программа повышения квалификации

Педагогическое образование

Анализ образовательных данных для начинающих в R

Программа для тех, кто хочет применять методы анализа данных для улучшения учебного процесса и исследования образовательных данных. Вы научитесь самостоятельно проводить все этапы исследования: готовить данные для анализа, строить аналитические модели, визуализировать результаты и делать практические выводы. Для этого мы будем использовать язык программирования R.

Подать заявку
  • Старт курса

    11.10.2021

  • Продолжительность

    15 недель

  • Форма обучения

    очно-заочная

  • Документ

    Удостоверение о повышении квалификации НИУ ВШЭ

Для кого

  • преподавателей и специалистов в области образования

  • начинающих аналитиков и исследователей

  • аналитиков с опытом, желающих освоить новые инструменты

Истории слушателей

  • Борис - исследователь в области образования. Обычно он проводит качественные исследования на небольшой аудитории. У Бориса есть идеи более масштабных исследований, но он не имеет опыта программирования и работы с большими данными. Он хочет научиться анализу данных, чтобы поучаствовать в новом проекте по гранту.

  • Валерия работает в университете и управляет учебными программами. Она хочет регулярно анализировать результаты обучения, чтобы корректировать учебный процесс. Валерия имеет некоторый опыт анализа данных в SPSS и Excel, но этого недостаточно для решения её задач. Она хочет освоить программирование, чтобы более свободно работать с данными, и изучить новые методы анализа данных.

  • Андрей проводит обучение для большой аудитории на онлайн-платформе. Он скачал данные об активности студентов, но не знает, как с их помощью улучшить курс для следующего потока. Андрей хочет найти факторы, влияющие на то, что некоторые студенты бросают курс, и выявлять тех, кому нужна помощь для более успешного обучения.

Программа обучения

  • Знакомимся с аналитикой в образованииРазберем, что такое аналитика в образовании

    Вы узнаете:

    • кому может быть полезна учебная аналитика
    • какие исследовательские и практические задачи решают аналитики
    • откуда берутся данные
    • как устроена эта область сегодня, какие есть авторитетные журналы
  • Разбираемся в программировании и в анализе данных Как устроены программирование и анализ данных?

    Вы узнаете:

    • что такое программирование и как превратить знакомые действия в программу
    • основные элементы, из которых состоят программы
    • что нужно, чтобы стать хорошим аналитиком
  • Начинаем работать с RУчимся работать с языком программирования R

    Вы научитесь:

    • настраивать рабочее пространство для анализа данных (R Studio)
    • ориентироваться в интерфейсе R Studio
    • использовать базовые команды языка R и работать с основными типами данных
  • Учимся читать данные и делать простую обработкуНачинаем работать с данными

    Вы научитесь:

    • считывать и сохранять данные в популярных форматах CSV и XLSX (Excel)
    • работать с таблицами в R
    • рассчитывать описательные статистики (среднее, медиана) и получать общее представление о данных
    • превращать “сырые” (необработанные) данные в удобный для анализа формат
  • Визуализируем данныеДелаем данные наглядными

    Вы научитесь:

    • выбирать подходящий под задачу тип графика и оформлять его так, чтобы он был понятен
    • строить графики с помощью ggplot2
    • настраивать внешний вид графика
  • Делаем более сложную предобработку данныхРаботаем со сложными данными и преобразуем их в удобную форму. Строим красивые отчеты или конспекты

    Вы научитесь:

    • объединять таблицы, трансформировать данные
    • работать с данными в формате JSON
    • работать с текстовыми данными и датами
    • оформлять код в документ, совмещающий код, текстовые описания и визуализации
  • Находим взаимосвязи. КорреляцияРазбираемся, как найти взаимосвязь между численными показателями

    Вы научитесь:

    • отличать корреляцию от причинно-следственной связи
    • находить взаимосвязи между переменными и измерять степень их выраженности
    • находить связь между разными видами активности у студентов онлайн-курса
  • Предсказываем численные значения. Линейная регрессияУчимся автоматически предсказывать численные значения с помощью модели

    Вы научитесь:

    • объяснять одну переменную с помощью других
    • предсказывать численные значение переменной на основе других признаков
    • предсказывать оценку за курс на основе данных об активности студента на курсе
  • Предсказываем шансы. Логистическая регрессияПредсказываем вероятность наступления события и учимся автоматически делить объекты на две категории

    Вы научитесь:

    • предсказывать, к какой из двух групп принадлежит объект
    • предсказывать вероятность наступления события
    • находить студентов, которые будут успешными в курсе, и признаки, которые на это влияют
  • Распределяем по категориям. Деревья решенийСтроим модель, которая выводит набор простых правил (да / нет, больше / меньше), которые описывают, как можно делить объекты по категориям

    Вы научитесь:

    • строить модели для автоматического распределения по категориям
    • предсказывать, кто из студентов успешно закончит курс
    • находить признаки, которые влияют на успешность студента
    • визуализировать получившиеся модели
  • Группируем похожее. КластеризацияИщем группы похожих объектов с помощью методов кластеризации

    Вы научитесь:

