Название проекта:
Методическое сопровождение внедрения ИИ-инструментов в систему внутреннего мониторинга качества образования в техникуме.
Описание проекта:
Концепция проекта:
Проект представляет собой внедрение и методическое сопровождение использования инструментов искусственного интеллекта (далее - ИИ) для трансформации системы внутреннего мониторинга качества образования (далее - ВСОКО).
Проблема: традиционный ручной анализ ведомостей промежуточной аттестации не позволяет вовремя выявить студентов «группы риска», что ведет к росту задолженностей и отчислений.
Основная идея: переход от поверхностного сбора данных к интеллектуальному многоуровневому анализу (на базе ИИ), который позволяет прогнозировать академические риски, выявлять проблемы в преподавании, объективно оценивать работу педагогов и принимать обоснованные управленческие решения.
Проект показывает, как превратить данные промежуточной аттестации в интеллектуальную систему управления образовательным процессом студентов, интегрированную в работу структурных подразделений техникума учебных отделений, методической службы, учебно-производственного комплекса и центра карьеры.
Конечный результат: повышение успеваемости, снижение отчислений, прозрачность и объективность оценки качества образования.
Актуальность проблемы:
В системе СПО остро стоит проблема оперативного выявления и предотвращения академической неуспеваемости. Традиционные методы анализа данных промежуточной аттестации трудоемки, фрагментарны и не позволяют прогнозировать риски отчислений на ранних стадиях.
В нашем техникуме по итогам зимней сессии стандартный анализ выявлял лишь «двоечничество», но не учитывал высокую долю «троек» и академических задолженностей - при этом доля студентов с 3-4 задолженностями составила 18%, создавая скрытую угрозу отчислений на старших курсах.
Отсутствие единой цифровой платформы для сбора, нормализации и интеллектуальной обработки данных приводит к запоздалым управленческим реакциям, неэффективному распределению ресурсов методической поддержки и, как следствие, снижению общего среднего балла по учреждению и увеличению отчислений.
Цель проекта:
Повышение эффективности управления профессиональной образовательной организацией через внедрение комплексной методики анализа и прогнозирования успеваемости студентов с использованием технологий искусственного интеллекта.
Задачи:
1. Разработать и внедрить алгоритм нормализации и подготовки данных промежуточной аттестации (числовые оценки, текстовые статусы, пустые ячейки) для корректной работы ИИ-инструментов.
2. Создать систему управленческого мониторинга для формирования оперативной сводки по ключевым показателям (успеваемость, качество знаний, средний балл) с отклонением от целевых ориентиров.
3. Внедрить многоуровневый анализ данных (рейтинг студентов, рейтинг дисциплин, распределение задолженностей) для точечного распределения методических ресурсов.
4. Разработать модель анализа «человеческого фактора» для выявления преподавателей с субъективным оцениванием и трансляции лучших практик.
5. Внедрить проактивную аналитику (Матрица академического риска) для прогнозирования отчислений и организации раннего вмешательства (тьюторское сопровождение, корректировка нагрузки).
6. Интегрировать результаты анализа в пять управленческих процессов: учебно-методическое управление, работу с контингентом, ВСОКО, управление персоналом, стратегическое управление.
Целевая аудитория:
• администрация техникума (директор, заместители);
• методическая служба и руководители образовательных программ;
• преподаватели и мастера производственного обучения;
• кураторы учебных групп;
• студенты техникума (как конечные бенефициары повышения качества образования).
Социальная значимость:
Проект способствует повышению качества подготовки квалифицированных кадров для высокотехнологичных отраслей промышленности за счет снижения числа отчислений и повышения успеваемости.
Ключевые бенефициары: Студенты - получают адресную поддержку на ранних стадиях академических трудностей, что позволяет им завершить обучение и получить профессию, избегая отчисления и социальной неудачи.
Преподаватели и мастера производственного обучения - получают объективные данные о качестве своей работы и зонах для профессионального роста.
Администрация техникума - получает инструмент для обоснованных управленческих решений и прозрачной оценки деятельности подразделений.
Работодатели - получают больше подготовленных выпускников, готовых к профессиональной деятельности.
Интеллектуальная система позволяет вовремя выявить проблемные зоны и оказать адресную помощь студентам, что способствует сохранению контингента и увеличению доли выпускников, готовых к работе в реальном секторе экономики. Планируемый результат - снижение отчислений не менее чем на 15% и повышение среднего балла успеваемости на 10% к концу 2026 учебного года.
Кроме того, проект формирует культуру управления, основанную на данных, что соответствует стратегическим задачам цифровой трансформации образования и кадрового обеспечения проектов технологического лидерства в Российской Федерации.
Охват населения:
- в проекте задействованы 45 учебных групп (1012 студентов) по 13 профессиям и специальностям.
- в проект вовлечены 56 преподавателей и 22 куратора.
Территория влияния:
- локальный уровень: внутриорганизационный проект в Екатеринбургском техникуме «Автоматика»;
- межорганизационный потенциал: разработанные методики (матрица риска, алгоритм нормализации, шаблоны ИУП) могут быть тиражированы на другие учреждения СПО Свердловской области.
Результаты реализации проекта представлялись на заседании Межрегионального совета профессионального образования Уральского Федерального округа 19 мая 2026 года в г. Когалым https://chirpo.ru/files/15/2026/progs/%D0%9F%D1%80%D0%BE%D0%B3%D1%80%D0%B0%D0%BC%D0%BC%D0%B0_%D0%9A%D0%BE%D0%B3%D0%B0%D0%BB%D1%8B%D0%BC_26.pdf.