АРХІТЕКТУРА ІНФОРМАЦІЙНОЇ ТЕХНОЛОГІЇ ОСВІТНЬОЇ АНАЛІТИКИ З ВИКОРИСТАННЯМ ІНТЕЛЕКТУАЛЬНОГО АНАЛІЗУ ДАНИХ
DOI:
https://doi.org/10.32689/maup.it.2025.2.10Ключові слова:
освітня аналітика, інтелектуальний аналіз даних, архітектура інформаційної системи, машинне навчання, кластеризація, прогнозування успішності, навчальна активність, системи підтримки прийняття рішень, візуалізація освітніх даних, Learning Management System (LMS)Анотація
У статті розглянуто підходи до побудови архітектури інформаційної технології освітньої аналітики з інтеграцією методів інтелектуального аналізу даних. Запропоновано концептуальну модель аналітичної системи, яка дозволяє виявляти залежності між активністю студентів у навчальному середовищі та їхньою академічною успішністю, а також визначати часові патерни відвідуваності. Застосування кластерного аналізу дало змогу виокремити типові поведінкові групи студентів, що відкриває перспективи для персоналізації навчання та раннього виявлення ризиків. Результати дослідження можуть бути використані для розробки ефективних систем підтримки прийняття рішень у закладах вищої освіти.Мета роботи. Розробка концептуальної архітектури інформаційної технології освітньої аналітики, яка інтегрує методи інтелектуального аналізу даних для виявлення прихованих закономірностей у поведінці студентів, прогнозування академічної успішності та підтримки прийняття управлінських рішень у сфері вищої освіти. Особливу увагу приділено застосуванню алгоритмів машинного навчання, кластерного аналізу, регресійного моделювання та візуалізації даних у контексті побудови ефективної, масштабованої та адаптивної аналітичної системи. Методологія. Методологічну основу дослідження становить міждисциплінарний підхід, що поєднує принципи освітньої аналітики, інтелектуального аналізу даних та архітектурного проєктування інформаційних систем.Наукова новизна дослідження полягає в інтеграції модулів візуалізації, прогнозування та підтримки прийняття рішень у єдину архітектуру, орієнтовану на потреби закладів вищої освіти та практичній апробації моделі на реальних даних з LMS, що підтверджує її ефективність та адаптивність до умов сучасного освітнього середовища.Висновки. Доведено, що розробка інформаційних технологій на основі використання методів інтелектуального аналізу даних при впровадженні систем електронного навчання сприяє вирішенню задач, пов’язаних із розумінням поведінки студентів, поліпшенням якості електронних курсів, вдосконаленням методик навчання, зменшенням витрат на організацію процесу навчання та визнач ає подальші напрями освітньої аналітики відповідно до загально- світових тенденцій.
Посилання
Глазунова О. Г., Клименко Є. О., Волошина Т. В., Мокрієв М. В., Вороненко О. В. Освітня аналітика в університетах: інструменти для аналізу та прогнозування. Телекомунікаційні та інформаційні технології. 2024. № 2(83) с. 49–59 https://doi.org/10.31673/2412-4338.2024.026171
Скрипник А., Клименко Н., Костенко І. Рівень освіченості населення в галузі цифрових технологій та зростання економік країн. Інформаційні технології і засоби навчання. 2020. № 4 с. 278–297 https://doi.org/10.33407/itlt.v78i4.2948
Hlazunova Olena, Klymenko Nataliia, Mokriiev Maksym, Nehrey Maryna, Klymenko Yevhenii. Data Analysis Technologies for Enhanced Educational Processes: A Case Study Using the Moodle LMS. Lecture Notes on Data Engineering and Communications Technologies. 2025. Vol. 242, Pages 670–682
Romero C., Ventura S. Educational data mining and learning analytics: An updated survey. Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery, 2020. 10(3), e1355. https://doi.org/10.1002/widm.1355
Eighth IEEE International Conference on Data Mining. IEEE Xplore. 2008. URL: https://ieeexplore.ieee.org/xpl/conhome/4781077/proceeding
IEEE International Conference on Data Mining (ICDM). IEEE Xplore. 2025. (July 11, 2025), URL: https://ieeexplore.ieee.org/xpl/conhome/1000179/all-proceedings
Ifenthaler D., Yau J. Y.-K. Utilising learning analytics to support study success in higher education: A systematic review. Educational Technology Research and Development, 2020. 68, 1961–1990. https://doi.org/10.1007/s11423-020-09788-z
Okike Е., Morogosi M. Educational Data Mining for Monitoring and Improving Academic Performance at University Levels. International Journal of Advanced Computer Science and Applications. 2020. № 11. DOI: 10.14569/ IJACSA.2020.0111171.
Papamitsiou Z., Economides A. A. Learning analytics and educational data mining in practice: A systematic literature review of empirical evidence. Educational Technology & Society, 2014. 17(4), 49–64. URL: https://www.jstor.org/stable/jeductechsoci.17.4.49
Sinha S., Castro E., Moran C. How artificial intelligence can personalize education. IEEE Spectrum. 2023. URL: https://spectrum.ieee.org/how-ai-can-personalize-education
Williamson B. Introduction: Learning machines, digital data and the future of education. SAGE Publications Ltd. 2017. https://doi.org/10.4135/9781529714920.
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2025 Євгеній КЛИМЕНКО, Олена ГЛАЗУНОВА

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.