Модель цифровой диагностики образовательных траекторий в высшей школе: результаты квазиэкспериментального исследования

Цифровая трансформация высшего образования часто сводится к автоматизации контроля без решения задач управления индивидуальным развитием студентов в условиях массового обучения. Настоящее исследование направлено на эмпирическую проверку модели цифровой диагностики SFS-LPS, интегрирующей структурный анализ стадий формирования навыка (Skill Formation Stage, SFS), основанный на теории уровневой организации навыков Н.А. Бернштейна, и оценку потенциала обучаемости (Learning Potential Score, LPS), операционализирующую концепцию зоны ближайшего развития Л.С. Выготского в рамках методологии динамического оценивания.

В экспериментальном исследовании (N = 46, курс английского языка, РУДН) сравнивались три группы: экспериментальная (обучение с использованием цифрового контура на основе диагностико-коррекционной матрицы SFS-LPS с градуированной медиацией), группа сравнения 1 (адаптивное обучение на AI-платформе без структурной диагностики) и группа сравнения 2 (традиционное обучение). Применялись методы количественного (ANCOVA, расчёт размера эффекта Коэна) и качественного (тематический анализ полуструктурированных интервью) анализа.

Экспериментальная группа продемонстрировала значимо более высокий прирост целевых компетенций по сравнению с адаптивной AI-платформой (d = 0,94, p < 0,01) и традиционным обучением (d = 1,42, p < 0,001). Качественный анализ показал снижение временной нагрузки и фрустрации преподавателя, а также трансформацию его роли: автоматизация рутинной диагностики и первичной коррекции позволила сосредоточиться на содержательных и коммуникативных задачах. Примеры индивидуальных траекторий демонстрируют, что двумерная диагностика позволяет дифференцировать педагогические стратегии в случаях, когда стандартное тестирование даёт неразличимые результаты.

Модель SFS-LPS обеспечивает более высокую эффективность обучения по сравнению с существующими подходами, создавая условия для перехода от парадигмы контроля к парадигме развития в цифровой дидактике высшей школы. Полученные результаты, однако, требуют дальнейшей апробации на более широких выборках, в различных предметных областях, а также оценки экономической эффективности разработки контента и устойчивости эффекта в лонгитюдных исследованиях.

1. Хурамшин Д.P., Юнусов Д.А. Интеграция цифровых технологий в современное образование: вызовы и перспективы // Управление образованием: теория и практика. – 2023. – № 11-1 (70). – DOI: 10.25726/c3252-6884-6203-q

2. Семина В.В., Степаненко К.А., Торосян Л.Д., Гевондян С.А. Цифровая трансформация образования: вызовы и ответы // Continuum. Математика. Информатика. Образование. – 2023. – № 1 (29). – С. 70–78. – DOI: 10.24888/2500-1957-2023-1-70-78.

3. Пашков М.В., Пашкова В.М. Проблемы и риски цифровизации высшего образования // Высшее образование в России. – 2022. – Т. 31. – № 3. – С. 40–57. – DOI: 10.31992/08693617-2022-31-22-3-40-57.

4. Mirari K. The Effectiveness of Adaptive Learning Systems in Personalized Education // Journal of Education Review Provision. – 2022. – Vol. 2, no. 3. – P. 107–115. – DOI: 10.55885/jerp.v2i3.194.

5. Hattie J. Visible Learning: A Synthesis of Over 800 Meta-Analyses Relating to Achievement. – 1st ed. – London: Routledge, 2008. – 392 p. – DOI: 10.4324/9780203887332.

6. Akhrenova N.A., Moradkhani S. A Metacognitive-Cultural Model for AI-mediated intercultural learning // Training, Language and Culture. – 2026. – Vol. 10, no. 1. – P. 126–143. – DOI: 10.22363/2521-442x-2026-10-1-126-143

7. Tan L.Y., Hu S., Yeo D.J., Cheong K.H. Artificial intelligence-enabled adaptive learning platforms: A review. // Computers and Education: Artificial Intelligence. – 2025. – Vol. 9. – Article no. 100429. – DOI: 10.1016/j.caeai.2025.100429.

8. Prasetya M.G.A., Widiyatmoko A., Rusilowati A. A Systematic Review of Artificial Intelligence Based Computer Adaptive Testing (CAT) and Item Response Theory for Enhancing the Effectiveness of Science Learning Assessment // International Journal of Science and Society. – 2025. – Vol. 7, no. 4. – P. 369–384. – DOI: 10.54783/ijsoc.v7i4.1581.

9. Baker R.S. Stupid Tutoring Systems, Intelligent Humans // International Journal of Artificial Intelligence in Education. – 2016. – Vol. 26, no. 2. – P. 600–614. – DOI: 10.1007/s40593-0160105-0.

