Исследование роли искусственного интеллекта в персонализации образовательных траекторий студентов технических вузов на основе анализа больших данных

Аннотация

Статья посвящена комплексному исследованию применения технологий искусственного интеллекта для персонализации образовательных траекторий студентов технических вузов на основе анализа больших данных. Проведенное исследование демонстрирует значительный потенциал интеграции методов интеллектуального анализа данных, машинного обучения и глубокого обучения в образовательный процесс для формирования индивидуализированных образовательных путей. Эмпирическая база исследования включала данные цифрового следа 1854 студентов инженерных направлений из 8 российских технических университетов в период 2020-2023 гг. Разработана многокомпонентная модель персонализации образовательных траекторий, использующая алгоритмы машинного обучения (Random Forest, Gradient Boosting, нейронные сети) для выявления индивидуальных образовательных паттернов и прогнозирования академической успеваемости. Статистический анализ показал, что внедрение адаптивных систем обучения с элементами искусственного интеллекта повышает средний балл студентов на 0,73 пункта (по 5-балльной шкале) и улучшает показатели удержания студентов в образовательной программе на 27% по сравнению с традиционными методами. Представлены результаты сравнительного анализа эффективности различных алгоритмов машинного обучения для прогнозирования образовательных достижений, где модели на основе градиентного бустинга продемонстрировали наивысшую точность (87,4%). Исследование также выявило ключевые предикторы академической успешности в технических дисциплинах на основе данных цифрового следа. Обсуждаются педагогические, этические и технологические аспекты внедрения систем персонализации в высшем техническом образовании, а также перспективы развития адаптивных образовательных технологий.