активном развитии онлайн-высшего образования вузу помогает применение аналитики больших данных, которая, например, позволяет спрогнозировать потенциальный набор на программы магистратуры и выявить наиболее востребованные компетенции. Как это работает?

Роль больших данных в современном вузе

В 2023 году российский рынок предлагал 492 программы высшего образования в онлайн-формате от 39 «провайдеров» — государственных университетов, частных вузов и EdTech-платформ. Год от года конкуренция растет, каждому «провайдеру» приходится принимать все больше решений при формировании линейки программ, их продвижении и реализации.

Лидерами рынка станут те акторы, которые научатся использовать не только экспертные мнения своей команды для принятия решений, но и собирать, структурировать, анализировать данные на всех этапах жизненного цикла программ для оптимизации затрат и повышения качества своих образовательных продуктов.

НИУ ВШЭ онлайн
НИУ ВШЭ онлайн

Онлайн-кампус НИУ ВШЭ в метавселенной

Онлайн-кампус НИУ ВШЭ в метавселенной

Как мы работаем с большими данными?

В 2023 году в Высшей школе экономики появился собственный цифровой кампус — «Вышка Онлайн», где сосредоточены онлайн-программы бакалавриата, магистратуры и дополнительного образования. Нам было важно просчитать потенциальный поток студентов, чтобы узнать, какие программы были бы наиболее востребованы в онлайн-формате. Мы разработали модель машинного обучения, которая позволила нам выявить корреляции и закономерности в наборе и даже предсказать, каким он будет в сезон подачи заявлений на поступление.

В построенной модели крайне важно выделить два ключевых этапа.

Сбор, очистка и подготовка данных для модели. Для этого мы собрали основные признаки программ, которые могут быть важны при выборе для абитуриента. Например: название программы, наличие бюджетных мест, направление подготовки, стоимость стоимость обучения, ключевые результаты в части осваиваемых компетенций и другие характеристики. Также в модель были загружены данные приемных кампаний последних лет.

Генерация и проверка гипотез. Исходя из бизнес-вводных, например, идей в части запускаемых программ от разных структурных подразделений, задач по балансу линейки продуктов, по набору студентов на определенные программы, мы сформулировали гипотезы, которые затем исследовали с помощью построенной модели. Например, это помогло вычислить корреляцию между исследуемым списком признаков и набором абитуриентов.

Так, одним из результатов исследований в этом году стал инсайт, что среди всех направлений программ больший успех будут иметь продукты, связанные с психологией. На основе этого вывода было принято решение о запуске магистратур по психологии в онлайн-формате.

Модель машинного обучения
Модель машинного обучения

Иллюстрация работы модели

Иллюстрация работы модели

По итогам тестирования модели на данных прошлых наборов мы выяснили, что она способна предсказывать количество абитуриентов, поступающих на программу, с точностью до десяти человек по метрике MAE.

Помимо задачи формирования портфеля программ, мы используем анализ данных и модели машинного обучения, включая большие языковые модели, часто именуемые ныне как «ИИ», на этапе продвижения программ. Например, это помогает с анализом конверсий на лендингах, решением по распределению рекламных средств по каналам, рекомендациями бота, у которого абитуриент может узнать какие программы ему больше всего подходят. Конечно, это полезно и на этапе реализации программ — бот онбординга для студентов умеет отвечать на текстовые вопросы пользователей в свободной форме.

Результат применения таков, что уже сейчас мы можем ориентироваться на данные сразу в нескольких задачах: запуск программ и распределение маркетинговых бюджетов между ними. Кроме того, data-driven подход помогает улучшить и уже существующие программы и рекламные кампании, предоставляя данные лендингов, названий и описаний с точки зрения их привлекательности для потенциальных абитуриентов.

Перспективы применения

В научной фантастике, которая в наши дни звучит уже не так фантастично, можно найти много картин того, как большие данные и ИИ изменят образование. Сейчас в мире идет широкое экспертное обсуждение о том, как использовать большие языковые модели и другие модели машинного обучения внутри образовательного процесса, например, в качестве персональных тьюторов, для составления задач и их оценивания, для многомодального обучения, в котором есть аудио, видео, тексты. Но важно не забывать также и о «внутренних процессах», которые не видны обучающимся и сторонним наблюдателям.

Анализ данных, применение к ним моделей машинного обучения — сильнейший инструмент для команд, создающих продукты. Чтобы работать с большими данными, нужно четко понимать, для чего именно они нужны. Без конкретных бизнес-задач и гипотез — это просто набор различных фактов и паттернов.

В нашем случае мы ориентировались на увеличение эффективности принятия управленческих решений, через призму увеличения набора на программы онлайн-кампуса НИУ ВШЭ. Также мы ведем работу над тем, чтобы машинное обучение и большие данные помогали оптимизировать затраты.

НИУ ВШЭ онлайн
НИУ ВШЭ онлайн

Студент НИУ ВШЭ в метавселенной

Студент НИУ ВШЭ в метавселенной

Так, модель, которая с каждой приемной кампанией будет все лучше понимать спрос и корректировать предложение, позволит оптимизировать экономику продуктовой линейки, показывая нам, что именно хотят абитуриенты, на какие программы стоит сделать наибольшую ставку. При этом, данный подход к запуску продукта работает не только в образовательный сфере, но и для бизнеса в любой нише.

Конечно, в масштабах всего образовательного рынка такая цифровая трансформация проходит неравномерно, и если где-то технологии сопровождают весь образовательный опыт студента, то в некоторых государственных и частных вузах только начинается цифровизация и автоматизация процессов. И тем не менее, интеграция в цифровой мир — необходимое условие для выживания провайдеров высшего образования. Новые технологии делают многие процессы удобнее, понятнее и эффективнее, причем не только для студентов и преподавателей, но и для команд, разрабатывающих новые образовательные продукты.

Расчетный счет для бизнеса

Предложение от Т-Банка

Расчетный счет для бизнеса

  • Бесплатное открытие, онлайн. Реквизиты — в день заявки
  • Первые два месяца — бесплатное обслуживание
  • Любые платежи ИП и юрлицам внутри банка — 0 ₽
Узнать больше

АО «ТБанк», лицензия №2673

Юлия Ремезова
Юлия Ремезова

Как использование больших данных помогает принимать важные решения в ваших проектах?

Яков Сомов
Яков Сомов

Как-то очень быстро закончилась статья.

Эксперт Бизнес-секретов
Эксперт Бизнес-секретов

Яков, было интересно?)

Игорь Асонов
Игорь Асонов

Яков, ответы на какие вопросы хотел бы узнать? :)


Больше по теме

Новости

Добавьте почту

Мы отправим вам приглашение на мероприятие

Продолжая, вы принимаете политику конфиденциальности и условия передачи информации