Informatization in the Digital Economy Informatization in the Digital Economy Информатизация в цифровой экономике 2712-9306 BIBLIO-GLOBUS Publishing House 122313 10.18334/ide.5.4.122313 HTONDV Articles Статьи Research Article Modeling and automation of the educational process operational analysis at the university Моделирование и автоматизация оперативной аналитики учебного процесса в вузе https://orcid.org/0009-0009-7935-8067 Panova Mariya Vladimirovna Панова Мария Владимировна

магистрант кафедры информационных систем и прикладной информатики

 3662-2150 Misichenko Nadezhda Yuryevna Мисиченко Надежда Юрьевна

доцент, заместитель декана факультета Компьютерных технологий и информационной безопасности, к.э.н.

 misssnadia@rambler.ru https://orcid.org/0000-0001-8001-02148298-6754 Shcherbakov Sergey Mikhaylovich Щербаков Сергей Михайлович

заведующий кафедрой информационных систем и прикладной информатики, доктор экономических наук, доцент

 sergwood@mail.ru Rostov State University of Economics (RINH) Ростовский государственный экономический университет (РИНХ) 24 12 2024 5 4 VOL 5, NO4 (2024) ТОМ 5, №4 (2024) 593 612 10 12 2024 10 12 2024 Copyright ©; 2024, Panova M.V., Misichenko N.Yu., Shcherbakov S.M. Copyright ©; 2024, Панова М.В., Мисиченко Н.Ю., Щербаков С.М. 2024 Panova M.V., Misichenko N.Yu., Shcherbakov S.M. Панова М.В., Мисиченко Н.Ю., Щербаков С.М. https://1economic.ru/lib/122313

The UML model of the operational analysis of the educational process is constructed. The data sources for building an analytical system are analyzed; and an analytical dashboard is built. The dashboard reflects general information about student performance and attendance, with details by group, by academic staff, by subjects, and by students. The implementation of the analytical system will make it possible to identify problematic areas in the educational process at the university faculty level.

Построена UML-модель оперативного анализа учебного процесса. Проанализированы источники данных для построения аналитической системы, построен аналитический дашборд отражающий общую информацию об успеваемости и посещаемости студентов с детализациюей по группе, по преподавателям, по предметам, по студентам. Применение аналитической системы позволит выявить проблемные места в организации и проведения учебного процесса на уровне факультета вуза.

 university learning process dashboard analytics academic performance chart dataset UML visualization вуз учебный процесс дашборд аналитика успеваемость чарт датасет UML визуализация 1. Смык А.Ф., Прусова В.И., Зиманов Л.Л., Солнцев А.А. Анализ масштаба и причин отсева студентов в техническом университете // Высшее образование в России. – 2019. – № 6. – c. 52-62. – doi: 10.31992/0869-3617-2019-28-6-52-62. 2. Аракчеева А.А., Бойков С.Ю. Аналитическая обработка данных текущей успеваемости студентов средствами Power BI // Семьдесят четвертая всероссийская научно-техническая конференция студентов, магистрантов и аспирантов высших учебных заведений с международным участием: Сборник материалов конференции. Том Часть 1. Ярославль, 2021. – c. 665-667. 3. Березовская Е.А., Крюков С.В. Работа с сервисом бизнес-аналитики Yandex DataLens. / Учебное пособие. - Ростов-на-Дону - Таганрог: Южный федеральный университет, 2022. – 92 c. 4. Бувина В.В. Анализ вовлеченности студентов российских вузов в учебный процесс // Инновационное управление персоналом: Сборник материалов кадрового форума. Курск, 2019. – c. 16-20. 5. Булдаев А.А., Найханова Л.В., Евдокимова И.С. Модель системы поддержки принятия решений в учебном процессе университета, основанной на аналитике обучения // Программные системы и вычислительные методы. – 2020. – № 4. – c. 42-52. – doi: 10.7256/2454-0714.2020.4.34286. 6. Жуковская И.Е., Абдуллаев М.К. Современные тренды применения BI-технологий в деятельности высшего учебного заведения // BI-технологии и корпоративные информационные системы в оптимизации бизнес-процессов цифровой экономики: Материалы IX Международной научно-практической очно-заочной конференции. Екатеринбург, 2022. – c. 70-72. 7. Канашевич Т.Н., Шумская М.О. Прогнозирование академической успеваемости студентов I-II курсов // Профессиональное образование. – 2016. – № 2(24). – c. 26-31. 8. Кустицкая Т.А., Есин Р.В. Визуализация многомерных данных для выявления закономерностей в образовательной деятельности студентов // Новые образовательные стратегии в современном информационном пространстве: Сборник научных статей по материалам международной научно-практической конференции. Санкт-Петербург, 2022. – c. 228-233. 9. Полуянов В.П., Панова М.В. Разработка приложения для оперативной аналитики учебного процесса в вузе. / Сборник научных трудов: Научный вектор. - Ростов-на-Дону : Ростовский государственный экономический университет «РИНХ», 2024. – 353-357 c. 10. Федеральный закон «Об образовании в Российской Федерации» от 29.12.2012 № 273-ФЗ. Consultant.ru. [Электронный ресурс]. URL: https://www.consultant.ru/document/cons_doc_LAW_140174/ (дата обращения: 02.12.2024). 11. Шухман А.Е., Парфенов Д.И., Легашев Л.В., Гришина Л.С. Анализ и прогнозирование успеваемости обучающихся при использовании цифровой образовательной среды // Высшее образование в России. – 2021. – № 8-9. – c. 125-133. – doi: 10.31992/0869-3617-2021-30-8-9-125-133. 12. Devi K., Ratnoo S. Predicting student dropouts using random forest // Journal of Statistics and Management Systems. – 2022. – № 7. – p. 1579-1590. – doi: 10.1080/09720510.2022.2130570. 13. Pan Z., Biegley L., Taylor A., Zheng H. A Systematic Review of Learning Analytics: Incorporated Instructional Interventions on Learning Management Systems // Journal of Learning Analytics. – 2024. – № 2. – p. 52-72. – doi: 10.18608/jla.2023.8093.