Цифровые помощники все больше проникают в разные области деятельности человека, в том числе и в образовательную. Сегодня это уже не просто автоматизированные системы или веб-приложения, поддерживающие и автоматизирующие некоторые процессы, включая учебный. Сейчас это более интеллектуальные и более автономные системы. Цифровые помощники в жизни студента играют особую роль, в некотором смысле замещая деканат, наставника, тьютора, представителей других служб университета и другие элементы образовательной инфраструктуры. Цифровая поддержка студента важна и полезна, особенно на первом курсе, в период адаптации обучающегося к среде высшего образования, существенно отличающегося от школьного. Именно в этот момент происходит наибольшее количество отчислений студентов по причине академической неуспеваемости. Цифровой помощник в виде мобильного приложения, умеющий спрогнозировать результаты обучения и вовремя проинформировать об этом, по мнению авторов, может оказать важную поддержку для студента и помочь ему сориентироваться и скорректировать свое поведение в случае угрозы негативного результата. Для решения задач по созданию прогнозной модели результатов обучения студентов и соответствующего мобильного приложения, а также для проведения предпроектного исследования были использованы следующие методы и инструменты математической статистики: метод k-средних, метод корреляции Кендалла, критерий Фридмана с апостериорным критерием Дарбина—Коновера, линейная регрессия, логистическая регрессия, категориальный байесовский классификатор, метод случайного леса, нейронная сеть (многослойный перцептрон), непараметрическая оценка функции регрессии Надарая—Ватсона, STATISTICA 10.0 и Jamovi 2.2.5, библиотеки Python. В результате исследования создана математическая модель прогнозирования результатов обучения по дисциплинам на основе текущей успеваемости в электронных образовательных курсах. Точность модели зависит от недели обучения, на которой она применяется, и достигает 92,6 %. На ранних этапах (например, для 7-й недели) точность составляет не ниже 85 % и варьируется в зависимости от контингента студентов и дисциплин. В результате исследования разработано мобильное приложение, реализующее прогнозную модель и другие сопутствующие функции для информирования студента об ожидаемых успехах в обучении. Созданная прогнозная модель основана на текущих данных об успеваемости, получаемых из электронных курсов, и способна делать точный прогноз, что позволяет применять ее на практике в онлайн-режиме и через мобильное приложение информировать обучающегося.