| Раздел 1. Образовательные данные в цифровой среде школы | Понятие инженерии образовательных данных. Образовательная организация как источник данных. Цифровая образовательная среда школы: электронный журнал, LMS, системы тестирования, цифровые образовательные ресурсы, электронные таблицы, формы обратной связи, журналы активности, данные проектной и внеурочной деятельности. Жизненный цикл образовательных данных. Исходные, очищенные, преобразованные и опубликованные данные. Форматы CSV, XLSX, JSON и XML. Единица наблюдения и уровень анализа: обучающийся, учебная группа, задание, попытка тестирования, учебная сессия, образовательный ресурс. Требования к минимизации, обезличиванию и безопасному хранению данных обучающихся. Роль учителя информатики в организации ответственной работы с данными в школе.Лабораторная работа 1. Инвентаризация источников образовательных данных школы. Описание условной цифровой образовательной среды; выделение источников данных; определение состава полей, форматов, пользователей и ограничений доступа; построение схемы движения данных; подготовка перечня данных, допустимых для учебной обработки после обезличивания. Самостоятельная работа: изучение структуры цифровой образовательной среды школы; анализ примеров выгрузок из электронного журнала, LMS и систем тестирования; | 16 | 2 | 10 | 4 |
| Раздел 2. Подготовка и очистка образовательных данных | Структура табличного набора данных. Типы переменных. Кодирование категорий. Проверка форматов дат, чисел, текстовых полей и идентификаторов. Типичные ошибки образовательных данных: пропуски, дубликаты, несогласованные справочники, разные шкалы оценивания, ошибочные даты, нарушение уникальности записей. Объединение данных из нескольких источников. Сопоставление идентификаторов обучающихся, групп, заданий и учебных периодов. Очистка и преобразование данных средствами электронных таблиц и Python. Использование pandas для чтения, фильтрации, объединения и сохранения данных. Документирование преобразований. Разграничение подготовки данных и последующей образовательной аналитики. Лабораторная работа 2. Очистка и объединение выгрузок образовательных данных. Получение нескольких обезличенных файлов: результаты заданий, посещаемость, активность в LMS, сведения о группах. Проверка структуры, обработка пропусков и дубликатов, унификация форматов, объединение таблиц, подготовка очищенного набора данных и журнала выполненных преобразований. Самостоятельная работа: доработка скриптов очистки данных; описание выявленных ошибок исходных данных; подготовка журнала преобразований и пояснений к принятым решениям по обработке пропусков, дубликатов и несогласованных значений. | 18 | 0 | 12 | 6 |
| Раздел 3. Хранение, проверка качества и документирование данных | Простые структуры хранения образовательных данных. Таблицы, справочники и связи. Использование реляционной базы данных для хранения подготовленных наборов. Базовые SQL-запросы для проверки состава и качества данных. Ограничения целостности на вводном уровне. Словарь данных: имя поля, описание, тип, допустимые значения, источник и правила заполнения. Паспорт набора данных. Показатели качества данных: полнота, корректность, согласованность, уникальность, актуальность и целостность. Простые правила автоматизированной проверки качества. Хранение исходных и обработанных версий. Именование файлов, структура папок и версионирование. Резервное копирование учебного набора данных. Лабораторная работа 3. Создание управляемого набора образовательных данных. Загрузка очищенных данных в простую реляционную структуру; создание справочников; выполнение базовых SQL-проверок; разработка словаря данных; описание правил качества; фиксация версий исходного и подготовленного набора; подготовка паспорта набора данных. Самостоятельная работа: подготовка словаря данных и паспорта набора данных; разработка простых правил проверки качества; оформление описания структуры хранения, версий файлов и ограничений использования набора данных. | 18 | 2 | 12 | 4 |
| Раздел 4. Воспроизводимый конвейер подготовки данных для школьных задач | Понятие воспроизводимого сценария обработки данных. Различие ручной обработки, полуавтоматизированного сценария и конвейера данных. Структура проекта подготовки данных: исходные файлы, скрипты, промежуточные результаты, итоговый набор, документация. Повторный запуск обработки. Проверка результата после обновления исходных данных. Обработка ошибок. Подготовка данных для разных потребителей: учителя, методиста, администрации, школьного проекта, визуализации или исследовательского задания. Ограничения: в дисциплине не выполняется глубокая статистическая интерпретация, машинное обучение, разработка промышленных ETL-систем и построение BI-панелей. Итоговый результат — качественно подготовленный и документированный образовательный набор данных. Лабораторная работа 4. Итоговый проект «Воспроизводимая подготовка образовательных данных». Разработка завершённого учебного конвейера подготовки данных для выбранной школьной задачи. Проект включает исходные обезличенные данные, скрипты очистки и объединения, проверку качества, итоговый набор данных, словарь данных, паспорт набора, инструкцию по повторному запуску и описание ограничений использования. Самостоятельная работа: завершение итогового проекта; подготовка инструкции по повторному запуску обработки; оформление технического отчёта, описания ограничений, структуры проекта и материалов для защиты. | 20 | 0 | 14 | 6 |