mireabulletinRussian Technological JournalRussian Technological Journal2782-32102500-316XRTU MIREA10.32362/2500-316X-2024-12-5-98-110WAZLGBmireabulletin-985Research ArticleМИРОВОЗЗРЕНЧЕСКИЕ ОСНОВЫ ТЕХНОЛОГИИ И ОБЩЕСТВАPHILOSOPHICAL FOUNDATIONS OF TECHNOLOGY AND SOCIETYКонцептуальный подход к цифровой трансформации образовательного процесса в вузеA conceptual approach to digital transformation of the educational process at a higher education institutionhttps://orcid.org/0000-0003-3325-099XКытмановА. А.KytmanovA. A.

Кытманов Алексей Александрович, д.ф.-м.н., доцент, заведующий кафедрой высшей математики – 3, Институт перспективных технологий и индустриального программирования

119454, Москва, пр-т Вернадского, д. 78

Scopus Author ID 6602129708

Alexey A. Kytmanov, Dr. Sci. (Phys.-Math.), Head of the Department of Higher Mathematics – 3, Institute for Advanced Technologies and Industrial Programming

78, Vernadskogo pr., Moscow, 119454 

Scopus Author ID 6602129708

kytmanov@mirea.ruhttps://orcid.org/0000-0003-1114-9751ГореловаЮ. Н.GorelovaYu. N.

Горелова Юлия Николаевна, к.фил.н., доцент, заведующий центром магистратуры, Институт управления, экономики и финансов

420008, Республика Татарстан, Казань, ул. Кремлевская, д. 18, корп. 1

Scopus Author ID 56521686700

Yuliya N. Gorelova, Cand. Sci. (Phil.), Head of the Master’s Center, Institute of Management, Economics and Finance

18, Kremlevskaya ul., Kazan, 420008 

Scopus Author ID 56521686700

JNGorelova@kpfu.ruhttps://orcid.org/0000-0002-7332-2372ЗыковаТ. В.ZykovaT. V.

Зыкова Татьяна Викторовна, к.ф.-м.н., доцент, кафедра прикладной математики и анализа данных, Институт космических и информационных технологий

660041, Красноярск, пр. Свободный, д. 79

Scopus Author ID 57188699496

 

Tatiana V. Zykova, Cand. Sci. (Phys.-Math.), Assistant Professor, Department of Applied Mathematics and Data Science, School of Space and Information Technology

79, Svobodnyi pr., Krasnoyarsk, 660041 

Scopus Author ID 57188699496

tzykova@sfu-kras.ruhttps://orcid.org/0009-0004-4632-5158ПихтильковаО. А.PikhtilkovaO. A.

Пихтилькова Ольга Александровна, к.ф.-м.н., доцент, кафедра высшей математики – 3, Институт перспективных технологий и индустриального программирования

119454, Москва, пр-т Вернадского, д. 78

Olga A. Pikhtilkova, Cand. Sci. (Phys.-Math.), Associate Professor, Department of Higher Mathematics – 3, Institute for Advanced Technologies and Industrial Programming

78, Vernadskogo pr., Moscow, 119454 

 

pihtilkova@mirea.ruhttps://orcid.org/0000-0002-2447-7175ПронинаЕ. В.ProninaE. V.

Пронина Елена Владиславовна, к.ф.-м.н., доцент, кафедра высшей математики – 3, Институт перспективных технологий и индустриального программирования

119454, Москва, пр-т Вернадского, д. 78

Elena V. Pronina, Cand. Sci. (Phys.-Math.), Assistant Professor, Department of Higher Mathematics – 3, Institute for Advanced Technologies and Industrial Programming

78, Vernadskogo pr., Moscow, 119454 

pronina@mirea.ruМИРЭА – Российский технологический университетРоссияMIREA – Russian Technological UniversityRussian FederationКазанский (Приволжский) федеральный университетРоссияKazan (Volga Region) Federal UniversityRussian FederationСибирский федеральный университетРоссияSiberian Federal UniversityRussian Federation20240410202412598–110Copyright © Кытманов А.А., Горелова Ю.Н., Зыкова Т.В., Пихтилькова О.А., Пронина Е.В., 20242024Кытманов А.А., Горелова Ю.Н., Зыкова Т.В., Пихтилькова О.А., Пронина Е.В.Kytmanov A.A., Gorelova Y.N., Zykova T.V., Pikhtilkova O.A., Pronina E.V.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.rtj-mirea.ru/jour/article/view/985Цели

