Программы развития большинства мировых и отечественных вузов в настоящее время все чаще включают такое направление как управление образовательным процессом на основе данных. Если в мировой образовательной практике эта тема развивается достаточно активно, то в России существуют лишь единичные практики масштабного применения методов учебной аналитики в образовательных организациях. Можно констатировать, что работы в этой области носят преимущественно исследовательский характер, что подтверждается ростом публикаций и проведением конференций, семинаров и круглых столов посвященных этому вопросу [1, 2].

Цифровая трансформация образования, интенсивное развитие цифровых технологий, а также пандемия новой коронавирусной инфекции послужила катализатором изменений образовательной среды университетов. В этих условиях произошло интенсивное развитие электронной информационно-образовательной среды, лавинообразное нарастание цифрового образовательного контента, создание электронных обучающих курсов и персональных образовательных сред [3, 4]. Таким образом, университеты получили источник данных цифрового следа обучающихся. Это привело к тому, что возникли новые возможности для организации процесса успешного обучения студентов и решения проблемы сохранности контингента в условиях подушевого финансирования вузов.

С участием авторов статьи в Сибирском федеральном университете был разработан цифровой сервис прогнозирования успешности обучения студентов «Пифия» [4]. В основу функционирования которого заложен ансамбль моделей прогнозирования, который комбинирует марковские алгоритмы [5] с алгоритмами машинного обучения [6]. Сервис Пифия выступает комплексным автоматизированным инструментом предиктивного мониторинга на основе данных цифрового следа обучающихся, которые накапливаются и хранятся в ЭИОС СФУ. Основным назначением Сервиса Пифия выступает еженедельное прогнозирование результатов текущей сессии на основе предиктивного анализа данных цифрового следа обучающихся, получаемых в реальном времени и отражающего их образовательное поведение [7]. Заметим, что регулярное прогнозирование осуществляется как в отношении факта сдачи промежуточной аттестации по дисциплинам, реализуемым в условиях ЭИОС вуза, так и относительно факта успешной сдачи текущей сессии (успешного перехода студента в следующий семестр без образования задолженностей). Сервис Пифия визуализирует «по принципу светофора» отнесение студентов к группам риска академической неуспешности. То есть студентам группы низкого риска присваивается зеленый цвет, студентам группы среднего риска – желтый, а студентам группы высокого риска – красный.

Применение результатов предиктивного анализа средствами сервиса Пифия целесообразно осуществлять, начиная с 7-8 недели учебного семестра. Именно с этого момента Пифия визуализирует студентов с достаточной точностью, т.е. позволяет практически «на лету» выявить тех, у которых только начинают формироваться трудности в обучении, для того, чтобы своевременно оказать им педагогическое содействие и повысить успешность их обучения. Отметим, что под успешностью обучения мы понимаем «интегральную характеристику учебной деятельности обучающегося, отражающую достижение или превышение им запланированных образовательных результатов по дисциплине в установленные сроки» [8].

В процессе работы сервиса Пифия были разработаны сценарии педагогического содействия обучающимся групп высокого, среднего и низкого риска академической неуспешности [9]. В настоящей статье остановимся на применении учебной аналитики для успешного обучения студентов группы высокого риска. При этом опытная эксплуатация цифрового сервиса в реальном образовательном процессе показала, что важным фактором является систематичность проведения данных мероприятий.

Рассмотрим некоторые кейсы из реальной практики по повышению успешности обучения студентов.

Кейс 1. Например, рисунок 1 наглядно демонстрирует изменение образовательного поведения конкретного студента по дисциплинам текущего семестра, которому на 7 учебной неделе были оказаны меры педагогического содействия. С 1 по 7 учебную неделю у него прогнозировался высокий риск академической неуспешности более, чем по 70% дисциплин, а с 8 недели он составил лишь 11%.