ellibsЭлектронные библиотекиRussian Digital Libraries Journal1562-5419Казанский (Приволжский) федеральный университетellibs-92Research ArticleСтатьиО нескольких методах и инструментах анализа качества учебного процессаAbout several methods and tools for the educational process quality analysisСвинтенокЕ. А.svintenok@gmail.comПоповБ. Е.ibogdanpopov@gmail.comАбрамскийМ. М.ma@it.kfu.ruВысшая школа информационных технологий и интеллектуальных систем Казанского (Приволжского) федерального университетаRussian Federation201828062018213-4382391Copyright © Свинтенок Е.А., Попов Б.Е., Абрамский М.М., 20182018Свинтенок Е.А., Попов Б.Е., Абрамский М.М.Свинтенок Е.А., Попов Б.Е., Абрамский М.М.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://ellibs.elpub.ru/jour/article/view/92

Рассмотрены вопросы анализа связи учебного расписания с успеваемостью студентов, а также определения сложности учебного курса. Выделены факторы, которые стоит отслеживать при подобном анализе. Предложены идеи применения этих данных в системах управления образовательным процессом.

This article raises questions of the determining course complexity and analyzing schedule and academic performance relations. Also there are emphasized important constituents of the courses and introduced ideas of the use cases of the allotted data.

сложность курсаанализ расписаниясистемы управления образованиеманализ данныхcourse complexityscheduleacademic performanceeducational management systemsdata analysisReferencesБронникова, Н. Проблемы составления расписания в вузе // Ректор вуза. 2015. №7. С. 8.Бронникова, Н. Проблемы составления расписания в вузе // Ректор вуза. 2015. №7. С. 8.Горлушкина Н.Н. Задачи и методы интеллектуального анализаГорлушкина Н.Н. Задачи и методы интеллектуального анализаобразовательных данных для поддержки принятия решений // Образовательные технологии и общество. 2015. T. 18, № 1. С. 472–482.образовательных данных для поддержки принятия решений // Образовательные технологии и общество. 2015. T. 18, № 1. С. 472–482.Пиотровская К.Р., Тербушева М.В. Интеллектуальный анализ данных в педагогической аналитике // Образовательные технологии и общество. 2016. Т. 2(96). С. 10–14.Пиотровская К.Р., Тербушева М.В. Интеллектуальный анализ данных в педагогической аналитике // Образовательные технологии и общество. 2016. Т. 2(96). С. 10–14.Учебное расписание Высшей школы ИТИС КФУ. URL: https://docs.google.com/spreadsheets/d/1DHir9K8KO8a2AX3AfPiE422HXgf_7AKgSOSS-UOMt_AУчебное расписание Высшей школы ИТИС КФУ. URL: https://docs.google.com/spreadsheets/d/1DHir9K8KO8a2AX3AfPiE422HXgf_7AKgSOSS-UOMt_AМайер Р.В. Контент-анализ школьных учебников по естественно-научным дисциплинам. Глазов: Глазов. гос. пед. ин-т, 2016. 137 c.Майер Р.В. Контент-анализ школьных учебников по естественно-научным дисциплинам. Глазов: Глазов. гос. пед. ин-т, 2016. 137 c.Davidson D. Why do we use Story Points for Estimating // SCRUM.ORG: Home page of Scrum, 2014. URL: https://www.scrum.org/resources/blog/why-do-we-use-story-points-estimating.Davidson D. Why do we use Story Points for Estimating // SCRUM.ORG: Home page of Scrum, 2014. URL: https://www.scrum.org/resources/blog/why-do-we-use-story-points-estimating.

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