| Раздел 1. Постановка проектной и исследовательской задачи образовательной аналитики | Образовательная аналитика как средство информационной поддержки педагогических и управленческих решений. Определение проблемы, объекта, предмета и заинтересованных сторон проекта. Переход от педагогической проблемы к аналитическому вопросу. Формулирование исследовательских и проектных гипотез. Определение показателей, критериев успешности и ограничений проекта. Источники образовательных данных: электронный журнал, LMS, системы тестирования, цифровые образовательные ресурсы, данные проектной и внеурочной деятельности, результаты опросов и наблюдений. Разработка плана управления данными. Требования к валидности, воспроизводимости, обезличиванию и этичному использованию данных. Определение состава проектного результата и критериев его приёмки.
Лабораторная работа 1. Разработка паспорта проекта образовательной аналитики. Выбор педагогической или организационно-управленческой проблемы; формулирование аналитических вопросов и проверяемых гипотез; определение заинтересованных сторон, источников данных, системы показателей и критериев успешности; разработка схемы аналитического процесса, плана управления данными и календарного плана проекта. | 18 | 8 | 10 |
| Раздел 2. Инженерия и подготовка образовательных данных для проектного анализа | Анализ структуры и качества исходных данных. Определение единицы наблюдения и уровня анализа. Интеграция данных из реляционных таблиц, CSV, электронных таблиц, JSON, журналов LMS и результатов анкетирования. Проектирование аналитического набора данных. ETL- и ELT-процессы. Очистка, преобразование, кодирование и агрегирование данных. Обработка пропусков, дубликатов, выбросов и несогласованных значений. Формирование признаков на основе учебных результатов и цифрового следа. Использование SQL и Python для подготовки данных. Метаданные, словарь переменных, контроль происхождения и качества данных. Версионирование наборов данных и программного кода. Подготовка воспроизводимого конвейера обработки. Защита персональных данных, минимизация состава обрабатываемых сведений и разграничение доступа.
Лабораторная работа 2. Формирование воспроизводимого аналитического набора образовательных данных. Получение и объединение данных из нескольких образовательных источников; проектирование структуры аналитического набора; очистка, преобразование, обезличивание и проверка качества; формирование признаков; создание витрины данных; подготовка SQL- и Python-скриптов, словаря данных и отчёта о качестве. | 24 | 10 | 14 |
| аздел 3. Доказательный анализ образовательных данных и интерпретируемые модели | Описательный, сравнительный, диагностический и прогнозный анализ образовательных данных. Распределения, меры центральной тенденции и разброса. Сравнение учебных групп, периодов и образовательных воздействий. Проверка статистических гипотез. Доверительные интервалы, размер эффекта и практическая значимость результатов. Анализ взаимосвязей между показателями. Ограничения корреляционных выводов. Основы анализа качественных данных: категоризация, кодирование и обобщение текстовых ответов. Сочетание количественных и качественных результатов. Построение интерпретируемых моделей классификации, регрессии или кластеризации. Разделение данных на обучающую и проверочную выборки. Выбор метрик качества. Анализ ошибок, смещений и устойчивости модели. Недопустимость автоматического принятия значимых педагогических решений без экспертной проверки.
Лабораторная работа 3. Комплексный доказательный анализ образовательной проблемы. Проведение описательного и сравнительного анализа; проверка исследовательской гипотезы; оценка статистической и практической значимости результатов; применение одного интерпретируемого метода машинного обучения либо качественного анализа; сопоставление результатов различных методов; формулирование обоснованных педагогических или управленческих выводов с указанием ограничений. | 24 | 10 | 14 |
| Раздел 4. Разработка и оценка информационно-аналитического продукта | Проектирование конечного аналитического продукта для педагогического работника, методиста, администрации образовательной организации или специалиста EdTech. Архитектура аналитической системы. Интеграция базы данных, программной обработки, аналитических показателей и визуализации. Проектирование информационных панелей. Выбор показателей и форм визуального представления в зависимости от роли пользователя. Формирование аналитической записки и рекомендаций. Использование генеративного ИИ и ИИ-агентов для объяснения показателей, подготовки проектов отчётов и навигации по данным. Фактологическая проверка результатов ИИ, ограничение полномочий агента и журналирование его действий. Тестирование корректности вычислений, удобства использования и воспроизводимости решения. Оценка педагогической, технологической и организационной результативности проекта. Подготовка технической и пользовательской документации. Представление результатов различным группам заинтересованных сторон.
Лабораторная работа 4. Разработка информационно-аналитического продукта для образовательной организации. Создание программного прототипа, включающего аналитическую базу или витрину данных, расчёт показателей, информационную панель и механизм подготовки аналитического заключения. Тестирование корректности расчётов, визуализаций и пользовательских сценариев. Применение ИИ-компонента допускается при наличии обоснованной задачи и обязательной проверке его результатов.
Лабораторная работа 5. Итоговый проект «Образовательная аналитика: от данных к решению». Завершение полного проектного цикла: постановка проблемы, подготовка и контроль качества данных, доказательный анализ, разработка аналитического продукта, интерпретация результатов и оценка ограничений. Проведение экспертной апробации, подготовка репозитория, технической документации, аналитической записки и презентации. Публичная защита проекта и обоснование предлагаемых педагогических или управленческих решений. | 42 | 16 | 26 |