infojournalИнформатика и образованиеInformatics and education0234-04532658-7769Publishing House Education and Informatics10.32517/0234-0453-2026-41-3-27-36infojournal-1506Research ArticleИНФОРМАТИЗАЦИЯ ОБРАЗОВАНИЯINFORMATIZATION OF EDUCATIONУправление эффективностью онлайн-курсов в вузе на основе аналитической панели (дашборда)Managing the effectiveness of online courses in universities using an analytical dashboardhttps://orcid.org/0000-0001-6696-9461БезызвестныхЕ. А.BezyzvestnykhE. A.

Безызвестных Екатерина Анатольевна, канд. пед. наук, ст. научный сотрудник научной лаборатории «Доказательное образование и учебная аналитика»; доцент кафедры информационных технологий обучения и непрерывного образования, Институт педагогики, психологии и социологии

 г. Ростов-на-Дону

г. Красноярск

Ekaterina A. Bezyzvestnykh, Candidate of Sciences (Education), Senior Researcher, Research Laboratory “Evidence-Based Education and Learning Analytics”; Associate Professor at the Department of Information Technologies in Education and Lifelong Learning, School of Education, Psychology and Sociology

Rostov-on-Don

bezyz@sfedu.ruhttps://orcid.org/0000-0002-7022-3037СкрябинМ. А.SkryabinM. A.

Скрябин Максим Александрович, канд. физ.-мат. наук, зав. научной лабораторией «Доказательное образование и учебная аналитика»

г. Ростов-на-Дону

Maxim A. Skryabin, Candidate of Sciences (Physics and Mathematics), Head of the Research Laboratory

“Evidence-Based Education and Learning Analytics”

Rostov-on-Don

Krasnoyarsk

mskryabin@sfedu.ruhttps://orcid.org/0009-0000-9324-612XКайдашеваЕ. С.KaydashevaE. S.

Кайдашева Екатерина Сергеевна, канд. физ.-мат. наук, гл. программист

г. Ростов-на-Дону

Ekaterina S. Kaydasheva, Candidate of Sciences (Physics and Mathematics), Lead Programmer

Rostov-on-Don

ekaydasheva@sfedu.ruЮжный федеральный университет; Сибирский федеральный университетРоссияSouthern Federal University; Siberian Federal UniversityRussian FederationЮжный федеральный университетРоссияSouthern Federal UniversityRussian Federation2026170820264132736Copyright © Безызвестных Е.А., Скрябин М.А., Кайдашева Е.С., 20262026Безызвестных Е.А., Скрябин М.А., Кайдашева Е.С.Bezyzvestnykh E.A., Skryabin M.A., Kaydasheva E.S.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://info.infojournal.ru/jour/article/view/1506

В статье представлен опыт разработки и внедрения аналитической панели (дашборда) «Мониторинг курса» на базе отечественного BI-решения Yandex DataLens для цифрового управления эффективностью онлайн-курсов в системе дополнительного профессионального образования (ДПО). Описаны этапы проектирования: от определения целевой аудитории (команда разработки образовательных программ, координаторы программ, руководители структурных подразделений, а также проректоры, курирующие направления образовательной деятельности, информатизации и информационных технологий в вузе) и отбора ключевых метрик (доходимость, лояльность, удовлетворенность, результаты практических заданий) до интеграции данных из LMS (Moodle), опросов и внутренних баз, прототипирования, юзабилити-тестирования и последующей доработки дашборда по обратной связи от его пользователей.

Разработанный дашборд для оценки эффективности онлайн-курсов обеспечивает оперативное принятие управленческих решений на основе валидных образовательных данных, соответствует принципам доказательного образования и личностноориентированного подхода, а также требованиям информационной безопасности.

Апробация аналитической панели проведена в рамках реализации программ дополнительного профессионального образования «Искусственный интеллект в образовании и науке», «Передовые технологии ИИ в исследованиях и разработках» на выборке из 1935 участников из ФГАОУ ВО «Южный федеральный университет».

Разработанный дашборд «Мониторинг курса» реализован на платформе Yandex DataLens и доступен по публичной ссылке при условии соблюдения требований конфиденциальности: персональные данные участников обезличены, доступ к детализированным данным ограничен в соответствии с внутренними регламентами вуза и нормами федерального закона № 152-ФЗ «О персональных данных».

