978-5-907688-34-6 10.31483/a-10474 Психолого-педагогические исследования – Тульскому региону Psychological and Pedagogical Research – Tula Region

В сборнике представлены статьи участников III Региональной научно-практической конференции магистрантов, аспирантов, стажеров «Психолого-педагогические исследования – Тульскому региону». В материалах сборника отражены результаты теоретических и прикладных изысканий молодых ученых в области психологии и педагогики.

 Пазухина Светлана Вячеславовна Pazukhina Svetlana Vyacheslavovna https://orcid.org/0000-0003-3190-3520 svetlana.pazukhina@tolstovsky.ru Федотенко Инна Леонидовна Fedotenko Inna Leonidovna innafedotenko@mail.ru Декина Елена Викторовна Dekina Elena Viktorovna https://orcid.org/0000-0003-4995-9071 kmppedagogika@yandex.ru Шалагинова Ксения Сергеевна Shalaginova Kseniya Sergeevna https://orcid.org/0000-0002-9037-449X shalaginvaksenija99@yandex.ru Филиппова Светлана Анатольевна Filippova Svetlana Svetlana anatolevna filippova https://orcid.org/0000-0003-2245-3599 wega-04@mail.ru Степанова Наталия Анатольевна Stepanova Nataliya Anatolevna https://orcid.org/0000-0002-0232-9710 Пазухина Светлана Вячеславовна Pazukhina Svetlana Vyacheslavovna https://orcid.org/0000-0003-3190-3520 Федотенко Инна Леонидовна Fedotenko Inna Leonidovna Ежкова Нина Сергеевна Ezhkova Nina Sergeevna https://orcid.org/0000-0002-5916-0450 Декина Елена Викторовна Dekina Elena Viktorovna https://orcid.org/0000-0003-4995-9071 Шалагинова Ксения Сергеевна Shalaginova Kseniya Sergeevna https://orcid.org/0000-0002-9037-449X Филиппова Светлана Анатольевна Filippova Svetlana Svetlana anatolevna filippova https://orcid.org/0000-0003-2245-3599 Психолого-педагогические исследования – Тульскому региону Psychological and Pedagogical Research – Tula Region 18 05 2023 Тула ИД «Среда» 2023 © 2023 Svetlana S. Brazhnikova © 2023 Бражникова С. С. 2023 Бражникова С. С. Svetlana S. Brazhnikova This work is licensed under a Creative Commons Attribution 4.0 International License (CC BY 4.0) Это произведение доступно по лицензии Creative Commons Attribution 4.0 International (CC BY 4.0) 10.31483/r-106946 106946 К вопросу о применении интеллектуальной системы цифрового мониторинга для прогнозирования и анализа успеваемости обучающихся ON THE APPLICATION OF AN INTELLIGENT DIGITAL MONITORING SYSTEM FOR FORECASTING AND ANALYZING STUDENTS' ACADEMIC PERFORMANCE Бражникова Светлана Сергеевна Brazhnikova Svetlana Sergeevna ssbrazhka@yandex.ru Курский государственный университет Россия FGBOU VO "Kurskii gosudarstvennyi universitet" Russia 335 341

в статье рассмотрены современные аспекты применения интеллектуальных систем цифрового мониторинга в контексте прогнозирования и анализа успеваемости обучающихся, представлен анализ опыта смешанного обучения и существующие цифровые образовательные ресурсы, которые дают возможность как сбора предварительных данных для дальнейшего моделирования и прогнозирования поведения обучающихся, так и для выстраивания индивидуальной образовательной траектории.

The article considers current aspects of intelligent digital monitoring systems in the context of predicting and analyzing the progress of students, presents an analysis of blended learning experiences and existing digital learning resources that enable both the collection of preliminary data to further model and predict student behavior, and to build an individual educational trajectory.

