ОСОБЛИВОСТІ ДОСЛІДЖЕННЯ ПОВЕДІНКОВИХ ЦИФРОВИХ СЛІДІВ У СИСТЕМАХ ДИСТАНЦІЙНОГО НАВЧАННЯ
DOI:
https://doi.org/10.28925/2663-4023.2025.31.1054Ключові слова:
цифрові сліди, дистанційне навчання, поведінкові шаблони, атипова поведінка, прогнозна модель, машинне навчання, академічний ризик, система дистанційного навчання (СДО), класифікація, освітня аналітика.Анотація
В статті представлено результати досліджень з проблематики аналізу поведінкових цифрових слідів (Ц) у системах дистанційного навчання (СДН) українських навчальних закладів. Проведене дослідження довело ефективність запропонованої моделі аналізу поведінкових ЦС для ідентифікації атипової навчальної поведінки в СДН. Розроблена в статті прогнозна модель, ґрунтується на оцінці міри аномальності та ймовірнісній інтерпретації результатів на базі використанні логістичної регресії. Доведена експериментально здатність моделі до диференціації користувачів за типами навчальної поведінки у СДН. Результати імітаційного, виконаного на даних двох київських закладів вищої освіти, підтвердила гіпотезу про доцільність класифікації студентів на три дискретні категорії. А саме «стабільні», «нерегулярні» та «ризикові» на підставі об'єктивних метрик їхньої цифрової активності у СДН. Наведена у статті візуалізація просторового розподілу спостережень у координатах ознак, які використовувалися у імітаційному експерименті, виявила чіткі кластери. Ці кластери відповіли різним поведінковим шаблонам студентів у СДН. Аналіз розподілів міри аномальності підтвердив статистичну значущість запропонованої метрики для розрізнення груп. Калібрувальна крива продемонструвала адекватність моделі у відтворенні ймовірностей належності до групи ризику. Загалом отримані результати підтвердили коректність моделі та обраного для дослідження математичного апарату. Дослідження залежності точності класифікації від порогового значення θ дало змогу визначити оптимальний рівень відсічення для практичного застосування моделі у практиці використання СДН в закладах вищої освіти. Теоретична цінність дослідження полягає у розробці методичного інструментарію для проактивного моніторингу навчальної діяльності в умовах дистанційного навчання. Практична цінність отриманих результатів полягає у можливості їх впровадження в діючи системи дистанційного навчання для завдань раннього виявлення студентів з ознаками академічної дезадаптації та своєчасного вжиття коригуючих заходів.
Завантаження
Посилання
Buitrago-Ropero, M. E., Ramírez-Montoya, M. S., & Laverde, A. C. (2023). Digital footprints (2005–2019): A systematic mapping of studies in education. Interactive Learning Environments, 31(2), 876–889.
Nugumanova, A., & Baiburin, Y. (2019). Exploration of student behavior patterns through digital footprints. Journal of Mathematics, Mechanics and Computer Science, 103(3), 43–54.
Lakhno, V., Voloshyn, S., Mamchenko, S., Kulinich, O., & Kasatkin, D. (2024). Cluster analysis for studying digital footprints of students in educational institutions. Cybersecurity: Education, Science, Technique, 3(23), 31–41.
Klymenko, Ye. O. (2025). Development of information systems for predictive analytics of students’ academic performance. In O. Patriak et al. (Eds.), Information society: Technological, economic and technical aspects of development (Issue 98, pp. 22–24). Ternopil, Ukraine & Opole, Poland: NGO “Scientific Community”; WSZIA w Opolu; FOP Shpak V. B.
Appiah-Kubi, P., Zouhri, K., Basile, E., & McCabe, M. (2022). Analysis of engineering technology students’ digital footprints in synchronous and asynchronous blended courses. International Journal of Engineering Pedagogy, 12(1), 63–74.
Pichkur, M. O., Poluden, L. I., Demchenko, I. I., & Sotska, H. I. (2023). Monitoring digital footprints of fine arts training of higher art education students. Information Technologies and Learning Tools, 2(94), 128–149.
Lakhno, V., Kurbaiyazov, N., Lakhno, M., Kryvoruchko, O., Desiatko, A., Tsiutsiura, S., & Tsiutsiura, M. (2024). Analysis of digital footprints associated with cybersecurity behavior patterns of users of university information and education systems. International Journal of Electronics and Telecommunications, 673–682.
Karabatak, S., & Karabatak, M. (2020, June). Z generation students and their digital footprints. In 2020 8th International Symposium on Digital Forensics and Security (ISDFS) (pp. 1–5). IEEE.
Olipas, C. N. P. (2023). Exploring differences in demographic profiles and digital footprint awareness between private and public-school students: A comparative study. East Asian Journal of Multidisciplinary Research, 2(4), 1415–1436.
Rakow, K. E., Upsher, R. J., Foster, J. L., Byrom, N. C., & Dommett, E. J. (2023). Student perspectives on their digital footprint in virtual learning environments. Frontiers in Education, 8, Article 1208671.
Scanlon, P. (2018). Using students’ digital footprints to identify peer influences on academic outcomes (Doctoral dissertation, Dublin City University).
Evcimen, F. D., & Öteleş, E. Ü. U. (2025). The effect of critical thinking practices on digital footprint. Problems of Education in the 21st Century, 83(3), 306–318.
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2025 Альона Десятко, Євгеній Нікітенко, Валерій Гладких
Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
