Аналитика сотрудничества в высшем образовании и профессиональной среде: систематический обзор подходов и теоретических оснований

Статья посвящена обзору исследований в области аналитики сотрудничества (Collaboration Analytics) и их применению для анализа совместного обучения в высшем образовании. На основе систематического поиска и сопоставления работ выявлены ключевые конструкты сотрудничества – участие, координация и когнитивная регуляция, а также подходы к их теоретической интерпретации. Показано, что в университетской практике наиболее востребованы данные об активности студентов в цифровых платформах (логи сообщений, временные метки, сетевые связи), результаты содержательного анализа коммуникации (кодирование дискурса, семантические карты), а также мультимодальные индикаторы взаимодействия (например, временные ряды действий и распределение ролей в группах). Для их обработки активно применяются методы сетевого анализа, эпистемической сетевой аналитики (ENA), машинного обучения и визуализации цифровых следов. Эти подходы позволяют преподавателям диагностировать командную динамику, формировать более точную обратную связь и поддерживать развитие метакомпетенций студентов. В качестве сравнительного контекста рассмотрены исследования корпоративной аналитики, что позволило выявить модели мониторинга и визуализации вклада участников, потенциально применимые в университетской среде. Практическая значимость результатов состоит в том, что обзор даёт преподавателям и исследователям в области образования инструменты для осмысленного выбора аналитических методов и индикаторов, а также очерчивает направления возможного переноса корпоративных практик в университетские модели совместного обучения. Для читателей интерес статьи заключается в систематизации разрозненных исследований и выявлении перспективных подходов, которые могут повысить качество групповой работы студентов и её оценки.

1. Schneider B., Dowell, N., Thompson K. Collaboration analytics – current state and potential futures // Journal of Learning Analytics. 2021. Vol. 8. No. 1. P. 1–12. DOI: 10.18608/jla.2021.7447

2. Martinez-Maldonado R., Kay J., Shum S.B., Yacef K. Collocated collaboration analytics: Principles and dilemmas for mining multimodal interaction data // Human–Computer Interaction. 2017. Vol. 34. No. 1. P. 1–50. DOI: 10.1080/07370024.2017.1338956

3. Martinez-Maldonado R., Gašević D., Echeverria V., Fernandez Nieto G., Swiecki Z., Shum S.B. What Do You Mean by Collaboration Analytics? A Conceptual Model // Journal of Learning Analytics. 2021. Vol. 8. No. 1. P. 126–153. DOI: 10.18608/jla.2021.7227

4. Балышев П.А. Универсальные психолого-педагогические механизмы формирования компетенции командной работы студентов вузов / П.А. Балышев // Мир науки. Педагогика и психология. 2023. Т. 11. № 6. EDN: NVJSFH.

5. Guitert Catasús M., Romeu Fontanillas T., Raffaghelli J.E., Cerro Martínez J.P. Collaborative Learning Analytics: Centring the Ethical Implications around Teacher and Student Empowerment. A Systematic Review // Journal of Learning Analytics. 2025. Vol. 12. No. 1. P. 201–214. DOI: 10.18608/jla.2025.8489

6. Huang X., Ochoa X. Charting the Development of Collaboration Skills through Collaborative Learning Analytics Systems // Journal of Learning Analytics. 2025. Vol. 12. No. 1. P. 338–366. DOI: 10.18608/jla.2025.8523

7. Dillenbourg P., Järvelä S., Fischer F. The evolution of research on computer-supported collaborative learning: From design to orchestration // Technology-enhanced learning: Principles and products. Dordrecht: Springer Netherlands, 2009. P. 3–19. DOI: 10.1007/978-1-4020-9827-7_1

8. Schubert P. Areas of Collaboration Analytics // Procedia Computer Science. 2025. Vol. 256. P. 458–471. DOI: 10.1016/j.procs.2025.02.142

9. Gašević D., Dawson S., Siemens G. Let’s not forget: Learning analytics are about learning // TechTrends. 2015. Vol. 59. No. 1. P. 64–71. DOI: 10.1007/s11528-014-0822-x

10. Ochoa X., Worsley M. Augmenting learning analytics with multimodal sensory data // Journal of Learning Analytics. 2016. Vol. 3. No. 2. P. 213– 219. DOI: 10.18608/jla.2016.32.10

11. Wise A.F., Shaffer D.W. Why theory matters more than ever in the age of big data // Journal of Learning Analytics. 2015. Vol. 2. No. 2. P. 5–13. DOI: 10.18608/jla.2015.22.2

12. Praharaj S., Scheffel M., Drachsler H., Specht M. Literature review on co-located collaboration modeling using multimodal learning analytics – Can we go the whole nine yards? // IEEE Transactions on Learning Technologies. 2021. Vol. 14. No. 3. P. 367–385. DOI: 10.1109/TLT.2021.3097766

13. Schneider B., Sung G., Chng E., Yang S. How can high-frequency sensors capture collaboration? A review of the empirical links between multimodal metrics and collaborative constructs // Sensors. 2021. Vol. 21. No. 24. P. 81–85. DOI: 10.3390/s21248185

14. Дацун Н.Н. Совместное оценивание деятельности обучающихся в массовых открытых онлайн-курсах: систематический обзор литературы // Мир науки (электронный научный журнал). 2015. № 3. С. 10. EDN: VJVEXL.