Цели. Целью работы является разработка концептуального подхода к цифровой трансформации образовательного процесса в вузе. В основе выбранного подхода лежит детальный анализ этапов, участников и компонентов образовательного процесса в вузе с целью выработки дорожной карты по его цифровизации и созданию системы управления образовательным процессом на основе данных. Основными задачами цифровой трансформации являются: повышение удобства доступа к данным и работы с данными, относящимися к образовательному процессу, для всех групп конечных пользователей; повышение прозрачности всех составляющих образовательного процесса; высвобождение человеко-временных ресурсов за счет минимизации рутинных операций и повышения качества принимаемых решений. В основе создания системы управления образовательным процессом на основе данных лежат принципы цифровой культуры управления процессами, которые подразумевают, что собираемые в университетских системах данные упорядочены в единую структуру, согласованы между собой, непротиворечивы и хранятся в виде, удобном для разработки новых цифровых сервисов. Разработка инструментов интеллектуальной поддержки принятия решений и учебной аналитики ведется в тесном взаимодействии разработчиков, аналитиков и конечных пользователей всех уровней.

Методы

Методы. В работе использован опыт работы авторов и их коллег в российских и зарубежных вузах в качестве пользователей информационных систем и сервисов, разработчиков сервисов учебной аналитики и руководителей разного уровня. Приведены этапы цифровой трансформации организации.

Результаты

Результаты. Предложен концептуальный подход к пониманию, постановке целей и планированию процессов цифровой трансформации образовательного процесса. Подробно описаны данные основных участников и составляющих образовательного процесса: обучающихся, преподавателей и образовательных программ, необходимые для управления вузом на основе данных; аргументирован их отбор.

Выводы

Выводы. Разработка концептуального подхода для создания системы управления образовательным процессом на основе данных в вузе становится приоритетной задачей, от качества решения которой во многом будут зависеть развитие и конкурентоспособность университета в будущем.

Objectives

Objectives. The research aims to develop a conceptual approach to the digital transformation of university educational processes. The approach is based on a detailed analysis of the stages, participants, and components of the educational process at universities in order to develop a roadmap for digitalization and the development of a datadriven educational process management system. The main objectives of digital transformation are: (1) improve convenience for all groups of end users by providing access to data and operations with data related to the educational process; (2) increase the transparency of all components of the educational process; (3) release human and time resources by minimizing routine operations and improving the quality of decisions. The development of a data-driven educational process management system is based on digital culture principles of process management, which imply that the data collected in university systems are consistent, organized into a single structure. and stored in a form convenient for the development of new digital services. The development of tools for intelligent decision support and learning analytics is executed cooperatively by developers, analysts, and end users at all levels.

Methods

Methods. The research considers the work experience of the authors and their colleagues in Russian and international universities as users of information systems and services, developers of educational analytics services, and managers at various levels, as well as the stages of university digital transformation.

Results

Results. The proposed conceptual approach increases comprehension by setting goals and organizing the planning of digital transformation processes in education. As well as providing a detailed description of the major participants and components of the educational process, comprising students, teachers and educational programs, the article discusses data selection criteria.

Conclusions

Conclusions. The development of a conceptual approach for creating a data-driven educational process management system at a university is becoming a priority task, whose successful execution will underpin further university advancement and competitiveness.