Статья демонстрирует практически реализуемую и масштабируемую модель цифровизации управленческих процессов в вузе с использованием отечественных технологий, соответствующую принципам доказательного образования, информационной безопасности и гибкости адаптации под запросы образовательной организации.

The article presents the experience of developing and implementing an analytical dashboard “Course monitoring” based on the domestic BI solution Yandex DataLens to support digital management of the effectiveness of online courses within the university’s system of additional professional education (APE). The design process is described in detail — from identifying the target audience (educational program development teams, program coordinators, heads of structural units, and vice-rectors overseeing educational activities, informatization, and information technologies) and selecting key performance metrics (completion rate, net promoter score, customer satisfaction, and practical assignment results) to integrating data from the LMS (Moodle), surveys, and internal databases, followed by prototyping, usability testing, and iterative refinement based on user feedback.

The developed analytical dashboard for evaluating the online courses effectiveness enables timely, data-driven managerial decisions, aligns with the principles of evidence-based education and the learner-centered approach, and complies with Russian data security requirements.

The dashboard was piloted within two APE programs — “Artificial intelligence in education and research” and “Advanced AI technologies in research and development” — involving 1,935 participants from Southern Federal University.

The “Course monitoring” dashboard is implemented on the Yandex DataLens platform and is accessible via a public link, with strict adherence to data confidentiality: all participant data are anonymized, and access to detailed information is restricted in accordance with the university’s internal regulations and the requirements of Federal Law No. 152-FZ “On Personal Data”.

The article demonstrates a practically viable and scalable model for digitizing managerial processes in higher education institutions using domestic technologies, fully aligned with the principles of evidence-based decision-making, data security, and adaptability to the evolving needs of educational organizations.

