Using data mining to create innovations in education

Використання технологій Data Mining для розробки інноваційних продуктів в сфері освіти

Chala, Nina
Voropai, Olga
Pichyk, Kateryna
Чала, Ніна
Воропай, Ольга
Пічик, Катерина

National University of Kyiv-Mohyla Academy, Skovoroda Str., 2, Kyiv, 04070, Ukraine
National University of Kyiv-Mohyla Academy, Volos'ka Str., 10, Kyiv, 04655, Ukraine
National University of Kyiv-Mohyla Academy, Skovoroda Str., 2, Kyiv, 04070, Ukraine
Національний університет “Києво-Могилянська Академія” вул. Г. Сковороди, 2, м. Київ, 04070, Україна
Національний університет “Києво-Могилянська Академія” вул. Волоська, 10, м. Київ, 04655, Україна
Національний університет “Києво-Могилянська Академія” вул. Г. Сковороди, 2, м. Київ, 04070, Україна

Чала Н. Using data mining to create innovations in education [Електронний ресурс] / Ніна Чала, Ольга Воропай, Катерина Пічик // Соціально-економічні проблеми і держава. — 2021. — Вип. 2 (25). — С. 21-28. — Режим доступу: http://sepd.tntu.edu.ua/images/stories/pdf/2021/21cndiie.pdf

Chala, N., Voropai, O. & Pichyk, K. (2021) Using data mining to create innovations in education. Sotsialno-ekonomichni problemy i derzhava [Socio-Economic Problems and the State] (electronic journal), Vol. 25, no. 2, pp. 21-28. Available at: http://sepd.tntu.edu.ua/images/stories/pdf/2021/21cndiie.pdf

Електронне наукове фахове видання "Соціально-економічні проблеми і держава"

2(25)

лис-2021

жов-2021

12-лип-2022

Тернопільський національний технічний університет імені Івана Пулюя та Академія соціального управління (Україна)

UA

Тернопіль

http://orcid.org/0000-0002-0356-9003
http://orcid.org/0000-0001-5257-7619
http://orcid.org/0000-0003-1161-270X

https://doi.org/10.33108/sepd2022.02.021

004.8:378

С10
С13
С89
I20
I29

Data Mining technology
social networks
clusters
educational institutions
educational services
innovations in education
технологія Data Mining
соціальні мережі
кластери
заклади освіти
освітні послуги
інновації в освіті

8

21-28

21

28

The article substantiates the need for educational institutions to use Data Mining technology as a key to successful management decisions in modern realities. The study focuses on working with social media data. The authors emphasized the lack of attention to this issue among both foreign and Ukrainian scientists. The article outlines the algorithm for collecting and transmitting primary data obtained as a result of monitoring the activity of educational institutions in social networks to form models of various types of their actions. The model presented by the authors includes four stages. Stages one and two provide the list of factors / metrics that can be included in the model. These factors require an appropriate and high-quality data collection process. At the next stage, the authors propose data clustering as the most important process for the future use of social network data. It is emphasized that the formation of clusters will depend on the tasks facing the management teams of the educational market. The authors give several examples of such clustering but point out that the list is not exhaustive and can be significantly expanded. An important aspect of the availability of such databases is access to information not only for teachers, but also for all interested university staff. At the same time, each user (students, teachers, staff, administration) will receive data relevant to their requests and needs. The developed methodology will help increase the efficiency of management decision-making and implementation and provide an opportunity to justify the parameters of successful innovation in educational institutions in many respects, including the development of educational programs, implementation of new certification programs and disciplines, other services, etc.

В статті обґрунтовано необхідність використання закладами освіти технології Data Mining, адже в сучасних реаліях це ключ для успішного прийняття управлінських рішень. Особлива увага дослідження зосереджена на роботі з даними соціальних мереж. Авторами вивчено роботи, пов’язані із даною тематикою, та наголошено на недостатній увазі до відзначеного питання як серед іноземних, так і українських вчених. У статті окреслено алгоритм збору та передачі первинних даних, отриманих внаслідок моніторингу активності закладів освіти у соціальних мережах, для формування моделей різноманітних видів їх діяльності. Наведена авторами модель містить чотири етапи. За першими двома представлено фактори/метрики, які можуть бути включені в модель, і відповідно потребують збору необхідних даних. На наступному етапі авторами запропоновано кластеризацію даних, як найважливіший процес для майбутнього використання даних соціальних мереж. Наголошено, що формування кластерів буде залежати від завдань, які стоять перед керівництвом щодо провадження діяльності на ринку освітніх послуг. Автори наводять декілька прикладів такої кластеризації, але вказують, що перелік не вичерпується запропонованим списком і може бути значно розширений. Важливим аспектом наявності таких баз даних, є можливість доступу до інформації всіх зацікавлених співробітників університетів. У той же час, кожен з користувачів (студенти, викладачі, співробітники, адміністрація) зможуть отримувати дані, релевантні своїм запитам і потребам. Розроблена методика сприятиме підвищенню ефективності прийняття та впровадження управлінських рішень і надасть можливість обґрунтувати параметри успішного впровадження інновацій в закладах освіти щодо багатьох аспектів, зокрема, при розробці освітніх програм, впровадженні нових сертифікатних програм та дисциплін, пропозиції інших послуг тощо.