    • выделять группы похожих элементов с помощью двух подходов: метода K-средний и иерархических алгоритмов
    • определять число групп
    • находить группы студентов с похожим стилем обучения
    • визуализировать обобщенные портреты таких групп
  • Исследуем отсев студентов. Анализ выживаемостиИсследуем, почему студенты бросают курс

    Вы научитесь:

    • определять признаки, влияющие на что, что студент бросает курс
    • подготавливать данные для построения таких моделей
    • визуализировать, сколько студентов доходят до отдельных этапов обучения
  • Проводим полноценное исследование. Защита итогового проекта

    Вы научитесь:

    • самостоятельно проводить исследование от начала до конца в естественных условиях
    • представлять результаты исследования
    • планировать изменения в процессе обучения на основе исследования данных
Чему вы научитесь

  • Ориентироваться в образовательной аналитике

    Понимать место аналитики в образовании и особенности данных. Находить исследования и лучшие практики.

  • Программировать на R

    Использовать R для решения практических и исследовательских задач.

  • Готовить данные к анализу

    Работать с данными в разных форматах, работать с числами, датами и текстом, находить аномалии, трансформировать данные.

  • Визуализировать данные

    Создавать понятные графики: выбирать подходящий тип графика и рисовать их в R.

  • Применять аналитические модели для реальных задач

    Выбирать метод анализа, выбирать критерии для анализа, строить модели, оценивать их качество.

  • Делать выводы на основе анализа

    Интерпретировать результаты работы моделей, делать практические выводы.

  • Самостоятельно проводить исследование на основе данных

    Проводить все этапы: готовить данные, анализировать их, визуализировать результаты и делать выводы.

Стоимость и условия

  • 34 000 рублей (возможна оплата частями). Договоры с физическими и юридическими лицами. Возможны скидки: для физических лиц - до 10%; для юридических лиц - до 10% при условии, если организация направляет не менее 3-х сотрудников.

    Подать заявку

Преподаватели

Отзывы выпускников

  • Мне кажется, что для первого знакомства с языком R это отличный курс. Очень дружелюбная и комфортная для занятий атмосфера (несмотря на то, что речь идёт о дистанционном формате). Понравилась интерактивность курса, возможность задавать вопросы везде и практически в любое время. Детальная обратная связь по домашним заданиям и подробные материалы для их выполнения. Набор статистических инструментов, представленных в курсе, действительно востребованы и актуальны. В следующих версиях курса можно было бы включить немного T-test и непараметрический методов. Понравился стиль ведения занятий, ненавязчивый мониторинг понимания и заинтересованности аудитории. Отдельно надо сказать о презентациях - было видно, что они сделаны с душой (чего стоят только объяснения Анастасии, какие графики не надо никогда рисовать) и с соблюдением академических традиций (ссылки на публикации, примеры из исследований). Резюмируя, курс получился интересный и полезный, потому что в него вложили много сил талантливые исследователи, которые увлечены своим делом. И тут же маленькая ахиллесова пята: иногда компоновки материала (чаще всего это можно было встретить в практикумах к домашним работам) содержат элементы (функции, куски кода, приемы и логику его написания), которые не объяснялись и которые понятны автору практикума, но не тем, кто на его основе делает задание. Опять же, понятно, что это не было сделано намеренно, и здесь скорее сказалась искренность и увлеченность создателей курса. Ребята, вы правда большие молодцы и очень крутые. Самое главное - то, что раньше в экселе и spss я делал недели, теперь укладывается у меня в полдня. И мне хочется узнавать ещё больше и больше, благо R позволяет постоянно прокачивать свои навыки. Спасибо вам за прекрасный курс!

    Пронин Александр Сергеевич, приглашенный преподаватель Санкт-Петербургской школы менеджмента НИУ ВШЭ

  • У меня в голове выстроился четкий алгоритм работы с данными, также прояснились неясные для меня моменты с интерпретацией результатов, овладела новыми для меня методами анализа. Узнала, как делать визуализацию в R, научилась проводить продвинутую обработку данных. Навыки продвинутой обработки данных оказались для меня лично чрезвычайно нужными в моей работе :). В целом могу сказать огромное спасибо за этот курс! И если будет продолжение, то I'm in!

  • Впечатления о программе положительные, узнала для себя много нового. Хочется поблагодарить преподавателей за оперативную обратную связь, отзывчивость, все всегда старались помочь с возникавшими трудностями, делились дополнительными материалами по теме. Хочется и дальше развиваться в этом направлении, ждём продолжение курса) Всем успехов и удачи!

    Менькова Надежда Александровна, заместитель заведующего центром довузовской подготовки НИУ ВШЭ в Нижнем Новгороде

  • Программа полезна для преподавателей, так как дает практические инструменты и методологию для обработки учебных данных. Качественно сделанные учебные материалы, особенно практика.

    Амбражей Антон Николаевич, заместитель директора МАЦК "Политехник - SAP", СПбПУ

  • Центр вычислительных наук об образовании Дирекции по онлайн-обучению, к. 215

    г. Москва, ул. Старая Басманная, д. 21/4 стр. 1

  • Землякова Елизавета Анатольевна, менеджер программы

    +7(495)772-95-90*23554

  • Электронная почта

    eazemlyakova@hse.ru