учебная аналитикаакадемическая аналитикадополнительное профессиональное образованиеинформатизация образованияаналитическая панельдашбордметрикиlearning analyticsacademic analyticsadditional professional educationeducational informatizationdashboardmetricsReferencesLong P. D., Siemens G. Penetrare la nebbia: Tecniche di analisi per l’apprendimento. Tecnologie Didattiche. 2014;22(3):132–137. DOI: 10.17471/2499-4324/195. [Long P. D., Siemens G. Penetrating the fog: Analytics in learning and education. Tecnologie Didattiche. 2014;22(3):132–137. (In Italian.) DOI: 10.17471/2499-4324/195.]Long P. D., Siemens G. Penetrare la nebbia: Tecniche di analisi per l’apprendimento. Tecnologie Didattiche. 2014;22(3):132–137. DOI: 10.17471/2499-4324/195.Slade S., Prinsloo P. Learning analytics: Ethical issues and dilemmas. American Behavioral Scientist. 2013;57(10):1510–1529. DOI: 10.1177/0002764213479366.Long P. D., Siemens G. Penetrating the fog: Analytics in learning and education. Tecnologie Didattiche. 2014;22(3):132–137. (In Italian.) DOI: 10.17471/2499-4324/195.Verbert K., Duval E., Klerkx J., Govaerts S., Santos J. L. Learning analytics dashboard applications. American Behavioral Scientist. 2013;57(10):1500–1509. DOI: 10.1177/0002764213479363.Slade S., Prinsloo P. Learning analytics: Ethical issues and dilemmas. American Behavioral Scientist. 2013;57(10):1510–1529. DOI: 10.1177/0002764213479366.Ferguson R. Learning analytics: Drivers, developments and challenges. International Journal of Technology Enhanced Learning. 2013;4(5/6):304–317. DOI: 10.1504/IJTEL.2012.051816.Verbert K., Duval E., Klerkx J., Govaerts S., Santos J. L. Learning analytics dashboard applications. American Behavioral Scientist. 2013;57(10):1500–1509. DOI: 10.1177/0002764213479363.Безызвестных Е. А., Скрябин М. А. Методики сбора данных об участниках онлайн-программ дополнительного профессионального образования в вузах. Информатика и образование. 2023;38(2):57–65. DOI: 10.32517/0234-0453-2023-38-2-57-65. EDN: KUKHTR.Ferguson R. Learning analytics: Drivers, developments and challenges. International Journal of Technology Enhanced Learning. 2013;4(5/6):304–317. DOI: 10.1504/IJTEL.2012.051816.Greller W., Drachsler H. Translating learning into numbers: A generic framework for learning analytics. Educational Technology & Society. 2012;15(3):42–57. Available at: http://www.jstor.org/stable/jeductechsoci.15.3.42Bezyzvestnykh E. A., Skryabin M. A. Methods for collecting data on participants of online programs additional professional education in universities. Informatics and Education. 2023;38(2):57–65. (In Russian.) DOI: 10.32517/0234-0453-2023-38-2-57-65. EDN: KUKHTR.Нугуманова Л. Н., Шайхутдинова Г. А., Яковенко Т. В. Цифровая трансформация дополнительного профессионального образования Республики Татарстан. Профессиональное образование в России и за рубежом. 2021;(2(42)):107–114. EDN: WQHMRH.Greller W., Drachsler H. Translating learning into numbers: A generic framework for learning analytics. Educational Technology & Society. 2012;15(3):42–57. Available at: http://www.jstor.org/stable/jeductechsoci.15.3.42Мартынова М. Д. Учебная аналитика в образовательном процессе: куда нас ведут большие данные? Социальные нормы и практики. 2024;(4(14)):39–49. DOI: 10.24412/2713-1033-2024-4-39-49. EDN: EFFLVP.Nugumanova L. N., Shaukhutdinova G. A., Yakovenko T. V. Digital transformationof supplementary vocational educationin the Republic of Tatarstan. Professional Education in Russia and Abroad. 2021;(2(42)):107–114. (In Russian.) EDN: WQHMRH.Семёнкина И. А., Прусакова П. В. Направления исследований в области анализа образовательных данных в высшей школе: теоретический обзор. Педагогика. Вопросы теории и практики. 2023;8(7):761–770. DOI: 10.30853/ped20230111. EDN: DQAXFA.Martynova M. D. Learning analytics in the educational process: Where is big data leading us? Social Norms and Practices. 2024;(4(14)):39–49. (In Russian.) DOI: 10.24412/2713-1033-2024-4-39-49. EDN: EFFLVP.Swee M., Kumar B., Sanders M. L., et al. Enhancing access to nephrology care: Telenephrology dashboard optimization via human-centered design. BMC Nephrology. 2025;26(1):164. DOI: 10.1186/s12882-025-04076-5.Semyonkina I. A., Prusakova P. V. Lines of research in the area of educational data mining in higher education: A theoretical review. Pedagogy. Theory & Practice. 2023;8(7):761-770. (In Russian.) DOI: 10.30853/ped20230111. EDN: DQAXFA.Rahutomo R. Designing customer analytics dashboard in smart device retail using Power BI. Journal of Information Systems and Informatics. 