The authors received no direct funding for this research.

http://elartu.tntu.edu.ua/handle/lib/38467

2223-3822

Електронне наукове фахове видання «Соціально-економічні проблеми і держава»

http://sepd.tntu.edu.ua/images/stories/pdf/2021/21cndiie.pdf
https://doi.org/10.1145/3299815.3314441
https://doi.org/10.1080/08841241.2015.1083512
https://www.mckinsey.com/industries/public-and-social-sector/our-insights/how-higher-education-institutions-can-transform-themselves-using-advanced-analytics?cid=app
https://doi.org/10.1016/j.jbusres.2016.02.010
https://www.mckinsey.com/business-functions/strategy-and-corporate-finance/our-insights/the-strategy-analytics-revolution?cid=other-eml-alt-mip-mck&hdpid=d040c36b-ab38-4318-8f3e-e01884025bba&hctky=3072032&hlkid=3a7d50730d574ff0bbf82bf62bb74d3d
https://www.researchgate.net/publication/220876232_The_Effect_of_Post_Type_

Category_and_Posting_Day_on_User_Interaction_Level_on_Facebook
https://doi.org/10.1007/s10639-016-9501-1
https://doi.org/10.1080/09523987.2017.1324363

1. Desai S., Meng H. (2019) Social Media Content Analytics beyond the Text: A Case Study of University Branding in Instagram. 94-101. DOI: 10.1145/3299815.3314441
2. Galan M., Lawley M., Clements, M. (2015) Social media’s use in postgraduate students' decision-making journey: An exploratory study. Journal of Marketing for Higher Education, 25, 287–312 DOI: 10.1080/08841241.2015.1083512
3. Krawitz M., Law J., Litman S. (2018) How higher-education institutions can transform themselves using advanced analytics. McKinsey and Company, 1-6. Available at: https://www.mckinsey.com/industries/public-and-social-sector/our-insights/how-higher-education-institutions-can-transform-themselves-using-advanced-analytics?cid=app (accessed 19 August 2021)
4. Moro S., Rita P., Vala B. (2016) Predicting social media performance metrics and evaluation of the impact on brand building: A data mining approach, Journal of Business Research, Volume 69, Issue 9, 2016, Pages 3341-3351, ISSN 0148-2963, https://doi.org/10.1016/j.jbusres.2016.02.010
5. Mulligan Ch., Northcote N., Röder T., Vesuvala S. (2021) The strategy-analytics revolution. McKinsey and Company, 1-6. Available at: https://www.mckinsey.com/business-functions/strategy-and-corporate-finance/our-insights/the-strategy-analytics-revolution?cid=other-eml-alt-mip-mck&hdpid=d040c36b-ab38-4318-8f3e-e01884025bba&hctky=3072032&hlkid=3a7d50730d574ff0bbf82bf62bb74d3d (accessed 4 September 2021)
6. Pletikosa I., Spiegler E., Michahelles F. (2011). The Effect of Post Type, Category and Posting Day on User Interaction Level on Facebook. 810-813. 10.1109/PASSAT/SocialCom.2011.21. Available at: https://www.researchgate.net/publication/220876232_The_Effect_of_Post_Type_

Category_and_Posting_Day_on_User_Interaction_Level_on_Facebook (accessed 4 September 2021)
7. Singh, A. (2017) Mining of Social Media data of University students. Education and Information Technologies 22,1515–1526. https://doi.org/10.1007/s10639-016-9501-1
8. Veletsianos G., Kimmons R., Shaw A., Pasquini L., Woodward S. (2017) Selective openness, branding, broadcasting, and promotion: Twitter use in Canada’s public universities, Educational Media International, 54:1, 1-19, DOI: 10.1080/09523987.2017.1324363
9. Voropai, O., Pichyk, K., Chala, N. (2019). Increasing competitiveness of higher education in Ukraine through value co-creation strategy. Economics and Sociology, 2019, 12(4), стр. 214–226. https://doi.org/10.14254/2071-789X.2019/12-4/14

Article

Журнал „Соціально-економічні проблеми і держава“, 2021, Випуск 2(25)