15. Рузибоев С.К.У., Демидов А.В. Оценка академического поведения обучаемых в системах электронного обучения: систематический обзор литературы // Академическая наука. 2025. № 1 (январь – март). С. 135–140. DOI: 10.24412/3034-4042-2025-2-135-140

16. Суханова Т.В. Развитие цифровых образовательных ресурсов в зарубежных странах (США, Великобритания, Китай, Бразилия, Германия). Обзор // Ценности и смыслы. 2021. № 4 (74). С. 38–73. DOI: 10.24412/2071-6427-2021-4-38-73

17. Swiecki Z. Measuring the impact of interdependence on individuals during collaborative problem-solving // Journal of Learning Analytics. 2021. Vol. 8. No. 1. P. 75–94. DOI: 10.18608/JLA.2021.7240

18. Vujovic M., Tassani S., Hernández-Leo D. Motion capture as an instrument in multimodal collaborative learning analytics // European Conference on Technology Enhanced Learning. Cham : Springer International Publishing, 2019. P. 604– 608. DOI: 10.1007/978-3-030-29736-7_49

19. Just M., Schubert P., Blatt J., Delfmann P. Data Preprocessing for Cross-System Analysis: The DaProXSA Approach // Procedia Computer Science. 2024. Vol. 239. P. 1635–1644. DOI: 10.1016/j.procs.2024.06.340

20. Zamecnik A., Kovanović V., Joksimović S., Grossmann G., Ladjal D., Pardo A. The perceptions of task cohesion in collaborative learning teams // International Journal of Computer-Supported Collaborative Learning. 2024. Vol. 19. P. 369–393. DOI: 10.1007/s11412-024-09424-5

21. Poquet O., Kitto K., Jovanović J., Dawson S., Siemens G., Markauskaite L. Transitions through lifelong learning: Implications for learning analytics // Computers and Education: Artificial Intelligence. 2021. Vol. 2. Article no. 100039. DOI: 10.1016/j.caeai.2021.100039

22. Liu Z., Liu H., Tian Y., Nie X., Liu M. Relationships between interactive network patterns and students’ cognitive and emotional processes: Evidence from the individual and group levels // Computers & Education. 2025. Vol. 232. P. 105– 109. DOI: 10.1016/j.compedu.2025.105309

23. Ouyang F., Zhang L., Wu M., Jiao P. Empowering collaborative knowledge construction through the implementation of a collaborative argument map tool // The Internet and Higher Education. 2024. Vol. 62. P. 100–146. DOI: 10.1016/j.iheduc.2024.100946

24. Saqr M., López-Pernas S. The curious case of centrality measures: A large-scale empirical investigation // Journal of Learning Analytics. 2022. Vol. 9. No. 1. P. 13–31. DOI: 10.18608/jla.2022.7415

25. Saqr M., López-Pernas S., Murphy K. How group structure, members’ interactions and teacher facilitation explain the emergence of roles in collaborative learning // Learning and Individual Differences. 2024. Vol. 112. Article no. 102463. DOI: 10.1016/j.lindif.2024.102463

26. Zhu X., Shui H., Chen B. Beyond reading together: Facilitating knowledge construction through participation roles and social annotation in college classrooms // The Internet and Higher Education. 2023. Vol. 59. Article no. 100919. DOI: 10.1016/j.iheduc.2023.100919

27. Ferreira M.A.D., Mello R.F., Kovanović V., Nascimento A., Lins R., Gašević D. NASC: Network analytics to uncover socio-cognitive discourse of student roles // LAK22: 12th International Learning Analytics and Knowledge Conference. 2022. P. 415–425. DOI: 10.1145/3506860.3506978

28. Bahles S., Schwade F, Schubert P. A Workspace Typology for Enterprise Collaboration Systems // Procedia Computer Science. 2022. Vol. 196. P. 296–304. DOI: 10.1016/j.procs.2021.12.017

29. Cornide-Reyes H., Riquelme F., Monsalves D., Noël R., Cechinel C. et al. A multimodal realtime feedback platform based on spoken interactions for remote active learning support //Sensors. 2020. Vol. 20. No. 21. Article no. 6337. DOI: 10.3390/s20216337

30. Worsley M., Anderson K., Melo N., Jang J.Y. Designing analytics for collaboration literacy and student empowerment // Journal of Learning Analytics. 2021. Vol. 8. No. 1. P. 30–48. DOI: 10.18608/JLA.2021.7242

