Академическая задолженность в высшей школе: анализ причин и возможностей преодоления

Наличие академической задолженности студентов способно нанести значительный урон российской экономике и системе высшего образования в среднесрочной перспективе (на горизонте 5–10 лет). Цель исследования – на основании результатов комплексного эмпирического анализа ситуации формирования массовой академической задолженности (на примере направления «Бизнес-информатика» в отечественном университете) определить ключевые проблемы и обосновать пути совершенствования деятельности университетов для их преодоления, предложить способы сокращения академической задолженности студентов. Методы исследования – общенаучные (дедукция, индукция, обобщение, сравнительный анализ и др.), а также специальные (корреляционно-регрессионный, статистический, социологических опросов и др.). Аналитика и визуализация количественных данных осуществлялась с помощью программного обеспечения MS Power BI. Результаты исследования показали, что: а) высокие входящие баллы не гарантируют беспроблемного обучения студентов в вузе; б) студенты с невысокими баллами (но не менее 160–170) тоже способны осваивать достаточно сложные университетские программы; в) наличие академических задолженностей не зависит от типа изучаемых дисциплин (экономических/информационно-технических). Масштаб отчислений в исследованной выборке (до 50 % поступивших с нелинейной зависимостью от суммы баллов ЕГЭ) свидетельствует о наличии причин, не связанных с входящим учебным потенциалом студентов. Результаты исследования позволили структурировать их на три группы: недостаточная мотивация, проблемы с самоорганизацией и проблемы «неполного взросления». Выделено пять групп студентов, имеющих повышенный риск накопления академической задолженности. С учётом масштаба накопленных проблем и сопротивления студентов традиционным методам учебно-воспитательной работы обосновано применение опосредованного учебно-воспитательного воздействия через специальное мобильное приложение.

1. Эзрох Ю.С. Кадровые перспективы российских университетов: кто будет преподавать в недалёком будущем? // Образование и наука. 2019. Т. 21. № 7. С. 9–40. DOI: 10.17853/1994-5639-2019-7-9-40

2. Васильева Ю.Е., Ширяев О.Ю., Гречко Т.Ю. Формы организации учебно-воспитательной работы с обучающимися в высшей медицинской школе // Педагогический опыт: теория, методика, практика. 2016. № 2 (7). С. 57–59. EDN: VZDYKB.

3. Шапоров А.М., Исаева Е.Р., Тюсова О.В., Ванчакова Н.П., Кулик В.В. Анализ факторов, влияющих на успешность обучения студентов медицинского вуза // Учёные записки университета им. П.Ф. Лесгафта. 2019. № 6 (172). С. 293–299. EDN: XRIMCK.

4. Мазина О.Л., Мамчик Н.П., Габбасова Н.В. Влияние балльно-рейтинговой системы оценивания на качественную успеваемость студентов в медицинском вузе // Современные проблемы науки и образования. 2020. № 3. С. 78–89. DOI: 10.17513/spno.29897

5. Груздев И.А., Горбунова Е.В., Фрумин И.Д. Студенческий отсев в российских вузах: к постановке проблемы // Вопросы образования. 2013. № 2. С. 67–81. DOI: 10.17323/1814-9545-2013-2-67-81

6. Колотова Е.В. Изучение отчислений студентов в бакалавриате/специалитете НИУ ВШЭ // Социологические методы в современной исследовательской практике: Сб. статей, посвящённый памяти первого декана факультета социологии НИУ ВШЭ А.О. Крыштановского / Отв. ред. О.А. Оберемко. М. : ВШЭ, 2011. С. 270–278. ISBN: 978-5-904804-03-9.

7. Замков О.О., Пересецкий А.А. ЕГЭ и академические успехи студентов бакалавриата МИЭФ НИУ ВШЭ // Прикладная эконометрика. 2013. № 2 (30). С. 93–114. EDN: RYGOTT.

