DSA Faculty
API
← к списку преподавателей

Грачева Дарья Александровна

Институт образования

Профиль на hse.ru ↗ тел.: 22154
Публикаций
14
Языков
1
Наград
9
Конференций
11
Профиль Публикации (14) Курсы (14)

Профессиональные интересы

психометрикамоделирование структурными уравнениямиСовременная теория тестирования (IRT)сценарные заданиянавыки XXI векакритическое мышлениеИИ-грамотностьИзмерения и ИИ

Должности

  • Научный сотрудник — Институт образования, Центр психометрики и измерений в образовании
  • Доцент — Институт образования, Департамент образовательных программ
  • Академический руководитель образовательной программы — Обучение и оценивание как наука

Био

  • · Начала работать в НИУ ВШЭ в 2018 году.
  • · Научно-педагогический стаж: 5 лет.

Образование

  • 2024 · Кандидат педагогических наук: Национальный исследовательский университет "Высшая школа экономики"
  • 2020 · Магистратура: Национальный исследовательский университет "Высшая школа экономики", специальность «Психология», квалификация «Магистр»

Опыт работы

  • · 2018: Иследователь Центра психометрики и измерений в образовании с года

Награды и поощрения

  • · Благодарность Института образования НИУ ВШЭ (декабрь 2025)
  • · Благодарность проректора НИУ ВШЭ (ноябрь 2025)
  • · Благодарность директора Института образования НИУ ВШЭ (декабрь 2023)
  • · Благодарность проректора НИУ ВШЭ (декабрь 2023)
  • · Надбавка за публикацию в журнале из Списка А (и приравненном к нему научном издании) (2025–2026, 2024–2025)
  • · Лучший преподаватель — 2023–2025
  • · Лучший академический руководитель в номинации «Сбалансированность образования» — 2025
  • · Лучший академический руководитель в номинации «Прием иностранных студентов» — 2025, 2023
  • · Лучший академический руководитель в номинации «Межфакультетское взаимодействие» — 2025

Гранты и проекты

  • — · Ученые в теме образования и тем более психологии часто хотят что-то измерить, будь то образовательные результаты, самооценка ребенка, его интеллект. Для этого нужен подходящий инструмент измерения. Я поступила в магистратуру по измерениям, потому что мне было интересно, как разрабатываются такие инструменты и как отличить плохой тест от хорошего. Для того чтобы разрабатывать тесты и анализировать их результаты, нужна определенная методология. Этим занимается психометрика — наука об измерениях, которая пытается выстроить связь между наблюдаемым поведением (скажем, ответами на тест) и чем-то ненаблюдаемым или латентным, например интеллектом или цифровой грамотностью. Лично я занимаюсь измерениями так называемых навыков XXI века — это критическое мышление, креативность, коммуникация и кооперация.

Конференции (11)