2025;7(2):1743–1757. DOI: 10.51519/journalisi.v7i2.1114.Swee M., Kumar B., Sanders M. L., et al. Enhancing access to nephrology care: Telenephrology dashboard optimization via human-centered design. BMC Nephrology. 2025;26(1):164. DOI: 10.1186/s12882-025-04076-5.Уваров А. Ю. Использование цифровых технологий для совершенствования работы школы: рекомендации руководителям образования. Информатика и образование. 2019;(2(301)):5–12. DOI: 10.32517/0234-0453-2019-34-2-5-12. EDN: ZIJFTF.Rahutomo R. Designing customer analytics dashboard in smart device retail using Power BI. Journal of Information Systems and Informatics. 2025;7(2):1743–1757. DOI: 10.51519/journalisi.v7i2.1114.Шевчук Е. В., Шпак А. В. Цифровая трансформация процесса управления качеством промежуточной аттестации обучающихся. Информатика и образование. 2023;38(3):64–77. DOI: 10.32517/0234-0453-2023-38-3-64-77. EDN: WVBEAA.Uvarov A. Yu. Harnessing ICT to enhance provision of school education: The policy recommendations. Informatics and Education. 2019;(2(301)):5–12. (In Russian.) DOI: 10.32517/0234-0453-2019-34-2-5-12. EDN: ZIJFTF.Arnold K. E., Pistilli M. D. Course signals at Purdue: Using learning analytics to increase student success. LAK ’12 Proc. 2nd Int. Conf. on Learning Analytics and Knowledge. NYC, ACM; 2012:267–270. DOI: 10.1145/2330601.2330666.Shevchuk E. V., Shpak A. V. Digital transformation of the quality management process of intermediate certification of students. Informatics and Education. 2023;38(3):64–77. (In Russian.) DOI: 10.32517/0234-0453-2023-38-3-64-77. EDN: WVBEAA.Kizilcec R. F., Saltarelli A. J., Reich J., Cohen G. L. Closing global achievement gaps in MOOCs. Science. 2017;355(6322):251–252. DOI: 10.1126/science.aag2063.Arnold K. E., Pistilli M. D. Course signals at Purdue: Using learning analytics to increase student success. LAK ’12 Proc. 2nd Int. Conf. on Learning Analytics and Knowledge. NYC, ACM; 2012:267–270. DOI: 10.1145/2330601.2330666.Ifenthaler D., Widanapathirana C. Development and validation of a learning analytics framework: Two case studies using support vector machines. Technology, Knowledge and Learning. 2014;19:221–240. DOI: 10.1007/s10758-014-9226-4.Kizilcec R. F., Saltarelli A. J., Reich J., Cohen G. L. Closing global achievement gaps in MOOCs. Science. 2017;355(6322):251–252. DOI: 10.1126/science.aag2063.Papamitsiou Z., Economides A. A. Learning analytics and educational data mining in practice: A systematic literature review of empirical evidence. Educational Technology & Society. 2014;17(4):49–64. Available at: https://www.jstor.org/stable/jeductechsoci.17.4.49.Ifenthaler D., Widanapathirana C. Development and validation of a learning analytics framework: Two case studies using support vector machines. Technology, Knowledge and Learning. 2014;19:221–240. DOI: 10.1007/s10758-014-9226-4.Baker R., Siemens G. Educational data mining and learning analytics. In: Sawyer R. K. (ed) The Cambridge Handbook of the Learning Sciences. Cambridge, Cambridge University Press; 2014:253–272. DOI: 10.1017/CBO9781139519526.016.Papamitsiou Z., Economides A. A. Learning analytics and educational data mining in practice: A systematic literaJohnson L., Adams Becker S., Estrada V., Freeman A. NMC Horizon Report. Austin, The New Media Consortium; 2015. 56 p. Available at: https://www.learntechlib.org/p/182010/ture review of empirical evidence. Educational Technology & Society. 2014;17(4):49–64. Available at: https://www.jstor.org/stable/jeductechsoci.17.4.49.Аттиа М. Р. Технология аналитики обучения в адаптивных средах электронного обучения. Педагогический журнал Башкортостана. 2021;(2(92)):144–153. DOI: 10.21510/1817-3292-2021-92-2-144-153. EDN: IGRQLI.Baker R., Siemens G. Educational data mining and learning analytics. In: Sawyer R. K. (ed) The Cambridge Handbook of the Learning Sciences. Cambridge, Cambridge University Press; 2014:253–272. DOI: 10.1017/CBO9781139519526.016.Johnson L., Adams Becker S., Estrada V., Freeman A. NMC Horizon Report. Austin, The New Media Consortium; 2015. 56 p. Available at: https://www.learntechlib.org/p/182010/Johnson L., Adams Becker S., Estrada V., Freeman A. NMC Horizon Report. Austin, The New Media Consortium; 2015. 56 p. Available at: https://www.learntechlib.org/p/182010/Attia M. R. Learning analytics technology in adaptive electronic learning environments. Pedagogical Journal of Bashkortostan. 2021;(2(92)):144–153. (In Russian.) DOI: 10.21510/1817-3292-2021-92-2-144-153. EDN: IGRQLI.Attia M. R. Learning analytics technology in adaptive electronic learning environments. Pedagogical Journal of Bashkortostan. 2021;(2(92)):144–153. (In Russian.) DOI: 10.21510/1817-3292-2021-92-2-144-153. EDN: IGRQLI.

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