Введение

Среди способов анализировать информацию можно выделить жанры “статистика” и “байки”. Разница между ними похожа на разницу между количественной и качественной социологией. Байки повествуют о необычных случаях, которые чем-то выделяются, это не типичный ход протекания событий. При принятии решений ориентироваться на байки плохо — по существу это выбросы из общей совокупности данных, ещё и обросшие подробностями в результате пересказов и интерпретаций. Однако, другая крайность — в принятии решений ориентироваться только на усреднённые статистические данные — так же плоха. Во-первых, потому что иногда важны именно выбросы — иначе бы не оценивали университеты по числу Нобелевских лауреатов, их закончивших, а оценивали бы по среднему IQ или заработку выпускников. Во-вторых, числовые данные появляются в результате измерений, а что-то мы измерить не можем, при измерении другого мы не учитываем важных влияющих факторов, а если результаты измерений учитываются для оценки результативности, то довольно быстро начинает измеряться способность системы эти результаты сфальсифицировать.

Списывание в России повсеместно. Авторы исследования видят в этом не проблему, а индикатор проблемы — как высокая температура сама по себе не болезнь, но симптом болезни. В некотором смысле интенсивность списывания выявляет качество образования: где умные и добросовестные студенты изучают то, что им интересно и нужно изучать, где преподаватели интересно и понятно объясняют, а потом корректно спрашивают, там не возникает массового списывания. Где лекции скучны, предмет не нужен, не интересен, сложен, студенты не знают базовых вещей, учиться не хотят — там списывают почти все.

В этой статье мы представляем результаты анализа опроса студентов и преподавателей о списывании. В первую очередь списывание было нам интересно как институциональный феномен: как к списыванию относятся преподаватели и администрация, как работают механизмы наказания за списывание. Ниже представлена первая часть исследования.

Вторая часть исследования

Основная статья

Описание переменных

formattable(Table, 
            align =c("l","l"), 
            list(`Indicator Name` = formatter(
            "span", style = ~ style(color = "grey",font.weight = "bold"))))
Variables Description
occupation Кем является респондент (студент/преподаватель и т.д.)
school Где Вы учитесь (преподаёте, учились)?
official Знаете ли Вы, какое официальное наказание за списывание в том месте, где Вы учитесь (преподаёте)?
caught Кажется ли Вам слишком суровой следующая схема: при поимке на списывании или плагиате студенту делается дисциплинарное взыскание, три взыскания – отчисление?
cheating Списывание со шпаргалки…
edu Когда вас опрашивают про качество обучения, Вы…
truth Но в этом опросе Вы говорили правду и только правду
grade_rise Hасколько в среднем вырастала Ваша оценка, если Вы списывали?
age Возраст респондента
info Списывание влияет на то, насколько студенты усваивают нужную и важную информацию

Анализируем ответы

Честность в этом опросе

mytable1 <- table(data$truth)

lbls <- paste(names(mytable1), "\n", mytable1, sep="")

pie(mytable1, labels = lbls,
main="В этом опросе вы отвечали честно?")

С какими возрастными категориями мы имеем дело?

data_stat = data %>% drop_na(age) %>%  group_by(occupation) %>% summarise(count = n(), mean_age = round(mean(age),1), median_age = median(age), SD = round(sd(age),2)) %>% arrange(-count)

formattable(data_stat, 
            align =c("l","c","c","c","c", "c", "c", "c", "r"), 
            list(`Indicator Name` = formatter(
            "span", style = ~ style(color = "grey",font.weight = "bold"))))
occupation count mean_age median_age SD
студент, учусь 145 20.4 19 3.25
преподаватель вуза 103 35.9 35 7.63
другое 46 35.2 34 9.69
педагог в школе 14 35.2 33 12.45
учусь в школе 13 16.7 17 1.25

Как можно заметить, большинство респондентов в данном опросе (около 80%) являются студентами либо преподавателями ВУЗов. Студентам в среднем около 20 лет, преподавателям - около 35. Также в опросе поучаствовало небольшое количество педагогов и учащихся школ, однако в дальнейшем анализе в большинстве случаев будут использованы данные именно студентов и преподавателей ВУЗов. На это есть несколько причин. Во-первых, в опросе поучастовало наибольшее количество человек из этой категории, поэтому представляется возможным с большей уверенностью генерализировать результаты. Во-вторых, сама тематика списывания воспринимается и практикуется довольно по-разному в ВУзах и школах, поскольку эти два типа учебных заведений можно охарактеризовать различной социальной-экономической средой, варьирующимися демографическими характеристиками субьектов, а также различным набором общепринятых социальных норм. Таким образом, в дальнейшем анализе будет делаться акцент на рассмотрении характерных особенностей студентов и преподавателей высших учебных заведений.

Текущее занятие респондента

data$occupation <- ordered(data$occupation, 
          levels = c("учусь в школе","педагог в школе","другое","преподаватель вуза","студент, учусь"))

ggplot(data = na.omit(subset(data, select = occupation)),
          aes(x = occupation, y = ..count../sum(..count..), fill = occupation)) + 
          geom_bar(color = "black", alpha = 0.6, fill = "lightblue") +
          geom_text(aes(label = percent(..count../sum(..count..))), 
          size = 4, stat= "count", position = position_stack(vjust = 0.5)) +
          scale_y_continuous(labels = percent) +
          labs(title = "Tекущая занятость респондента
               ", y  = "", x = "") +
          theme_minimal() +
          guides(fill = F)+
          theme(text = element_text(size = 13), 
          plot.title = element_text(hjust = 0.5), title = element_text(size = 12))+
          coord_flip()

Известно ли респонденту об официальном наказании за списывание?

ggplot(data = na.omit(subset(data, select = c(official, occupation))), aes(x= official,  group=occupation)) + 
    geom_bar(aes(y = ..prop.., fill = factor(..x..)), 
    stat="count", color = "black", alpha = 0.6) +
    geom_text(aes(label = scales::percent(..prop..),
    y= ..prop.. ), stat= "count", vjust = -.5, size = 3.5) +
    facet_grid(~occupation) +
    scale_y_continuous(labels = scales::percent)+
    guides(fill = F)+
    labs(title = "Знает ли респондент о формальном наказании за списывание?
         ", 
    x = "", y = "")+
    theme_bw()+
    scale_fill_brewer(palette="Set2")+
    theme(text = element_text(size = 13), 
          plot.title = element_text(hjust = 0.5), title = element_text(size = 12))