Впровадження підходів data-driven education для аналізу результатів навчання та вдосконалення лекційного контенту

Abstract

У статті розглянуто застосування підходів data-driven education та інструментів аналітики навчальних даних для підвищення ефективності лекційного процесу у закладах вищої освіти. Мета дослідження полягає у вивченні та впровадженні підходів data-driven education для аналізу результатів навчання та вдосконалення лекційного контенту у закладах вищої освіти. Дослідження спрямоване на оцінку можливостей використання навчальних даних студентів, методик Educational Data Mining (EDM) та технологій штучного інтелекту (AI) для підвищення ефективності та персоналізації лекційного процесу. Методи дослідження включають аналіз сучасних наукових джерел, систематизацію практик learning analytics, розробку авторської таблиці відповідності «педагогічні рішення ↔ навчальні дані», а також апробацію педагогічних сценаріїв використання data-driven підходів у лекційних заняттях. Результати дослідження показали, що системний збір та аналіз навчальних даних дозволяє приймати обґрунтовані педагогічні рішення щодо структури, темпу та форм подання матеріалу, підвищувати залученість студентів та ефективність засвоєння знань. Інтеграція AI та аналітичних інструментів забезпечує підтримку викладача у реальному часі, створює умови для адаптивного навчання та персоналізації лекційного контенту. Висновки свідчать про доцільність використання data-driven підходів як педагогічного інструменту для модернізації лекційних курсів, розвитку цифрових компетентностей викладачів та підвищення якості навчального процесу. Отримані результати відкривають перспективи подальших досліджень у сфері інтеграції аналітики та AI у освітні практики, включаючи розробку комплексних сценаріїв і методичних рекомендацій для закладів вищої освіти.

The article examines the application of data-driven education approaches and learning data analytics tools to enhance the effectiveness of lecture based teaching in higher education institutions. The purpose of the research is to investigate and implement data-driven education approaches for analyzing learning outcomes and improving lecture content. The methods include analysis of current scientific literature, systematization of learning analytics practices, development of an authorial table of correspondence between «pedagogical decisions ↔ learning data», and the testing of pedagogical scenarios for applying data-driven approaches in lecture sessions. The results of the study demonstrate that systematic collection and analysis of learning data enable evidence-based pedagogical decisions regarding the structure, pace, and forms of content delivery, increasing student engagement and learning effectiveness. The integration of artificial intelligence and analytical tools provides real-time support for instructors, creating conditions for adaptive learning and personalization of lecture content. The conclusions emphasize the feasibility of using data-driven approaches as pedagogical tools for modernizing lecture courses, developing instructors’ digital competencies, and improving the quality of the learning process. At the same time, the identified opportunities for further research include the integration of analytics and AI into educational practices, as well as the development of comprehensive methodological scenarios and recommendations for higher education institutions.