DOI: 
http://dx.doi.org/10.15293/1813-4718.2301.06
УДК: 
378.1+004.8
Токтарова Вера Ивановна
Доктор педагогических наук, профессор кафедры прикладной математики и информатики, советник ректората, Марийский государственный университет, toktarova@yandex.ru, Йошкар-Ола, Россия
Попова Олеся Геннадьевна
специалист центра искусственного интеллекта, Марийский государственный университет, olesya_popova10@mail.ru, Йошкар-Ола, Россия

Визуальная аналитика образовательных данных студентов в системе электронного обучения

Аннотация: 
Сегодня анализ образовательных данных – стремительно развивающееся направление, способствующее повышению качества и эффективности обучения студентов в системах и средах электронного обучения. Методы визуальной аналитики являются оптимальным средством для рассмотрения и представления образовательных данных в удобном и информативном для восприятия виде. Цель статьи – анализ образовательных данных с помощью методов визуализации для выявления закономерностей в образовательной деятельности студентов. Методология. Методологическую базу исследования составляет комплекс теоретических, эмпирических и математических методов. В работе приводится визуализация образовательных данных на основе электронного курса «Основы программирования», размещенного в информационно-образовательной среде вуза (на основе LMS Moodle). Рассмотрены данные 118 студентов, завершивших с различной успеваемостью прохождение курса. Результаты исследования. В работе обоснована актуальность использования визуализации для анализа образовательных данных. Рассмотрены методы анализа, приведены области их применения. Приведен анализ трудов отечественных исследователей. Проанализированы образовательные данные, описывающие изучение студентами теоретического материала, выполнение практических и тестовых заданий, проведенное время в системе электронного обучения. На основе метода выявления взаимосвязей визуально отображены зависимости и закономерности деятельности студентов при изучении учебного курса. В заключении делается вывод о том, что поведение студентов на электронном курсе и их оценки за практические и тестовые задания взаимосвязаны. Выявлены закономерности распределения оценок. Визуализация позволила представить данные в наглядном и информативном для восприятия виде. Предложенный подход может быть полезным при анализе цифрового следа студента и построения его цифрового профиля.
Ключевые слова: 
визуализация данных; аналитика; образовательные данные; выявление закономерностей; система электронного обучения; электронный курс; студент
Для доступа к полному тексту необходимо зарегистрироваться
Библиографический список: 

1. Фиофанова О. А. Smart Big Data в публичных докладах // Образовательная политика. – 2020. – № 4 (84). – С. 70–77. DOI: 10.22394/2078-838X-2020-4-70-77.
2. Ширинкина Е. В. Методы интеллектуального анализа данных и образовательной аналитики // Современное образование. – 2022. – № 1. – С. 51–67.
3. Белоножко П. П., Карпенко А. П., Хра-мов Д. А. Анализ образовательных данных: направления и перспективы применения // Науковедение. – 2017. – № 9 (4).
4. Зорина Н. В., Панченко В. М. Экспериментальный программный комплекс для моделирования и интерпретации процессов анализа образовательных данных // Современные информационные технологии и ИТ-образование. – 2017. – № 4. – С. 207–215.
5. Фиофанова О. А. Методы анализа образовательных данных и способы их применения в педагогической и управленческой практике в сфере образования // Школьные технологии. – 2020. – № 1. – С. 117–127.
6. Романов А. А., Волчек Д. Г. Анализ данных о поведении пользователей в системах электронного обучения // Онтология проектирования. – 2020. – №1 (35). – С. 100–111.
7. Визуализация данных: применение в работе, основные принципы, способы и инструменты для использования [Электронный ресурс]. – URL: https://practicum.yandex.ru/blog/vizualizaciya-dannyh/
8. Аникьева М. А., Шмаглий А. А., Максимова Е. В. Визуализация достижений студентов // МНИЖ. – 2021. – № 5-1 (107). – С. 23–29.
9. Новгородцева Т. Ю., Бурдуковская А. В., Иванова Е. Н., Дядькин Ю. А., Лесников И. Н. Моделирование структурных элементов контингента студентов на основе кластерного анализа // Современное педагогическое образование. – 2021. – № 5. – С. 75–80.
10. Овсяницкая Л. Ю., Никитина Е. Ю., Лысенко Ю. В., Подповетная Ю. В., Посто-валова И. П., Овсяницкий А. Д. Технология анализа и визуализации многомерных данных педагогического мониторинга в высшем образовании // Современные информационные технологии и ИТ-образование. – 2018. – № 4. – С. 793–802.
11. Токтарова В. И., Попова О. Г. Анализ образовательных данных взаимосвязи успешности обучения и поведения студентов в цифровой образовательной среде вуза // Информатика и образование. – 2022. – № 37 (4). – С. 54–63. DOI: 10.32517/0234-0453-2022-37-4-54-63.