8. Хавенсон Т.Е., Соловьева А.А. Связь результатов единого государственного экзамена и успеваемости в вузе // Вопросы образования. 2014. № 1. С. 176–199. DOI: 10.17323/1814-9545-2014-1-176-199

9. Смык А.Ф., Прусова В.И., Зиманов Л.Л., Солнцев А.А. Анализ масштаба и причин отсева студентов в техническом университете // Высшее образование в России. 2019. Т. 28. № 6. С. 52–62. DOI: 10.31992/0869-3617-2019-28-6-52-62

10. Эзрох Ю.С. Кураторство в высшей школе: что делать? // Вестник Московского университета. Серия 20: Педагогическое образование. 2016. № 2. С. 94–115. DOI: 10.51314/2073-2635-2016-2-94-115

11. Денисенко С.В. Методические антиномии в деятельности куратора образовательной организации МВД России // Вестник Сибирского института бизнеса и информационных технологий. 2020. № 4 (36). С. 15–19. DOI: 10.24411/2225-8264-2020-10061

12. Курусь И.А. Взаимосвязь кризисов, кризисных переживаний и направленности временной перспективы у студентов на начальном этапе обучения в вузе // Образование и наука. 2016. № 2 (131). С. 68–79. DOI: 10.17853/1994-5639-2016-2-68-79

13. Коваленок Т.П., Занфирова Л.В. Структура мотивационной сферы студентов как фактор оптимизации учебно-воспитательной работы // Международный научный журнал. 2020. № 3. С. 134–140. DOI: 10.34286/1995-4638-2020-72-3-134-140

14. Житенева Е.В., Хитрова М.А., Серова Ю.С. Прокрастинация в процессе обучения студентов // Бюллетень медицинских интернетконференций. 2019. Т. 9. № 10. С. 447–449. EDN: QIQPGB.

15. Васильева И.В., Булатова О.В. Соотношение субъектной ресурсности и академической задолженности у студентов, обучающихся по индивидуальным образовательным траекториям в условиях экстремальных социальных вызовов // Прикладная психология и педагогика. 2021. Т. 6. № 3. С. 92–103. DOI: 10.12737/2500-0543-2021-6-3-92-103

16. Валеева Д.Р., Докука С.В., Юдкевич М.М. Разрыв дружеских связей при академическом неуспехе: социальные сети и пересдачи у студентов // Вопросы образования. 2017. № 1. С. 8–24. DOI: 10.17323/1814-9545-2017-1-8-24

17. Подолько П.М., Подолько А.П. Анализ причин возникновения академических задолженностей у обучающихся по программам высшего образования // Право и образование. 2019. № 6. С. 73–82. EDN: MJFFQF.

18. Ташкинов Ю.А. Технология прогнозирования образовательных результатов (на примере изучения курса “химия” студентами инженерностроительного вуза) // Вестник Южно-Уральского государственного университета. Серия: Образование. Педагогические науки. 2021. Т. 13. № 3. С. 99–106. DOI: 10.14529/ped210309

19. Горбунова Е.В. Выбытия студентов из вузов: исследования в России и США // Вопросы образования. 2018. № 1. С. 110–131. DOI: 10.17323/1814-9545-2018-1-110-131

20. Трофимович Н.А., Плеханова Т.В. Организация волонтёрского движения как одно из важных направлений учебно-воспитательной работы // Методист. 2010. № 6. С. 46–48. EDN: UYMXKZ.

21. Николаев В.А. Студенческий музей как фактор совершенствования учебно-воспитательной работы вуза // Образование и общество. 2007. № 3. С. 28–30. EDN: LEYEGF.

22. Минигалеева А.З. Специфика и пути развития потребностей здорового образа жизни студентов в системе высшего образования // Вестник НЦБЖД. 2021. № 2 (48). С. 50–54. EDN: VQOOFW.