Показать все
  • · 2024: 25th Annual Meeting of the Association for Educational Assessment – Europe (AEA-Europe 2024).. Доклад: Investigating the Comparability of Scenario-Based Equivalent Forms using Process Data: The Case of Digital Literacy Assessment
  • · 2024: XIII конференция ЕАОКО (Москва). Доклад: «Исследование связей компетенций «4К», учебной мотивации, предметных результатов и социально- экономического статуса учеников»
  • · 2023: 24th Annual Meeting of the Association for Educational Assessment – Europe (AEA-Europe 2023).. Доклад: A domain-specific assessment of the critical thinking in universities: from methodology to implementation
  • · 2023: 24th Annual Meeting of the Association for Educational Assessment – Europe (AEA-Europe 2023).. Доклад: The application of generalizability theory to the scenario-based performance assessment of 21st century skills: analysis of task context effect
  • · 2022: 16th annual International Technology, Education and Development Conference INTED 2022. Доклад: THE RELATIONSHIP BETWEEN STUDENTS` ATTITUDES TOWARDS TASK CONTEXT AND ACHIEVEMENT IN THE ASSESSMENT OF 21ST-CENTURY SKILLS
  • · 2021: EDULEARN21 13th annual International Conference on Education and New Learning Technologies, 5th - 6th of July, 2021.. Доклад: ASSESSING CREATIVITY IN PRIMARY SCHOOL USING IMAGE ANALYSIS WITH NEURAL NETWORKS: A TWO-STEP APPROACH
  • · 2021: EDULEARN21 13th annual International Conference on Education and New Learning Technologies, 5th - 6th of July, 2021.. Доклад: INVESTIGATING THE EFFECT OF CONTEXT ON COMPARABILITY OF COMPUTERIZED PERFORMANCE-BASED TASKS
  • · 2021: European Conference on Educational Research (ECER 2021) (Geneva). Доклад: Examining Gender-Related Differential Item Functioning Among 4-Grade and 7-Grade Students in Computerized Performance-Based Tasks
  • · 2021: 22nd Annual Meeting of the Association for Educational Assessment – Europe (AEA-Europe 2021). Assessment for Changing Times: Opportunities and Challenges.. Доклад: Comparability of computerized performance-based assessment for measuring critical thinking
  • · 2020: «Цифровая гуманитаристика и технологии в образовании» 2020 (Москва). Доклад: Анализ изображений в образовательном тестировании с помощью машинного обучения (на примере инструмента измерения креативности)
  • · 2019: 45th Annual Conference IAEA 2019 (International Association of Educational Assessment) (Баку). Доклад: The role of different test context in computerized scenario-based assessment

Идентификаторы исследователя

Публикации (14)

Creativity Assessment by Analyzing Images Using Neural Networks

2022 · ARTICLE · en

This paper examines whether it is possible to assess creativity by analyzing images using neural networks. The psychometric data analysis used for latent class analysis makes it possible to obtain labels for training neural networks without the participation of experts. Highly accurate network prediction for identifying image creativity makes it possible to speak about the great possibilities of machine learning for the assessment of complex educational and psychological characteristics.

DOI ↗

Оценивание креативности на основе анализа изображений с помощью нейронных сетей

2021 · ARTICLE · ru

В статье исследуются возможности оценивания креативности обучающихся на основе нейросетевых подходов к анализу изображений. Применение психометрического анализа данных в методологии латентного классового анализа позволило получить разметку для обучения нейронной сети без привлечения экспертов. Высокая точность предсказаний сети для идентификации креативности изображений позволяет говорить о масштабных перспективах машинного обучения для оценки сложных образовательных и психологических характеристик.

DOI ↗ PDF ↗

INVESTIGATING THE EFFECT OF CONTEXT ON COMPARABILITY OF COMPUTERIZED PERFORMANCE-BASED TASKS

2021 · CHAPTER · en

Computerized performance-based tasks have the capacity to measure complex constructs, such as 21st-century skills that are difficult to assess using traditional test formats. Broad use of performance-based tasks in educational assessment led to a necessity to construct alternative forms. However, complex skills in these tasks are more likely to be unstable across problem contexts which raise a question about the comparability of alternative forms. In this study, we aimed to check the comparability of two forms of the interactive performance task for four-grade students using the Multigroup Confirmatory Factor Analysis. In the task, students interact with computer-simulated agents to demonstrate cooperation skills in a fantastic or real-life context. The results show that factor structure remains the same for both forms, while the context could affect the difficulty of test forms: fantastic context seemed easier for some cooperation indicators.

DOI ↗

ASSESSING CREATIVITY IN PRIMARY SCHOOL USING IMAGE ANALYSIS WITH NEURAL NETWORKS: A TWO-STEP APPROACH

2021 · CHAPTER · en

Most creativity assessment tools involve graphical solutions (images) evaluated by experts. Scoring with the engagement of human raters requires time and effort, and the automated scoring methods are insensitive to the content. As an alternative to both expert judgments and fully automatic scoring, machine learning (ML) demonstrated a great contribution to the field of educational assessment. The present study investigates the possibilities of assessing student creativity based on ML for image recognition. The study postulates large-scale prospects for ML to assess complex educational and psychological characteristics.

DOI ↗

Курсы (14)