УДК 378.14:004.65
DOI: 10.36871/26189976.2026.02-3.006

Авторы

Юлия Станиславовна Северьянова,
Казанский федеральный университет, Казань, Россия
Али Анварович Халидов,
ФГБОУ ВО «Казанский государственный энергетический университет», Казань, Россия
Александр Альбертович Петросян,
Московский политехнический университет, Москва, Россия

Аннотация

В статье осуществлён социологически ориентированный анализ возможностей разработки и валидации нейросетевой модели прогнозирования успеваемости студентов на основе данных цифрового следа вуза. Рассматриваются теоретические основания использования цифрового следа как источника образовательных данных, концептуальная архитектура нейросетевой модели, а также методологические подходы к оценке её качества и переносимости. Особое внимание уделено рискам алгоритмической стратификации и этическим ограничениям применения предиктивной аналитики в высшем образовании. Показаны направления дальнейших исследований без развертывания собственных эмпирических экспериментов.

Ключевые слова

цифровой след обучающегося
образовательная аналитика
нейросетевая модель
прогнозирование

Список литературы

[1] Ахмаров А. В. Модели софинансирования социальных страховых программ: сравнительный анализ и перспективы для России / А. В. Ахмаров, А. М. Мамаева, К. Д. Шахдуллаев // Экономика и управление: проблемы, решения. — 2025. — Т. 11, № 3(156). — С. 211–217. — DOI 10.36871/ek.up. p. r.2025.03.11.022. — EDN AYUZOK.

[2] Богданова А. Н., Лапчик Д. М., Федорова Г. А. Образовательные практики сбора и анализа данных цифрового следа школьников // Вестник Сибирского института бизнеса и информационных технологий. 2023. Т. 12. № 4. С. 12–20.

[3] Вайндорф-Сысоева М. Е., Пчелякова В. В. Перспективы использования цифрового следа в образовательном и научном процессах // Вестник Мининского университета. 2021. Т. 9. № 3 (36). С. 1–14.

[4] Вайндорф-Сысоева М. Е., Субочева М. Л. «Цифровое образование» как системообразующая категория: подходы к определению // Вестник Московского государственного областного университета. Серия: Педагогика. 2018. № 3. С. 25–36.

[5] Гайдамак Е. С., Лапчик Д. М., Федорова Г. А. Цифровой след в образовательной среде как регулятор профориентации студентов на педагогическую профессию // Журнал Сибирского федерального университета. Серия: Гуманитарные науки. 2021. Т. 14. № 9. С. 1388–1398.

[6] Дьяченко М. С., Леонов А. Г. Цифровой след в образовании как драйвер профессионального роста в цифровую эпоху // E-Management. 2022. Т. 5. № 4. С. 23–30.

[7] Жернов Е. Е., Кочергин Д. Г. Этические проблемы цифровизации образования // Профессиональное образование в России и за рубежом. 2021. № 4 (44). С. 64–70.

[8] Зайцева С. А., Смирнов В. А. Аксиологический подход к понятию цифрового следа // Ноосферные исследования. 2021. Вып. 3. С. 79–87.

[9] Курзаева Л. В., Савва Л. И., Назарова Е. К., Абзалов А. Р., Килиевич Д. А. Анализ и обработка данных цифрового следа обучающихся // Мир науки. Педагогика и психология. 2022. Т. 10. № 6. С. 1–11.

[10] Русаков С. В., Русакова О. Л., Посохина К. А. Нейросетевая модель прогнозирования группы риска по успеваемости студентов первого курса // Современные информационные технологии и ИТ-образование. 2018. № 14 (4). С. 815–822.