цифровизацияцифровая трансформацияуправление на основе данныхобразовательный процессобучающийсяпрофессорско-преподавательский составобразовательная программаучебная аналитикаdigitalizationdigital transformationdata-driven managementeducational processstudentteaching staffeducational programlearning analyticsReferencesSelwyn N., Gašević D. The datafication of higher education: discussing the promises and problems. Teach. High. Educ. 2020;25(4):527–540. https://doi.org/10.1080/13562517.2019.1689388Selwyn N., Gašević D. The datafication of higher education: discussing the promises and problems. Teach. High. Educ. 2020;25(4):527–540. https://doi.org/10.1080/13562517.2019.1689388Williamson В., Bayne S., Shay S. The datafication of teaching in Higher Education: critical issues and perspectives. Teach. High. Educ. 2020;25(4):351–365. https://doi.org/10.1080/13562517.2020.1748811Williamson В., Bayne S., Shay S. The datafication of teaching in Higher Education: critical issues and perspectives. Teach. High. Educ. 2020;25(4):351–365. https://doi.org/10.1080/13562517.2020.1748811Taamneh A., Alsaad A., Elrehail H., Al-Okaily M., Lutfi A., Sergio R.P. University lecturers acceptance of moodle platform in the context of the COVID-19 pandemic. Global Knowledge, Memory and Communication. 2023;72(6/7):666–684. http://doi.org/10.1108/GKMC-05-2021-0087Taamneh A., Alsaad A., Elrehail H., Al-Okaily M., Lutfi A., Sergio R.P. University lecturers acceptance of moodle platform in the context of the COVID-19 pandemic. Global Knowledge, Memory and Communication. 2023;72(6/7):666–684. http://doi.org/10.1108/GKMC-05-2021-0087Lemay D.J., Baek C., Doleck T. Comparison of learning analytics and educational data mining: A topic modeling approach. Computers and Education: Artificial Intelligence. 2021;2(1):100016. https://doi.org/10.1016/j.caeai.2021.100016Lemay D.J., Baek C., Doleck T. Comparison of learning analytics and educational data mining: A topic modeling approach. Computers and Education: Artificial Intelligence. 2021;2(1):100016. https://doi.org/10.1016/j.caeai.2021.100016Papamitsiou Z., Economides A.A. Learning Analytics and Educational Data Mining in Practice: A Systematic Literature Review of Empirical Evidence. J. Educ. Technol. Soc. 2014;17(4):49–64. URL: http://www.jstor.org/stable/jeductechsoci.17.4.49Papamitsiou Z., Economides A.A. Learning Analytics and Educational Data Mining in Practice: A Systematic Literature Review of Empirical Evidence. J. Educ. Technol. Soc. 2014;17(4):49–64. URL: http://www.jstor.org/stable/jeductechsoci.17.4.49Arnold K.E., Pistilli M.D. Course Signals at Purdue: Using learning analytics to increase student success. In: Proceedings of the 2nd International Conference on Learning Analytics and Knowledge (LAK’12). 2012. P. 267–270. URL: https://dl.acm.org/doi/10.1145/2330601.2330666Arnold K.E., Pistilli M.D. Course Signals at Purdue: Using learning analytics to increase student success. In: Proceedings of the 2nd International Conference on Learning Analytics and Knowledge (LAK’12). 2012. P. 267–270. URL: https://dl.acm.org/doi/10.1145/2330601.2330666Teasley S.D., Kay M., Elkins S., Hammond J. User-Centered Design for a Student-Facing Dashboard Grounded in Learning Theory. In: Sahin M., Ifenthaler D. (Eds.). Visualizations and Dashboards for Learning Analytics. Advances in Analytics for Learning and Teaching. Cham., Switzerland: Springer; 2021. P. 191–212. https://doi.org/10.1007/978-3-030-81222-5_9Teasley S.D., Kay M., Elkins S., Hammond J. User-Centered Design for a Student-Facing Dashboard Grounded in Learning Theory. In: Sahin M., Ifenthaler D. (Eds.). Visualizations and Dashboards for Learning Analytics. Advances in Analytics for Learning and Teaching. Cham., Switzerland: Springer; 2021. P. 191–212. https://doi.org/10.1007/978-3-030-81222-5_9Klein C., Lester J., Rangwala H., et al. Technological barriers and incentives to learning analytics adoption in higher education: insights from users. J. Comput. High. Educ. 2019;31:604–625. https://doi.org/10.1007/s12528-019-09210-5Klein C., Lester J., Rangwala H., et al. Technological barriers and incentives to learning analytics adoption in higher education: insights from users. J. Comput. High. Educ. 2019;31:604–625. https://doi.org/10.1007/s12528-019-09210-5Talbi O., Ouared A. Goal-oriented student motivation in learning analytics: How can a requirements-driven approach help? Educ. Inf. Technol. 