В статье рассматривается проблема низкой учебной вовлечённости студентов в условиях цифровой образовательной среды. Показано, что само наличие цифровых инструментов не гарантирует активного участия студента в обучении, а традиционные признаки снижения активности в дистанционном и смешанном форматах становятся менее заметными. Обоснована необходимость применения искусственного интеллекта не как средства автоматической замены преподавателя, а как инструмента педагогической персонализации обучения. Учебная вовлечённость рассматривается как многокомпонентное явление, включающее поведенческий, когнитивный и эмоциональный компоненты, которые частично отражаются в цифровом следе студента. Предложена структурная модель, включающая диагностику цифрового следа, интерпретацию признаков снижения вовлечённости, персонализацию учебных заданий, адресную обратную связь и повторный мониторинг. Отдельно представлены проектный диагностический показатель вовлечённости, апробационный контур модели и критерии её экспертной оценки: диагностическая применимость, педагогическая корректность, реализуемость, прозрачность и этическая безопасность. Подчёркивается, что ведущая роль в принятии педагогических решений сохраняется за преподавателем, а сама модель носит теоретико-модельный характер и требует дальнейшей экспертной и эмпирической проверки.
The article examines the problem of low academic engagement of students in a digital educational environment. It is shown that the mere presence of digital tools does not guarantee a student's active participation in learning, while the traditional signs of declining activity become less noticeable in distance and blended formats. The necessity of applying artificial intelligence is substantiated not as a means of automatically replacing the teacher, but as an instrument of the pedagogical personalization of learning. Academic engagement is considered as a multicomponent phenomenon that includes behavioural, cognitive and emotional components, which are partially reflected in the student's digital trace. A structural model is proposed that includes the diagnostics of the digital trace, the interpretation of signs of declining engagement, the personalization of learning tasks, targeted feedback and repeated monitoring. A projected diagnostic indicator of engagement, an approbation framework of the model and criteria for its expert assessment are presented separately: diagnostic applicability, pedagogical correctness, feasibility, transparency and ethical safety. It is emphasized that the leading role in making pedagogical decisions remains with the teacher, while the model itself is theoretical and requires further expert and empirical verification.