Аналітична комп’ютерно-інтегрована система моніторингу результатів stem-освіти
DOI:
https://doi.org/10.33216/1998-7927-2026-301-3-80-86Ключові слова:
STEM-освіта, комп’ютерно-інтегрована система, освітня аналітикаАнотація
У статті розглянуто проблему автоматизації процесів моніторингу результатів STEM-освіти в умовах цифровізації освітнього середовища та зростання обсягів освітніх даних. Сучасні STEM-підходи передбачають інтеграцію навчальних результатів з різних дисциплін, проєктну та дослідницьку діяльність, що ускладнює їх об’єктивне оцінювання за допомогою традиційних, переважно ручних і фрагментарних методів моніторингу. Недостатня системність обробки освітніх даних знижує оперативність аналізу та ефективність управлінських рішень у сфері освіти. Метою статті є розробка та дослідження підходів до створення інформаційної системи автоматизованого моніторингу результатів STEM-освіти на основі комп’ютерно-інтегрованих технологій. Запропоновано концепцію комп’ютерно-інтегрованої системи, яка забезпечує централізований збір, зберігання, обробку та аналіз освітніх даних, а також формування узагальнених показників результатів навчання.
У роботі розглянуто структурну організацію системи, інформаційні потоки та алгоритми автоматизованої обробки освітніх даних. Запропоновано застосування моделей аналізу результатів STEM-освіти, що забезпечують інтегральне оцінювання навчальних досягнень та підтримку прийняття управлінських рішень. Практичне значення запропонованого підходу полягає у можливості впровадження комп’ютерно-інтегрованої системи моніторингу в закладах загальної середньої та вищої освіти з метою підвищення об’єктивності оцінювання, оперативності аналізу та ефективності управління освітнім процесом у STEM-напрямі.
Використання таких систем сприяє більш усвідомленому аналізу навчальних досягнень здобувачів освіти, дозволяє викладачам оперативно реагувати на зміни в освітньому процесі та формувати індивідуалізовані освітні траєкторії.
Окрему увагу приділено реалізації демонстраційного веб-прототипу аналітичного модуля, який підтверджує працездатність запропонованого алгоритму нормалізації та інтегрального оцінювання результатів STEM-освіти, а також демонструє можливість його практичного використання в умовах сучасного цифрового освітнього середовища.
Посилання
1. Hall O., O’Neill M., Murphy P. Computer-Integrated Information Systems: Analysis and Design. London : Springer, 2019. 312 p.
2. Lee J., Bagheri B., Kao H.-A. A cyber-physical systems architecture for Industry 4.0-based manufacturing systems // Manufacturing Letters. 2015. Vol. 3. P. 18–23. DOI: https://doi.org/10.1016/j.mfglet.2014.12.001.
3. Romero C., Ventura S. Educational data mining and learning analytics: an updated survey // Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery. 2020. Vol. 10, no. 3. DOI: https://doi.org/10.1002/widm.1355
4. Siemens G., Long P. Penetrating the fog: analytics in learning and education // EDUCAUSE Review. 2011. Vol. 46, no. 5. P. 30–40.
5. Dawson S., Gašević D., Siemens G. Learning analytics: measurement innovations to support employee development // Journal of Workplace Learning. 2019.
6. ISO/IEC 25010:2011. Systems and software engineering – Systems and software quality requirements and evaluation (SQuaRE). International Organization for Standardization, 2011.
7. Gartner. Analytics ascendancy model: a framework for implementing data-driven decision making. Gartner Research, 2021.
8. Chatti M. A., Dyckhoff A. L., Schroeder U. A reference model for learning analytics // International Journal of Technology Enhanced Learning. 2018.
9. Shute V. J., Kim Y. J. Formative and stealth assessment // Handbook of Research on Educational Communications and Technology. New York : Springer, 2020.
10. UNESCO. Artificial intelligence and education: guidance for policy-makers. Paris : UNESCO Publishing, 2021.
11. Kitchin R. The data revolution: big data, open data, data infrastructures and their consequences. London : SAGE Publications, 2019. 240 p.
12. Siemens G., Baker R. S. J. d. Learning analytics and educational data mining: towards communication and collaboration // Proceedings of the 2nd International Conference on Learning Analytics and Knowledge. New York : ACM, 2012. P. 252–254. DOI: https://doi.org/10.1145/2330601.2330661.
13. Ferguson R. Learning analytics: drivers, developments and challenges // International Journal of Technology Enhanced Learning. 2012. Vol. 4, № 5–6. P. 304–317. DOI: https://doi.org/10.1504/IJTEL.2012.051816
14. Dougiamas M., Taylor P. C. Moodle: using learning communities to create an open source course management system // Proceedings of the World Conference on Educational Multimedia, Hypermedia and Telecommunications. 2003. P. 171–178.
##submission.downloads##
Опубліковано
Номер
Розділ
Ліцензія
Авторське право (c) 2026 А.А. Асманкіна, Т.Г. Сотнікова
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
