Интенсивное развитие цифровых образовательных технологий и инфраструктуры в последние два десятилетия привело к тому, что в настоящий момент вузы располагают большим набором инструментов и ресурсов для сбора и обработки данных, относящихся как к процессу обучения, так и ко внеучебной деятельности студентов. Объемы собираемых данных стремительно растут, но для сопровождения и поддержки образовательного процесса активно используется лишь малая их часть.
В условиях устойчивого тренда массовизации высшего образования современные вузы стоят перед сложной задачей многокритериальной оптимизации образовательного процесса. Она включает в себя следующие важные аспекты. Во-первых, это работа с главной целевой аудиторией – студентами, начиная с профориентационной деятельности в школах и заканчивая работой с выпускниками и заключающаяся в повышении уровня подготовки обучающихся, их мотивации к освоению образовательной программы, а также к участию в факультативных мероприятиях, формирующих портфолио их достижений и повышающих репутацию вуза. Во-вторых, это работа над портфелем образовательных программ: их актуализация, открытие новых программ и отказе от устаревших с учетом сопоставления с текущими и ожидаемыми запросами рынка труда, обеспечение финансовой стабильности портфеля и баланса бюджетных и договорных мест. В-третьих, это работа по повышению вовлеченности профессорско-преподавательского состава, качества учебно-методического обеспечения образовательного процесса, уровня взаимодействия с работодателями и пр. В-четвертых, это оптимизация административных процессов документального сопровождения.
Направления учебной аналитики (Learning Analytics) и интеллектуального анализа образовательных данных (Educational Data Mining) как полноценные самостоятельные области научных исследований оформились к середине 2000-х, а примерно в 2014 г. произошел бурный всплеск интереса к данным областям, выразившийся в росте числа публикаций и научных конференций.
Несмотря на то, что за последнее десятилетие в мире был создан целый ряд систем поддержки успешности обучения и прогнозирования образовательных результатов, очевидно, что данные области находятся в начале своего развития. Действительно, существующие инструменты сбора, хранения, управления и анализа данных открывают возможности для решения гораздо более амбициозных задач, таких как создание систем персонализированного обучения, интеллектуального сопровождения профессионального развития в течение всей жизни, оптимизация ключевых процессов образовательной организации на основе данных и пр. Отметим также, что несмотря на активный интерес научно-образовательного сообщества и его вовлеченность в обсуждения по данной тематике, следует четко осознавать, что создание таких систем потребует колоссального приложения сил и ресурсов: человеческих, временных и финансовых. Причем успех здесь будет также зависеть от правильной организации и слаженной работы ученых (специалистов в области статистики, машинного обучения, математического моделирования, инженерии данных, социологии, психологии и педагогики), разработчиков программных комплексов и ответственных руководителей, курирующих выполнение описанных задач.
Данная проблематика лежит в сфере моих научных интересов. Несколько лет назад под моим руководством был создан научный коллектив, работающий над вышеописанными задачами. В 2022 г. проект «Цифровая образовательная история и ее применение в системах поддержки успешности обучения» под моим руководством получил поддержку гранта Российского научного фонда, в результате чего коллективом были получены новые результаты, среди которых результаты, отмеченные на международном уровне. Вместе с тем, очевидно, что все имеющиеся достижения в областях учебной аналитики и управления образовательным процессом на основе данных находятся еще в начале своего развития, а впереди – много амбициозных и важных для развития вузов задач.