10. Koedinger K.R., Corbett A.T., Perfetti C. The Knowledge-Learning-Instruction Framework: Bridging the Science-Practice Chasm to Enhance Robust Student Learning // Cognitive Science. – 2012. – Vol. 36, no. 5. – P. 757–798. – DOI: 10.1111/j.1551-6709.2012.01245.x.

11. Pradeep Kumar A., Fatma G., Sarwar S., Punithaasree K.S., Sirisha, Prema S. Adaptive Learning Systems for English Language Education based on AI-Driven System // 2025 International Conference on Intelligent Systems and Computational Networks (ICISCN). – IEEE, 2025. – DOI: 10.1109/ICISCN64258.2025.10934601.

12. Скворчевский К.А., Дятлова О.В. Современные адаптивные и интеллектуальные цифровые системы обучения: механизмы и потенциал // Вопросы образования / Educational Studies Moscow. – 2024. – № 3. – С. 299– 337. – DOI: 10.17323/vo-2024-19751.

13. Aleven V., McLaughlin E.A., Glenn R.A., Koedinger K.R. Instruction Based on Adaptive Learning Technologies // Handbook of Research on Learning and Instruction / Ed. by R.E. Mayer, P.A. Alexander. – New York: Routledge, 2017. – P. 522–560. – DOI: 10.4324/9781315736419.

14. Бернштейн Н.А. О построении движений. – Москва: Медгиз, 1947. – 255 с.

15. Выготский Л.С. Умственное развитие детей в процессе обучения. – Москва; Ленинград: Учпедгиз, 1935. – 135 с.

16. Poehner M.E., Lantolf J.P. The ZPD, Second Language Learning, and the Transposition ~ Transformation Dialectic // Культурно-историческая психология. – 2021. – Vol. 17, no. 3. – P. 31–41. – DOI: 10.17759/chp.2021170306.

17. Poehner M., Zhang J., Lu X. Computerized dynamic assessment (C-DA): Diagnosing L2 development according to learner responsiveness to mediation // Language Testing. – 2015. – Vol. 32, no. 3. – P. 337–357. – DOI: 10.1177/0265532214560390.

18. Qin T., Zhang J. Computerized Dynamic Assessment and Second Language Learning: Programmed Mediation to Promote Future Development // Journal of Cognitive Education and Psychology. – 2019. – Vol. 17, no. 2. – P. 198– 213. – DOI: 10.1891/1945-8959.17.2.198.

19. Ebadi S., Karimi E., Vakili S. An exploration into EFL learners’ perspectives on online computerized listening comprehension dynamic assessment. Lang Test Asia. – 2023. – Vol. 13. – Article no. 5. – DOI: 10.1186/s40468-023-00221-9.

20. Выготский Л.С. Мышление и речь // Собрание сочинений: В 6 т. – Т. 2: Проблемы общей психологии / Под ред. В.В. Давыдова. – Москва: Педагогика, 1982. – С. 5–361.

21. Лурия А.Р. Язык и сознание / Под ред. Е.Д. Хомской. – 2-е изд. – Москва: Изд-во МГУ, 1998. – 336 с. – ISBN: 5-211-03957-2.

22. Леонтьев А.А. Основы психолингвистики: учебник – 3-е изд. – Москва: Смысл; СанктПетербург: Лань, 2003. – 287 с. – ISBN: 5-89357-141-Х, 5-8114-0488-3.

23. Гальперин П.Я. Опыт изучения формирования умственных действий // Вестник Московского университета. Серия 14. Психология. – 2017. – № 4. – С. 3–20. – DOI: 10.11621/vsp.2017.04.03.

24. Anderson J.R. Rules of the Mind – 1st ed. – Psychology Press, 1993. – 336 p. – DOI: 10.4324/9781315806938.

25. Feuerstein R., Klein P.S., Tannenbaum A.J. Mediated learning experience (MLE): Theoretical, psychological and learning implications. – London: Freund Publishing House, 1991. – 390 p. – ISBN: 9652940852, 9789652940858.

26. Field A. Discovering Statistics Using IBM SPSS Statistics. – 5th ed. – Sage, 2018. – 1070 p. – ISBN: 978-1526419521, 1526419513.

27. Лепенышева А.А. Компьютеризированное динамическое оценивание в обучении иностранному языку. Мир науки. Педагогика и психология. – 2020. – T. 8, № 4. – URL: https://mir-nauki.com/PDF/05PDMN420.pdf (дата обращения: 01.02.2026).

28. Богоявленская Д.Б. Психология творческих способностей. – Москва: Академия, 2002. – 320 с. – ISBN: 5-7695-0888-4.

29. Siemens G. Learning Analytics: The Emergence of a Discipline // American Behavioral Scientist. – 2013. – Vol. 57, no. 10. – P. 1380–1400. – DOI: 10.1177/000276421349885.