ПРОБЛЕМА ВИКОРИСТАННЯ ЦИФРОВИХ ЗАСТОСУНКІВ ДЛЯ ПРОГНОЗУВАННЯ АКАДЕМІЧНОЇ УСПІШНОСТІ СТУДЕНТІВ У НАУКОВИХ РЕЦЕПІЯХ УЧЕНИХ
DOI:
https://doi.org/10.24144/2524-0609.2026.58.285-290Ключові слова:
академічна успішність, прогнозування, освітня аналітика, цифрові застосунки, наукові рецепції учених.Анотація
Стаття присвячена вивченню наукових праць вітчизняних та зарубіжних учених з проблеми використання цифрових застосунків для прогнозування академічної успішності студентів. Розглянуто сутність категорії «академічна успішність», як складного конструкту, який використовується в освітніх дослідженнях для оцінки результатів навчання студентів. В основу методології наукового пошуку покладено міждисциплінарний підхід, який уможливив розгляд проблеми прогнозування успішності студентів з використанням цифрових застосунків, спираючись на дослідження у педагогіці, психології, інформаційних технологіях, математики тощо. Аналіз наукових рецепцій вітчизняних та зарубіжних учених дозволив проаналізувати проблему крізь призму освітньої аналітики, особливостей прогнозування в освіті та безпосередньо вивчити сучасні дослідження щодо цифрових застосунків прогнозування. Останні розглянути як певні інструменти, які уможливлюють отримання необхідної інформації та результатів академічної успішності студентів. Зазначено, що сучасні дослідження використовують ансамблеві методи, такі як Gradient Boosting (XGBoost, LightGBM), які демонструють високу точність при роботі з освітніми даними. Також розробляються інформаційні системи, які автоматично збирають дані про навчальну діяльність і формують прогнози. Акцентовано увагу на використанні сучасних технологій контейнеризації (Docker, Kubernetes) та масштабуванні цифрових застосунків у хмарних середовищах (AWS, Azure, GCP), які відкривають можливості для прогнозування в реальному часі.
Посилання
Нікіфоров Р.О. Моделювання навчальних результатів студентів із використанням алгоритмів машинного навчання. Наукові записки [Укр. держ. університету імені Михайла Драгоманова]. Серія: Педагогічні науки. 2025. Вип.CLXII (162). С.21–35. DOI: 31392/NZ-udu-162.2025.03
Понзель У. Педагогічне прогнозування у професійній діяльності вчителя. Витоки педагогічної майстерності. 2014. Випуск 13. С.221–225.
Савченко О.Я. Нові освітні результати як чинник модернізації початкової. Практична філософія і Нова українська школа: зб. матеріалів доповідей Всеукр. наук.-практ. конф. (м.Київ, 16 травня 2019 р.) / за заг. ред. Н.П.Дічек. Київ: Педагогічна думка, 2019. С.12–17.
