+7 812 622-14-57 Санкт-Петербург
+7 499 685-40-27 Москва

Использование BigData в исследованиях. Кейс: “Цифровые следы образовательных миграций”.

Объемы данных растут буквально каждую минуту. После того как в одном калифорнийском гараже был собран первый компьютер, жизнь почти всего человечества изменилась и теперь, что бы мы ни делали, куда бы ни поехали – везде за нами остается цифровой след. Но главное, мы уже знаем как его использовать.

Самый очевидный пример – это, конечно, всевозможные исследования, данные для которых можно вытягивать онлайн, причем это несложно, например GoogleAnalytics позволяет вытягивать геолокационную и поведенческую информацию о разных целевых аудиториях. BigData множится, а инструменты анализа информации находятся в непрерывном развитии, что говорит о том, что возможности прогнозирования и моделирования разных социальных процессов “откусят” значительный кусок пирога у исследовательских компаний уже в скором будущем.

Даниил Александров, замдиректора НИУ ВШЭ- Санкт-Петербург, заведующий лабораторией “Социологии образования и науки “, а также профессор департамента социологии, изучает следы образовательных миграций в своем проектедля обучения студентов навыкам работы с большими объемами данных – DigitalFootprintsofEducationalMigrations.

Что он сделал?
Вместе со своими студентами он выгрузил данные профилей сети Вконтакте и изучил географию сообщений. Таким образом, он получил интересную геолокационную картину, которую представил в инфографиках.
В чем идея?
К примеру, пользователь, который до 17 лет писал сообщения из города N, а потом в течении определенного времени стал отправлять сообщения, скажем, из Китая, очевидно, переехал.
Зачем это нужно?
Прежде всего это показывает миграционные тенденции молодежи. Помогает анализировать эффективность государственных программ, квот на образование и т.д.

Дело в том, изучение образовательных миграций традиционными средствами, предполагает сбор детальной статистики, проведение опросов и полевые исследования. Это не только огромный труд, но и затраты немалых средств. А современные инструменты сбора больших данных, позволяют собирать информацию с такой простотой и точностью, которая ранее была невозможна.

Например, первое что студенты сделали, – это собрали информацию о потоках студентов из городов России в свою альма-матер.

 

В НИУ-ВШЭ четыре кампуса – московский, петербургский, пермский и кампус в Нижнем Новгороде. Наиболее амбициозные студенты едут в столицу, но также есть разброс по студентам и в другие кампусы.
Санкт-Петербургский, например, намного скромнее, но прирост студентов из городов СНГ сравним с московским. Более 70% учащихся – приезжие из других городов, и только 30% петербуржцы.

Как видно из инфографики, основное количество студентов приезжает из Северо-Западного региона России, что обусловлено простой географической близостью. Однако исследование показывает, что университет также популярен среди дальневосточной молодежи.

 

Потоки студентов из стран СНГ

Что касается наших ближайших соседей из стран СНГ, они выбирают наиболее благоприятные и близкие для себя регионы. Общая культурно-религиозная среда и наличие устойчивых сложившихся сетевых отношений, и диаспор, играют важную роль в выборе вуза. Те учащиеся, которые выбирают Казань, скорее всего надеются на лучшие условия и отсутствие ксенофобии, а абитуриенты из школ Казахстана останавливают свой выбор на Томске благодаря эффекту успешного землячества.

Существуют и факторы, создаваемые государством – различные квоты на образование и стипендиальные программы, но по словам Даниила, их влияние незначительно, все же потоки, сложившиеся за двадцать с лишним лет постсоветской мобильности текут по давно образованным собственным социальным руслам.
Важнейший фактор – престиж и известность университета и города. Москва лидирует по студенческому контингенту в целом и по абсолютному числу студентов из всех стран. На втором месте Санкт-Петербург. Посмотрите на долевые инфографики потоков учащихся – оба города имеют похожие объемы, с небольшой разницей – из Украины студенты мигрируют в город на Неве, а из Казахстана – в столицу.

 

Потоки студентов из России в Китай

В отличие от стран бывшего СССР, миграцию студентов из стран БРИКС отследить сложно, по причине их слабой представленности в сети “ВКонтакте”. В основе исследования использовалось предположение, что международные студенты из Китая отмечают переезд в своих профилях китайской сети Renren, однако у исследователей был ограничен доступ к базе данных сети.

Тем не менее, данные “Вконтакте” позволяют выделить потоки учащихся из России в города Китая. Как и в случае со странами СНГ, важную роль в выборе будущего места проживания играет престижность вуза, географическое расстояние и представления о возможностях интеграции в новой среде.

 

 

Проект DigitalFootprintsofEducationalMigrations выступил не только полезным тренажером для работы с BigData, но и показал перспективы развития государственной образовательной стратегии. Паттерны самостоятельной миграции могут стать полезными в распределении квот на обучение иностранных студентов в университетах России. В свою очередь, анализ потоков учащихся может быть полезен российским вузам для более эффективного подхода к реализации образовательных программ, например, так называемая программа двух дипломов, когда студент начинает обучение в одном вузе и заканчивает в другом.

Однако авторы проекта столкнулись с рядом трудностей: в социальных сетях тысячи ложных профилей, сотни людей регистрируют фальшивые сведения, они указывают вымышленные города и университеты. На массовых данных очень трудно проверить истинность заполнения того или иного раздела профиля. Также избирательное представление – когда в профиле указывается только более престижный вуз, в котором студент закончил магистратуру, а первый вуз в родном городе вообще не указывается –  мешает увидеть картину целиком.

И тем не менее, это первое образовательное исследование открывает нам очевидную истину – первый шаг сделан и дальнейшие цели социологов и исследовательских компаний лежат в области совершенствования методов и детального сравнения с офлайн-данными там, где они доступны.