Введение. Повышение гетерогенности студенческой среды, в частности за счет увеличения количества иностранных студентов, требует организованного, оперативного анализа образовательных данных для их сопровождения. Возможность предвосхищения рисков образовательных ситуаций (низкая успеваемость, отчисление и т. д.) обеспечивает сохранность контингента и выстраивание индивидуальной образовательной траектории.
Цель работы: анализ эффективности цифровой модели обработки цифровых образовательных данных (посещение, успеваемость) для прогнозирования успешности образовательного процесса.
Методология и методы. Исследование базировалось на агрегированных данных по 14820 студентам Тюменского государственного университета (Российская Федерация), обучающихся в рамках цифровых образовательных дисциплин.
В исследовании были использованы следующие методы: Pandas; Sklearn (scikit-learn); реализация кластеризации (KMeans, AgglomerativeClustering), регрессии (RandomForestRegressor, MultiOutputRegressor), стандартизации данных (StandardScaler), оценки моделей (r2_score, silhouette_score) и статистических проверок (chi2_contingency); UMAP (Uniform Manifold Approximation and Projection); KMeans; HDBSCAN; AgglomerativeClustering; Интерполяция; Регрессия (RandomForestRegressor).
Результаты. Выявлена и проанализирована статистически значимая более высокая успеваемость российских студентов по большинству дисциплин по сравнению с иностранными: +0,073 (7,3% нормированной шкалы). В среднем иностранные студенты получают около половины от максимального балла за занятие. Подтвердилась гипотеза о более высокой посещаемости у российских студентов. На основании анализа средних кривых и кластерных центров (средняя Silhouette Score по успеваемости — 0,5352; средняя Silhouette Score по посещаемости — 0,7139) были интерпретированы типажи поведения студентов: Стабильные; Пропадающие; Пропускающие; Рывковые. Модель прогнозирования демонстрирует умеренное качество (RMSE (среднеквадратичная ошибка) — Метрика: R² ≈ 0.85+), позволяющее предполагать общую тенденцию поведения.
Заключение. Полученные результаты свидетельствуют об актуальности использования цифровых инструментов при анализе образовательных ситуаций. Выявленные тенденции к более низкой посещаемости иностранными студентами могут являться индикатором потенциальных рисков успешности обучения. Создание цифровых продуктов, способствующих оперативному анализу образовательных данных и осуществления на этой основе прогнозирования успешности образовательного процесса обеспечивает возможность предвосхищения негативных ситуаций в обучении студентов, в том числе из других стран. Оперирование объективными данными повышает эффективность образовательного процесса, а значит и успешность профессионального становления студентов.
Ключевые слова: иностранный студент, инклюзия, интеллектуальный анализ образовательных данных, прогнозирование успешности обучения студентов
Ссылка для цитирования: Кукуев Е. А., Карпов Е. К., Мищенко В. А. Цифровая модель прогнозирования успешности обучения иностранных студентов // Перспективы науки и образования. 2026. № 2. С. 572–588. https://doi.org/10.32744/pse.2026.2.35
Информация об авторах:
Кукуев Евгений Анатольевич (Российская Федерация, Тюмень) — Доцент, кандидат психологических наук, доцент Департамента педагогики Школы образования. ФГАОУ ВО «Тюменский государственный университет»
E-mail: e.a.kukuev@utmn.ru
Мищенко Владимир Александрович (Российская Федерация, Ханты-Мансийск) — Доцент, доктор педагогических наук, доцент Высшей школы гуманитарных наук. ФГБОУ ВО «Югорский государственный университет». E-mail: vam@ugrasu.ru
Карпов Егор Константинович (Российская Федерация, Тюмень) — Доцент, кандидат технических наук, доцент Академического департамента. ФГАОУ ВО «Тюменский государственный университет». E-mail: e.k.karpov@utmn.ru
© Кукуев Е. А., Мищенко В. А., Карпов Е. К., 2026
Авторы заявляют об отсутствии конфликта интересов
Поступила: 13.07.2025 | Одобрена: 26.09.2025 | Опубликована: 30.04.2026
Лицензия «С указанием авторства — С сохранением условий». Позволяет перерабатывать, исправлять и развивать произведения при условии указания авторства и лицензирования производных работ на аналогичных условиях
Оставить комментарий