Хоружа Л.Л. Інноваційність професійної діяльності викладача як основа академічного успіху студентів. Освітологічний дискурс. 2025. Вип.48. С.70–76. DOI: 10.28925/2312-5829/2025.1.7
Цимбалюк С. М. Центри академічного успіху: американський досвід та перспективи впровадження в Україні. Вісник Житомирського державного університету імені Івана Франка. Серія: Педагогічні науки. 2025. Вип.122 (3). С.311–326. DOI: 35433/pedagogy.3(122).2025.21
Шаталович, І., Шаталович, О. Поняття академічної успішності здобувачів вищої освіти у контексті психологічного дослідження. Вчені записки Університету «КРОК». 2025. Вип.1 (77). С.489–496. DOI: 10.31732/2663-2209-2025-77-489-496
Almalawi А., Soh В., Li A., Samra H. Predictive models for educational purposes: a systematic review. Big Data Cogn. Comput. No.8 (12). Р.187. DOI: 10.3390/bdcc8120187
Baker R.S. Learning Analytics: An opportunity for education. XRDS Crossroads: The ACM Magazine For Students. 2023. No.29 (3). URL: https://learninganalytics.upenn.edu/ryanbaker/XRDS-Baker-Final_doig_v2rsb.pdf
Beseiso M. Enhancing student success prediction: A comparative analysis of machine learning techniques. Trends. 2025. No.69 (2). P.372–384. https://eric.ed.gov/?q=Bayes&ff1=subModels&id=EJ1467483
Dawar I., Negi S., Lamba S., Kumar A. Enhancing student academic performance forecasting: A comparative analysis of machine learning algorithms. SN Computer Science. 2024. No.5 (6). P.758. DOI: 1007/s42979-024-03118-3
Hassabis D., Kumaran D., Summerfield С., Botvinick М., Neuroscienceinspired artificial intelligence. Neuron. 2017. No.95 (2). P.245–258. DOI: 10.1016/j.neuron.2017.06.011
Husak O., Shkabko S. Lytvynchuk A., Pron N. Harmonising Ukrainian education policy with European standards: the role of the Eurydice network. Educational Analytics of Ukraine. 2025. No.4 (36). P.5–13. DOI: 10.32987/2617-8532-2025-4-5-15
Kalita Е., Alfarwan A.M., Aouifi Н.Е., Kukkar А., Hussain S., Tazid A., Gaftandzhieva S. Predicting student academic performance using Bi-LSTM: a deep learning framework with SHAP-based interpretability and statistical validation. Frontiers in Education. 2025. No.10. P.1–18. DOI: 10.3389/feduc.2025.1581247
Kuzilek J., Vaclavek J., Fuglik V., Zdrahal Z. Student drop-out modelling using virtual learning environment behaviour data. Proceedings of the European Conference on Technology Enhanced Learning (Leeds, UK, 3–5 September 2018). Springer: Cham, Switzerland, 2018. P.166–171. http://dx.doi.org/doi:10.1007/978-3-319-98572-513
Romero C., Ventura S. Data mining in education. Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery. 2013. No.3 (1). P.12–27. DOI: 10.1002/widm.1075
Sandeepa A.G.R., Mohottala S. Evaluation of machine learning models in student academic performance prediction. 2025 5th International Conference on Advanced Research in Computing (ICARC). IEEE, 2025. P.1–6. DOI: 10.48550/arXiv.2506.08047
Song Y., Shuqi Lv, Wang M., Wang Z., Dong W. The impact of digital learning competence on the academic achievement of undergraduate students. Behavioral Sciences. 2025. No.15 (7). P.840. DOI: 10.3390/bs15070840
York Т.Т., Gibson C., Rankin S. Defining and measuring academic success. practical assessment. Research & Evaluation. 2015. No.20 (5). Р.1–20.
Zohair L.M.A. Prediction of student’s performance by modelling small dataset size. International Journal of Educational Technology in Higher Education. 2019. No.16. P.27. DOI: 10.1186/s41239-019-0160-3
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
1.Автори передають журналу право першої публікації свого рукопису на умовах ліцензії Creative Commons ("Із зазначенням авторства - Некомерційне використання - Поширення на тих же умовах") 4.0 Міжнародна (CC BY-NC-SA 4.0) [https://creativecommons.org/licenses/by-nc-sa/4.0/deed.uk], котра дозволяє іншим особам вільно використовувати (читати, копіювати і роздруковувати) представлені матеріали, здійснювати пошук та посилатись на опубліковані статті, поширювати їх повний текст з будь-якою законною некомерційною метою (у тому числі, з навчальною або науковою) та обов'язковим посиланням на авторів робіт і первинну публікацію у цьому журналі.
2.Опубліковані оригінальні статті в подальшому не можуть використовуватись користувачами (окрім авторів) з комерційною метою або поширюватись сторонніми організаціями-посередниками на платній основі.