31. Cornide-Reyes H., Noёl R., Riquelme F., Gajardo M., Cechinel C. et al. Introducing low-cost sensors into the classroom settings: Improving the assessment in agile practices with multimodal learning analytics // Sensors. 2019. Vol. 19. No. 15. Article no. 3291. DOI: 10.3390/s19153291

32. Charitopoulos A., Vassiliadis S., Rangoussi M., Koulouriotis D.E. E-learning and blended learning in textile engineering education: a closed feedback loop approach. IOP Conference Series: Materials Science and Engineering. 2017. Vol. 254. No. 22. Article no. 222002. DOI: 10.1088/1757-899X/254/22/222002

33. Alshawabkeh R.O., Abu Rumman A.R., Al-Abbadi L.H. The nexus between digital collaboration, analytics capability and supply chain resilience of the food processing industry in Jordan //Cogent Business & Management. 2024. Vol. 11. No. 1. Article no. 2296608. DOI: 10.1080/23311975.2023.2296608

34. Carvalho C.L., Pinto I.R., Costa-Lopes R., Páez D., Miranda M.P., Marques J.M. Social Dominance Orientation Boosts Collective Action Among Low-Status Groups // Frontiers in Psychology. 2021. Vol. 12. DOI: 10.3389/fp-syg.2021.681302

35. Guo Z., Barmaki R. Deep neural networks for collaborative learning analytics: Evaluating team collaborations using student gaze point prediction // Australasian Journal of Educational Technology. 2020. Vol. 36. No. 6. P. 53–71. DOI: 10.14742/AJET.6436

36. Spikol D., Li Z., Nolte A., Ohsaki A., Rapur K. Investigating Hackathons with Collaboration Analytics //Proceedings of the 8th International Conference on Game Jams, Hackathons and Game Creation Events. 2024. P. 1–8. DOI: 10.1145/3697789.3697797

37. Le Q., Hui B., Putri A., Phan K. Using GitHub Analytics to Assess the Quality of Collaboration in Software Engineering Teams // 2024 IEEE Frontiers in Education Conference (FIE). IEEE, 2024. P. 1–9. DOI: 10.1109/FIE61694.2024.10892887

38. Кутузов А.И. Инструменты оценки групповой и командной работы студентов в высшем образовании: систематический обзор литературы / А.И. Кутузов, А.В. Богданова // Высшее образование в России. 2025. № 4. С. 118–143. DOI: 10.31992/0869-3617-2025-34-4-118-143

39. Oldeweme M., Konradt U., Brede M. The rhythm of teamwork: Discovering a complex temporal pattern of team processes // Group Dynamics: Theory, Research, and Practice. 2023. Vol. 27. No. 1. Article no. 50. DOI: 10.1037/gdn0000175

40. Lämsä J., Uribe P., Jiménez A., Caballero D. Deep Networks for Collaboration Analytics: Promoting Automatic Analysis of Face-to-Face Interaction in the Context of Inquiry-Based Learning // Journal of Learning Analytics. 2021. Vol. 8. No. 1. P. 113–125. DOI: 10.18608/jla.2021.7118

41. Lodge J.M., Knight S., Kitto K. Theory and Learning Analytics, a Historical Perspective // Bartimote K., Howard S.K., Gašević D. (eds) Theory Informing and Arising from Learning Analytics . Springer, Cham. 2024. P. 3–18. DOI: 10.1007/978-3-031-60571-0_1

42. Kitto K., Shum S., Gibson A. Embracing imperfection in learning analytics // Proceedings of the 8th international conference on learning analytics and knowledge. 2018. P. 451–460. DOI: 10.1145/3170358.3170413

43. Lockyer L., Heathcote E., Dawson S. Informing pedagogical action: Aligning learning analytics with learning design // American Behavioral Scientist. 2013. Vol. 57. No. 10. P. 1439–1459. DOI: 10.1177/0002764213479367

44. Тurvey K., Pachler N. Design principles for fostering pedagogical provenance through research in technology supported learning // Computers & Education. 2020. Vol. 146. Article no. 103736. DOI: 10.1016/j.compedu.2019.103736

45. Zhou Q., Suraworachet W., Pozdniakov S., Martinez-Maldonado R., Bartindale T. et al. Investigating students’ experiences with collaboration analytics for remote group meetings // International Conference on Artificial Intelligence in Education. Cham: Springer International Publishing, 2021. P. 472–485. DOI: 10.1007/978-3-030-78292-4_38

46. Патаракин Е.Д., Вачкова С.Н. Сетевой анализ коллективных действий над цифровыми образовательными объектами // Вестник МГПУ. Серия: Педагогика и психология. 2019. № 4 (50). С. 101–112. DOI: 10.25688/2076-9121.2019.50.4.09