ТЕХНОЛОГІЯ EDUCATIONAL DATA MINING ТА ЇЇ ВИКОРИСТАННЯ В ЦИФРОВІЙ ТРАНСФОРМАЦІЇ АКАДЕМІЧНИХ УСТАНОВ
DOI:
https://doi.org/10.32782/2786-8273/2025-10-5Ключові слова:
Educational Data Mining, аналітика навчання, цифрова трансформація, персоналізація освіти, вищі навчальні заклади, освітні дані, BI-платформиАнотація
У статті розглянуто технологію Educational Data Mining (EDM) як один із ключових інструментів цифрової трансформації академічних установ. Показано, що EDM забезпечує перехід від інтуїтивного прийняття рішень до дато-орієнтованого управління освітою. Розкрито основні методи та алгоритми (класифікація, кластеризація, асоціативні правила, аналіз соціальних мереж, видобування послідовностей), що застосовуються для прогнозування успішності, персоналізації навчальних траєкторій, оптимізації програм та підтримки стратегічного розвитку університетів. Проведено аналіз інструментів EDM – від вбудованих засобів LMS і спеціалізованих академічних систем до BI-платформ і мов програмування. Запропоновано модель багаторівневого застосування EDM: рівень викладача, факультету та університету. Обґрунтовано переваги EDM для підвищення якості освіти, а також окреслено виклики, пов’язані з цифровою зрілістю, стандартизацією та етичними аспектами роботи з освітніми даними.
Посилання
Díaz-Choque, M., Chamorro-Atalaya, O., Ortega-Galicio, O. A., Arévalo-Tuesta, J. A., Cáceres-Cayllahua, E., Dávila-Laguna, R. F., Aybar-Bellido, I. E., Siguas-Jerónimo, Y. B. (2023). Contributions of Data Mining to University Education, in the Context of the Covid-19 Pandemic: A Systematic Review of the Literature. International Journal of Online and Biomedical Engineering (iJOE), no. 19(12), pp. 16–33. DOI: https://doi.org/10.3991/ijoe.v19i12.40079
Aldowah, H., Al-Samarraie, H., & Fauzy, W. M. (2019). Educational data mining and learning analytics for 21st century higher education: A review and synthesis. Telematics and Informatics, no. 37, pp. 13-49. DOI: https://doi.org/10.1016/J.TELE.2019.01.007
R. Alarcón, J. Bravo, C. Valdivia and J. Aquino, "Analytical system based on Big Data for digital transformation in Higher Education," 2022 IEEE 2nd International Conference on Advanced Learning Technologies on Education & Research (ICALTER), Lima, Peru, 2022, pp. 1-4. DOI: https://doi.org/10.1109/ICALTER57193.2022.9964613
Chytas, K., Tsolakidis, A., Triperina, E., & Skourlas, C. (2022). Educational data mining in the academic setting: employing the data produced by blended learning to ameliorate the learning process. Data Technol. Appl., no. 57, pp. 366-384. DOI: https://doi.org/10.1108/DTA-06-2022-0252
Antonio Fernández · Beatriz Gómez · Kleona Binjaku · Elinda Kajo Meçe. (2023) Digital transformation initiatives in higher education institutions: A multivocal literature review. Education and Information Technologies. No. 28. pp. 12351–12382. DOI: https://doi.org/10.1007/s10639-022-11544-0
Aulakh, K., Roul, R.K., & Kaushal, M. (2023). E-learning enhancement through educational data mining with Covid-19 outbreak period in backdrop: A review. International Journal of Educational Development, no. 101, pp. 102814-102814. pp. 1-17.
Romero, C., & Ventura, S. (2020). Educational data mining and learning analytics: An updated survey. Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery, no. 10(3). DOI: https://doi.org/10.1002/widm.1355
Garcia, F., Valls, C. y Lázaro, J.L. (2022). Estrategias para la transformación digital de un centro educativo: una revisión sistemática. RiiTE Revista interuniversitaria de investigación en Tecnología Educativa, no. 13, pp. 157-172. DOI: https://doi.org/10.6018/riite.533971
Chrisnanto, Y.H., & Abdullah, G. (2021). The uses of educational data mining in academic performance analysis at higher education institutions (case study at UNJANI). Matrix : Jurnal Manajemen Teknologi dan Informatika. Pp.26-35. DOI: https://doi.org/10.31940/MATRIX.V11I1.2330
Beck, J.E., Woolf, B.P. (2000). High-Level Student Modeling with Machine Learning. In: Gauthier, G., Frasson, C., VanLehn, K. (eds) Intelligent Tutoring Systems. ITS 2000. Lecture Notes in Computer Science, vol 1839. Springer, Berlin, Heidelberg. DOI: https://doi.org/10.1007/3-540-45108-0_62
Tang, T., McCalla, G. (2004). Evaluating a Smart Recommender for an Evolving E-learning System: A Simulation-Based Study. In: Tawfik, A.Y., Goodwin, S.D. (eds) Advances in Artificial Intelligence. Canadian AI 2004. Lecture Notes in Computer Science(), vol 3060. Springer, Berlin, Heidelberg. DOI: https://doi.org/10.1007/978-3-540-24840-8_34
George Siemens and Ryan S. J. d. Baker. (2012). Learning analytics and educational data mining: towards communication and collaboration. In Proceedings of the 2nd International Conference on Learning Analytics and Knowledge (LAK '12). Association for Computing Machinery, New York, NY, USA, pp. 252–254. DOI: https://doi.org/10.1145/2330601.2330661
Khine, M. S. (2024). Educational Data Mining and Learning Analytics. In: Khine, M.S. (eds) Artificial Intelligence in Education. Springer, Singapore. DOI: https://doi.org/10.1007/978-981-97-9350-1_1
Xiao, W., Ji, P., & Hu, J. (2022). A survey on educational data mining methods used for predicting students' performance. Engineering Reports, no. 4(5). DOI: https://doi.org/10.1002/eng2.12482
Barbeiro, L., Gomes, A., Correia, F. B., & Bernardino, J. (2023). A Review of Educational Data Mining Trends. Procedia Computer Science, no. 237, pp. 88-95. DOI: https://doi.org/10.1016/j.procs.2024.05.083
Papadogiannis, I., Wallace, M., & Karountzou, G. (2024). Educational Data Mining: A Foundational Overview. Encyclopedia, no. 4(4), pp. 1644-1664. DOI: https://doi.org/10.3390/encyclopedia4040108
Lin, Y., Chen, H., Xia, W., Lin, F., Wang, Z., & Liu, Y. (2023). A Comprehensive Survey on Deep Learning Techniques in Educational Data Mining. ArXiv. DOI: https://arxiv.org/abs/2309.04761
