РОЛЬ УЧЕБНОГО ПЛАНА И АНАЛИЗ УСПЕВАЕМОСТИ СТУДЕНТОВ НА ОСНОВЕ KPI И Z-SCORE

Авторы

  • Бекзот Абдувахапов Международный казахско-турецкий университет имени Ходжи Ахмеда Ясави
  • Нурсейт Жунисов Международный казахско-турецкий университет им. Ходжи Ахмеда Ясави https://orcid.org/0000-0001-6531-9408
  • Азимхан Баялы Международный казахско-турецкий университет им. Ходжи Ахмеда Ясави
  • Айгерім Баймаханова Международный казахско-турецкий университет им. Ходжи Ахмеда Ясави https://orcid.org/0000-0002-5364-0146

Ключевые слова:

архитектура учебных планов, KPI, стандартизация данных, образовательная аналитика, предиктивные модели, группы риска студентов

Аннотация

После реформы образовательных программ 2022 года ИТ-направления в вузах Казахстана столкнулись с ситуацией, которая сначала выглядела как локальная, но со временем стала повторяться. Учебные планы формально обновляются, однако их внутренняя логика не всегда успевает за усложнением дисциплин, особенно в области ИИ. В МКТУ им. Ясави на специальности «Информационные системы» это проявилось достаточно заметно: часть студентов, которые уверенно проходили базовые курсы, на старших курсах начинают терять стабильность в результатах. Не сразу, но довольно системно. Возник вопрос — где именно происходит этот «разрыв». Анализ начался с выгрузки данных из системы Platonus. На этом этапе стало понятно, что сами данные далеки от идеальных: присутствует шум, пропуски и несогласованности между семестрами. Очистка заняла отдельное время, и в какой-то момент стало ясно, что без предварительной стандартизации любые выводы будут сомнительными. После применения Z-score нормализации и расчета KPI по ключевым дисциплинам картина стала более определённой. В разных потоках от 14% до 18% студентов стабильно попадают в зону повышенного риска. Это не разовые отклонения, а повторяющийся паттерн, который указывает на проблемы в образовательной траектории. Чтобы сократить задержку между возникновением проблемы и её обнаружением, был разработан инструмент на базе Streamlit. В отличие от статических отчетов, он позволяет отслеживать изменения в динамике и видеть отклонения на ранних этапах. По сути, это рабочий интерфейс, а не просто визуализация. Практическое применение показало, что такой подход помогает эдвайзерам кафедры «Компьютерная инженерия» реагировать раньше — до того, как студент доходит до пересдачи. Это не устраняет проблему полностью, но меняет момент её обнаружения, а значит и возможности вмешательства. Полученные результаты показывают, что предиктивная аналитика в образовательной среде работает не как дополнение, а как необходимый слой. Простая фиксация среднего балла в конце семестра в этом контексте уже не даёт достаточной информации.

Биографии авторов

Бекзот Абдувахапов, Международный казахско-турецкий университет имени Ходжи Ахмеда Ясави

магистрант

Нурсейт Жунисов, Международный казахско-турецкий университет им. Ходжи Ахмеда Ясави

доктор PhD, старший преподаватель

Азимхан Баялы, Международный казахско-турецкий университет им. Ходжи Ахмеда Ясави

Старший преподаватель

Айгерім Баймаханова, Международный казахско-турецкий университет им. Ходжи Ахмеда Ясави

доктор PhD, старший преподаватель

Библиографические ссылки

Aligning higher education toward the development of an educational hub: The case of Kazakhstan. (2024). Education Sciences, 15(12), 1597. https://doi.org/10.3390/educsci15121597

Alwarthan, S. A., Aslam, N., & Khan, I. U. (2022). Predicting student academic performance at higher education using data mining: A systematic review. Applied Computational Intelligence and Soft Computing, 2022, Article 8924028. https://doi.org/10.1155/2022/8924028

Cabello-Solorzano, K., et al. (2023). The impact of data normalization on the accuracy of machine learning algorithms: A comparative analysis. In International Conference on Soft Computing Models in Industrial and Environmental Applications (pp. 344–353). Springer Nature Switzerland. https://doi.org/10.1007/978-3-031-18050-7_33

Duan, C., et al. (2025). Predicting student performance using machine learning techniques: A systematic literature review. In 2025 7th International Conference on Computer Science and Technologies in Education (CSTE) (pp. 362–368). IEEE. https://doi.org/10.1109/CSTE64638.2025.11092243

Hussain, S. M. (2025). Analytical study on student success factors in higher education. Journal of University of Babylon for Pure and Applied Sciences, 33(1). https://doi.org/10.29196/jubpas.v33i1.5640

Kassymova, A., & Khazhgali, G. (2024). Problems of implementing KPI in the educational process of universities in Kazakhstan. Economics: Strategy and Practice, 19(3), 87–105. https://doi.org/10.59787/2413-5488-2024-47-3-87-105

Narbaev, T., Amirbekova, D., & Bakdaulet, A. (2025). A decade of transformation in higher education and science in Kazakhstan: A literature and scientometric review of national projects and research trends. Publications, 13(3), 35. https://doi.org/10.3390/publications13030035

Nakhipova, V., et al. (2024). Digital transformation in higher education: Case study of Kazakhstan. International Journal of Information and Communication Technology Education (IJICTE), 20(1). https://doi.org/10.4018/IJICTE.352512

QazInform. (2024). 14 Kazakhstani universities ranked in QS World University Rankings 2025. https://qazinform.com/news/14-kazakhstani-universities-ranked-in-qs-world-university-rankings-2025-cdbf77

Sumathi, R., et al. (2024). Predictive analysis for educational data using normalization techniques. Journal of Engineering Education Transformations. https://doi.org/10.16920/jeet/2024/v37is2/24043

Ministry of Education of the Republic of Kazakhstan. (2022). On approval of state compulsory education standards of all levels of education (Order No. 2). https://adilet.zan.kz/rus/docs/V2200028916

Government of the Republic of Kazakhstan. (2024). On approval of the Concept for the development of artificial intelligence for 2024–2029 (Resolution No. 592). https://adilet.zan.kz/rus/docs/P2400000592

Загрузки

Опубликован

2026-03-31

Как цитировать

Абдувахапов, Б., Жунисов, Н., Баялы, А., & Баймаханова, А. (2026). РОЛЬ УЧЕБНОГО ПЛАНА И АНАЛИЗ УСПЕВАЕМОСТИ СТУДЕНТОВ НА ОСНОВЕ KPI И Z-SCORE. Yassawi Journal of Engineering Science, 1(1), 30–38. извлечено от https://publications.ayu.edu.kz/index.php/yjesc/article/view/167

Выпуск

Раздел

Информационные технологии и искусственный интеллект