2022;27(8):12083–12121. https://doi.org/10.1007/s10639-022-11091-8Talbi O., Ouared A. Goal-oriented student motivation in learning analytics: How can a requirements-driven approach help? Educ. Inf. Technol. 2022;27(8):12083–12121. https://doi.org/10.1007/s10639-022-11091-8Kustitskaya T.A., Esin R.V., Kytmanov A.A., Zykova T.V. Designing an Education Database in a Higher Education Institution for the Data-Driven Management of the Educational Process. Educ. Sci. 2023;13(9):947. https://doi.org/10.3390/educsci13090947Kustitskaya T.A., Esin R.V., Kytmanov A.A., Zykova T.V. Designing an Education Database in a Higher Education Institution for the Data-Driven Management of the Educational Process. Educ. Sci. 2023;13(9):947. https://doi.org/10.3390/educsci13090947Datnow А., Hubbard L. Teacher capacity for and beliefs about data-driven decision making: A literature review of international research. J. Educ. Change. 2016;17(1):7–28. https://doi.org/10.1007/s10833-015-9264-2Datnow А., Hubbard L. Teacher capacity for and beliefs about data-driven decision making: A literature review of international research. J. Educ. Change. 2016;17(1):7–28. https://doi.org/10.1007/s10833-015-9264-2Brown М. Seeing students at scale: how faculty in large lecture courses act upon learning analytics dashboard data. Teach. High. Educ. 2020;25(4):384–400. https://doi.org/10.1080/13562517.2019.1698540Brown М. Seeing students at scale: how faculty in large lecture courses act upon learning analytics dashboard data. Teach. High. Educ. 2020;25(4):384–400. https://doi.org/10.1080/13562517.2019.1698540Есин Р.В., Зыкова Т.В., Кустицкая Т.А., Кытманов А.А. Цифровая образовательная история как составляющая цифрового профиля обучающегося в условиях трансформации образования. Перспективы науки и образования. 2022;5(59):566–584. https://doi.org/10.32744/pse.2022.5.34Esin R.V., Zykova T.V., Kustitskaya T.A., Kytmanov A.A. Digital educational history as a component of the digital student’s profile in the context of education transformation. Perspektivy nauki i obrazovaniya = Perspectives of Science & Education. 2022;5(59):566–584 (in Russ.). https://doi.org/10.32744/pse.2022.5.34 ]Permana A.A.J., Pradnyana G.A. Recommendation Systems for internship place using artificial intelligence based on competence. J. Phys.: Conf. Ser. 2019;1165:012007. https://doi.org/10.1088/1742-6596/1165/1/012007Permana A.A.J., Pradnyana G.A. Recommendation Systems for internship place using artificial intelligence based on competence. J. Phys.: Conf. Ser. 2019;1165:012007. https://doi.org/10.1088/1742-6596/1165/1/012007Raffaghelli J.E., Stewart В. Centering complexity in ‘educators’ data literacy’ to support future practices in faculty development: a systematic review of the literature. Teach. High. Educ. 2020;25(4):435–455. https://doi.org/10.1080/13562517.2019.1696301Raffaghelli J.E., Stewart В. Centering complexity in ‘educators’ data literacy’ to support future practices in faculty development: a systematic review of the literature. Teach. High. Educ. 2020;25(4):435–455. https://doi.org/10.1080/13562517.2019.1696301Lewis S., Holloway J. Datafying the teaching ‘profession’: remaking the professional teacher in the image of data. Cambridge J. Educ. 2019;49(1):35–51. https://doi.org/10.1080/0305764X.2018.1441373Lewis S., Holloway J. Datafying the teaching ‘profession’: remaking the professional teacher in the image of data. Cambridge J. Educ. 2019;49(1):35–51. https://doi.org/10.1080/0305764X.2018.1441373Williamson B. The hidden architecture of higher education: building a big data infrastructure for the ‘smarter university’. Int. J. Educ. Technol. High. Educ. 2018;15:12. https://doi.org/10.1186/s41239-018-0094-1Williamson B. The hidden architecture of higher education: building a big data infrastructure for the ‘smarter university’. Int. J. Educ. Technol. High. Educ. 2018;15:12. https://doi.org/10.1186/s41239-018-0094-1

The authors declare that there are no conflicts of interest present.