23. Tinto V. Dropout from Higher Education: A Theoretical Synthesis of Recent Research // Review of Educational Research. 1975. Vol. 45. No. 1. P. 89–125. DOI: 10.3102/00346543045001089

24. Doll J., Eslami Z., Walters L. Understanding Why Students Drop Out of High School, According to Their Own Reports: Are They Pushed or Pulled, or Do They Fall Out? A Comparative Analysis of Seven Nationally Representative Studies // Sage Journals Open. 2013. Vol. 3. No. 4. P. 1–15. DOI: 10.1177/21582440135033834

25. Lee Ji-Eun. Post-Examination Analysis on the Student Dropout Prediction Index // The Korea Journal of BigData. 2019. Vol. 4. № 2. P. 175–183. DOI: 10.36498/kbigdt.2019.4.2.175

26. DeLay D., Ha T., van Ryzin M., Winter C., Dishion T. Changing Friend Selection in Middle School: A Social Network Analysis of a Randomized Intervention Study Designed to Prevent Adolescent Problem Behavior //Prevention Science. 2016. Vol. 17. No. 3. P. 285–294. DOI: 10.1007/s11121-015-0605-4

27. Aasma L., Choudhary A.I., Hammayun A.A. Economic effects of students’ dropouts : A comparative study of the causes of students’ dropouts globally // International Journal of Economics, Commerce and Management. 2015. Vol. 3. № 6. P. 1511–1522. URL: https://ijecm.co.uk/wp-content/uploads/2015/06/3693.pdf (дата обращения: 02.09.2022).

28. Magalhães E., Santos G., Molina F., da Costa J.P.J., de Mendonça F.L.L., de Sousa R.T. Student Dropout Prediction in MOOC Using Machine Learning Algorithms // 2021 Workshop on Communication Networks and Power Systems (WCNPS). 2021. P. 1–6. DOI: 10.1109/WCNPS53648.2021.9626227

29. Room M., Lepp M., Luik P. Dropout Time and Learners’ Performance in Computer Programming MOOCs // Education Sciences. 2021. Vol. 11. P. 1–13. DOI: 10.3390/educsci11100643

30. Dorris D., Swann J., Ivy J. A Data-Driven Approach for Understanding and Predicting Engineering Student Dropout// ASEE Virtual Annual Conference Content Access. 2021. Vol. 3. P. 22–31. DOI: 10.18260/1-2--36575

31. Mardolkar M., Kumaran N. Forecasting and Avoiding Student Dropout Using the K-Nearest Neighbor Approach // SN Computer Science 2021. Vol. 1. No. 2. P. 1–8. DOI: 10.1007/s42979-020-0102-0

32. Hutagaol N., Suharjito S. Predictive modelling of student dropout using ensemble classifier method in higher education // Advances in Science, Technology and Engineering Systems Journal. 2019. Vol. 4. No. 4. P. 206–211. DOI: 10.25046/aj040425

33. Opazo D., Moreno S., Álvarez-Miranda E., Pereira J. Analysis of First-Year University Student Dropout Through Machine Learning Models: A Comparison Between Universities // Mathematics. 2021. Vol. 9. Article no. 2599. DOI: 10.3390/math9202599

34. Kemper L., Vorhoff G., Wigger B. Predicting student dropout: A machine learning approach // European Journal of Higher Education. 2020. Vol. 10. P. 1–20. DOI: 10.1080/21568235.2020.1718520

35. Alban M., Mauricio D. Predicting University Dropout Through Data Mining: A Systematic Literature // Indian Journal of Science and Technology. 2019. Vol. 12. № 4. P. 1–12. DOI: 10.17485/ijst/2019/v12i4/139729

36. Srairi S. An Analysis of Factors Affecting Student Dropout: The Case of Tunisian Universities// International Journal of Educational Reform. 2021. Vol. 1. P. 1–19. DOI: 10.1177/10567879211023123

37. Aflalo E., Gabay E. Information System for Coping with Student Dropout // International Journal of Information and Communication Technology Education. 2011. Vol. 7. P. 62–73. DOI: 10.4018/jicte.2011070106

38. Oliveira M., Barwaldt R., Pias M., Espíndola D. Understanding the Student Dropout in Distance Learning // IEEE Frontiers in Education Conference. USA, Cincinnati. 2019. P. 1–7. DOI: 10.1109/FIE43999.2019.9028433

39. Lichand G., Christen J. Using Nudges to Prevent Student Dropouts in the Pandemic // SSRN Electronic Journal. 2020. Vol. 1. P. 1–98. DOI: 10.2139/ssrn.3724386