2026-08-11T02:14:58Z https://emreview.ru/index.php/emr/oai
oai:emreview.ru:article/2187 2025-09-18T08:14:05Z emr:%D0%94%D0%A1%D0%A3%D0%9E%D0%9F driver
emremr Управление образованием: теория и практикаEducation Management Review 2311-2174 Индивидуальный предприниматель Подколзин М.М. 10.25726/t0157-2112-4014-t2187 DATA SCIENCE IN THE MANAGEMENT OF EDUCATIONAL SPACEDATA SCIENCE В УПРАВЛЕНИИ ОБРАЗОВАТЕЛЬНЫМ ПРОСТРАНСТВОМ Правовые аспекты использования больших данных для прогнозирования образовательных траекторий в высшей школеLegal aspects of using big data to predict educational trajectories in higher education Вяльцев Александр Владимирович Vyaltsev Alexander V. bgd-av@mail.ru Южно-Российский государственный политехнический университет (НПИ) им. М.И. Платова Platov South Russian State Polytechnic University (NPI) 202530042025 1515 4-14-1 98Управление образованием: теория и практикаEducation Management Review86 95 18 09 2025 18 09 2025 Copyright (c) 2025 Управление образованием: теория и практика 2025 Управление образованием: теория и практика Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная. Метаданные настоящей записи распространяются на условиях Creative Commons CC0 1.0 (передача в общественное достояние).

Использование технологий больших данных (Big Data) для прогнозирования образовательных траекторий в высшей школе открывает новые возможности для оптимизации учебного процесса, персонализации образования и повышения его эффективности. Тем не менее внедрение таких технологий сопряжено с рядом правовых проблем, связанных с защитой персональных данных, этическими аспектами обработки информации и обеспечением прав субъектов образовательных отношений. Настоящее исследование представляет систематический анализ правовых аспектов использования больших данных в контексте прогнозирования образовательных траекторий студентов высших учебных заведений. В работе рассмотрены нормативно-правовые основы обработки данных в образовательной сфере, проведен сравнительный анализ законодательства различных юрисдикций, выявлены правовые коллизии и пробелы. На основе эмпирического исследования, включавшего анализ практик 47 вузов в 5 странах и опрос 612 участников образовательного процесса, разработана модель правового регулирования использования технологий больших данных в высшем образовании. Результаты исследования демонстрируют необходимость разработки специализированных нормативно-правовых механизмов, обеспечивающих баланс между инновационным потенциалом технологий больших данных и защитой фундаментальных прав участников образовательного процесса.

The use of Big Data technologies to predict educational trajectories in higher education opens up new opportunities for optimizing the educational process, personalizing education and increasing its effectiveness. Nevertheless, the introduction of such technologies is associated with a number of legal problems related to the protection of personal data, ethical aspects of information processing and ensuring the rights of subjects of educational relations. The present study presents a systematic analysis of the legal aspects of the use of big data in the context of forecasting the educational trajectories of university students. The paper examines the regulatory framework for data processing in the educational field, provides a comparative analysis of legislation from different jurisdictions, and identifies legal conflicts and gaps. Based on an empirical study that included an analysis of the practices of 47 universities in 5 countries and a survey of 612 participants in the educational process, a model of legal regulation of the use of big data technologies in higher education was developed. The results of the study demonstrate the need to develop specialized regulatory and legal mechanisms that ensure a balance between the innovative potential of big data technologies and the protection of the fundamental rights of participants in the educational process.

The use of Big Data technologies to predict educational trajectories in higher education opens up new opportunities for optimizing the educational process, personalizing education and increasing its effectiveness. Nevertheless, the introduction of such technologies is associated with a number of legal problems related to the protection of personal data, ethical aspects of information processing and ensuring the rights of subjects of educational relations. The present study presents a systematic analysis of the legal aspects of the use of big data in the context of forecasting the educational trajectories of university students. The paper examines the regulatory framework for data processing in the educational field, provides a comparative analysis of legislation from different jurisdictions, and identifies legal conflicts and gaps. Based on an empirical study that included an analysis of the practices of 47 universities in 5 countries and a survey of 612 participants in the educational process, a model of legal regulation of the use of big data technologies in higher education was developed. The results of the study demonstrate the need to develop specialized regulatory and legal mechanisms that ensure a balance between the innovative potential of big data technologies and the protection of the fundamental rights of participants in the educational process.

 Ключевые словабольшие данныевысшее образованиеобразовательные траекторииправовое регулированиезащита данныхGDPRпредиктивная аналитикаакадемические свободыKeywordsbig datahigher educationeducational trajectorieslegal regulationdata protectionGDPRpredictive analyticsacademic freedoms Исследование выполнено без внешнего финансирования. The study was conducted without external funding. issue-cover metadata-license CC0 1.0

Список литературы Bennett C.J., Raab C.D. Revisiting the governance of privacy: Contemporary policy instruments in global perspective. Regulation & Governance. 2020. № 14(3). pp. 447-464. Daniel B. Big Data and analytics in higher education: Opportunities and challenges. British journal of educational technology. 2015. № 46(5). рр. 904-920. Drachsler H., Greller W. Privacy and analytics: It's a DELICATE issue. Proceedings of the XVI Inter. conf. on learning analytics & knowledge. 2016. pp. 89-98. Friedman B., Kahn P.H., Borning A. Value sensitive design and information systems. Early engagement and new technologies: Opening up the laboratory. Eds. by N. Doorn, D. Schuurbiers, I. van de Poel, M.E. Gorman. Berlin: Springer, 2013. pp. 55-95. Ifenthaler D., Schumacher C. Student perceptions of privacy principles for learning analytics. Educational technology research and development. 2016. № 64(5). рр. 923-938. Jones K.M.L., McCoy C. Reconsidering data in learning analytics: Opportunities for critical research using a documentation studies framework. Learning, Media and Technology. 2019. № 44(1). рр. 52-63. Koops B.J. The trouble with European data protection law. International Data privacy law. 2014. № 4(4). рр. 250-261. Long P., Siemens G. Penetrating the fog: Analytics in learning and education. EDUCAUSE Review. 2011. № 46(5). рр. 30-40. Mittelstadt B. D., Allo P., Taddeo M., Wachter S., & Floridi L. The ethics of algorithms: Mapping the debate. Big Data & Society. 2016. № 3(2). рр. 1-21. OECD. The Impact of Big Data and Artificial Intelligence (AI) in education: policies and educational stakeholders. OECD Education Working Papers. 2021. № 256. Pardo A., Siemens G. Ethical and privacy principles for learning analytics. British journal of educational technology. 2014. № 45(3). рр. 438-450. Rubel A., Jones K.M.L. Student privacy in learning analytics: An information ethics perspective. The Information Society. 2016. № 32(2). рр. 143-159. Slade S., Prinslo P. Learning analytics: Ethical issues and dilemmas. American Behavioral Scientist. 2013. № 57(10). рр. 1510-1529. Tsai Y.S., Gasevic D. Learning analytics in higher education – challenges and policies: A review of eight learning analytics policies. Proceedings of the XVII Inter. learning analytics & knowledge conf. 2017. pp. 233-242. Wachter S., Mittelstadt B., Russell C. Why fairness cannot be automated: Bridging the gap between EU non-discrimination law and AI. Computer law & Security review. 2021. № 41. рр. 105-567. West D., Huijser H., Heath D. Putting an ethical lens on learning analytics. Educational technology research and development. 2016. № 64(5). pp. 903-922. Zeide E. The structural consequences of big data-driven education. Big Data. 2017. № 5(2). рр. 164-172.