 прогнозирование искусственный интеллект цифровая трансформация интеллектуальные системы анализ успеваемости artificial intelligence digital transformation forecasting intelligent systems academic progress analysis Опубликовано при поддержке гранта РФФИ №91-29-14188/19 «Совершенствование содержания общего образования на основе использования интеллектуальных систем для цифрового мониторинга образовательного процесса». 501100002261 91-29-14188\19 Russian Foundation for Basic Research References Бражникова С.С. Преимущества использования интеллектуальных систем для цифрового мониторинга в образовательных учреждениях / С.С. Бражникова // Информатизация образования и методика электронного обучения: цифровые технологии в образовании: материалы IV Международной научной конференции (Красноярск, 6–9 октября 2020 года). – В 2 ч. – Красноярск: Сибирский федеральный университет, 2020. – С. 382–385. – EDN XBJWRY. Бражникова С. С. Преимущества использования интеллектуальных систем для цифрового мониторинга в образовательных учреждениях 382 385 XBJWRY Красноярск Сибирский федеральный университет Гостева И.Н. Анализ цифрового следа обучающихся с использованием технологий больших данных / И.Н. Гостева, С.С. Бражникова // Информатизация образования и методика электронного обучения: цифровые технологии в образовании: материалы IV Международной научной конференции (Красноярск, 6–9 октября 2020 года). В 2 ч. Ч. 2. – Красноярск: Сибирский федеральный университет, 2020. – С. 409–413. – EDN CICBAW. Гостева И. Н. Бражникова С. С. Анализ цифрового следа обучающихся с использованием технологий больших данных 409 413 CICBAW Красноярск Сибирский федеральный университет Зачем раскладывать образование на навыки, и как это работает в Яндекс Учебнике // Яндекс.Учебник [Электронный ресурс]. – Режим доступа: https://teacher.yandex.ru/posts/zachem-raskladyvat-obrazovanie-na-navyki-i-kak-eto-rabotaet-v-yandeks-uchebnike (дата обращения: 21.12.2022). Зачем раскладывать образование на навыки, и как это работает в Яндекс Учебнике https://teacher.yandex.ru/posts/zachem-raskladyvat-obrazovanie-na-navyki-i-kak-eto-rabotaet-v-yandeks-uchebnike Об утверждении федерального перечня электронных образовательных ресурсов, допущенных к использованию при реализации имеющих государственную аккредитацию образовательных программ начального общего, основного общего, среднего общего образования: Приказ Министерства просвещения РФ от 2 августа 2022 г. №653 [Электронный ресурс]. – Режим доступа: https://docs.edu.gov.ru/id3328 (дата обращения: 21.12.2022). Об утверждении федерального перечня электронных образовательных ресурсов, допущенных к использованию при реализации имеющих государственную аккредитацию образовательных программ начального общего, основного общего, среднего общего образования: Приказ Министерства просвещения РФ от 2 августа 2022 г. №653 https://docs.edu.gov.ru/id3328 Рейтинг для школ: как и зачем оценивают образовательные учреждения // Официальный портал Мэра и Правительства Москвы: офиц. сайт [Электронный ресурс]. – Режим доступа: https://www.mos.ru/news/item/19677073/?ysclid=lcvqeef7xl331160498 (дата обращения: 21.12.2022). Рейтинг для школ: как и зачем оценивают образовательные учреждения https://www.mos.ru/news/item/19677073/?ysclid=lcvqeef7xl331160498 Рубцов Г.И. Смешанное обучение: анализ: трактовок понятия / Г.И. Рубцов, Н.В. Панич // Отечественная и зарубежная педагогика. – 2016. – №5 (32) [Электронный ресурс]. – Режим доступа: https://cyberleninka.ru/article/n/smeshannoe-obuchenie-analiz-traktovok-ponyatiya (дата обращения: 15.01.2023). Рубцов Г. И. Панич Н. В. Смешанное обучение: анализ: трактовок понятия Отечественная и зарубежная педагогика 2016 5 (32) https://cyberleninka.ru/article/n/smeshannoe-obuchenie-analiz-traktovok-ponyatiya Shahiri A.M., Husain W., A. Rashid, Rashid N. A review on predicting student’s performance using data mining techniques. Procedia Computer Science, 2015, vol. 72, pp. 414–422. Shahiri A. M. Husain W. Rashid N. Rashid A. A review on predicting student’s performance using data mining techniques Mueen A., Zafar B., Zafar B., Manzoor U. Modeling and predicting students’ academic performance using data mining techniques. International Journal of Modern Education and Computer Science, 2016, vol. 8, no. 11, pp. 36–42. Mueen A. Zafar B. Manzoor U. Modeling and predicting students’ academic performance using data mining techniques Salah Hashim A., Akeel Awadh W., Khalaf Hamoud A. Student performance prediction model based on supervised machine learning algorithms. IOP Conference Series: Materials Science and Engineering, 2020, vol. 928, no. 3, Article ID 032019. Hashim A. Awadh W. Hamoud A. Student performance prediction model based on supervised machine learning algorithms. IOP Conference Series: Materials Science and Engineering, 2020, vol. 928, no. 3, Article ID 032019 Gray C.C., Perkins D. Utilizing early engagement and machine learning to predict student outcomes. Computers & Education, 2019, vol. 131, pp. 22–32. Gray C. C. Perkins D. Utilizing early engagement and machine learning to predict student outcomes Lykourentzou I., Giannoukos I., Mpardis G., Nikolopoulos V., Loumos V. Early and dynamic student achievement prediction in e-learning courses using neural networks. J. Am. Soc. Inf. Sci. Technol. 2009, 60, 372–380. Lykourentzou I. Giannoukos I. Mpardis G. Nikolopoulos V. Loumos V. Early and dynamic student achievement prediction in e-learning courses using neural networks Kushwaha S., Bahl S., Bagha A.K. et al. Significant applications of machine learning for covid-19 pandemic. Journal of Industrial Integration and Management, 2020, vol. 05, no. 04, pp. 453–479. Kushwaha S. Bahl S. Bagha A. K. Significant applications of machine learning for covid-19 pandemic Yadav S.K., Pal S. Data mining: a prediction for performance improvement of engineering students using classification, 2012, vol. 2, no. 2, pp. 51–56 [Electronic resource]. – Access mode: http://arxiv.org/abs/1203.3832 Yadav S. K. Pal S. Data mining: a prediction for performance improvement of engineering students using classification http://arxiv.org/abs/1203.3832