Применение процессной аналитики для принятия управленческих решений в организациях сферы образовательных технологий

Процессная аналитика – это совокупность методов, находящихся на стыке таких дисциплин, как анализ данных и управление биз-нес-процессами. Использование этих методов позволяет формировать понимание реального протекания процессов, используя журналы событий информационных систем организации. Иными словами, на основе цифровых следов, содержащихся в журналах, автоматизированно восстанавливаются модели того, как фактически выполнялся процесс, с детализацией всех пройденных шагов, указанием участников процесса и временных меток. Полученная модель дает объективное представление о процессе в формате «as-is» («как есть»), выявляя при этом узкие места, отклонения и другие артефакты неэффективности исполнения процесса [1]. Процессная аналитика может рассматриваться в качестве своеобразного «рентгена» цифровых процессов, представляя полную и достоверную картину, которая служит основой для их дальнейшей оптимизации и повышения производительности.

Основой процессной аналитики служат журналы событий – данные, которые записываются практически любой информационной системой в автоматическом режиме при совершении ее пользователем любого действия. Каждая запись в журнале событий, как правило, имеет следующий ряд характеристик:

• -    идентификатор процесса,

• -    название совершенного действия,

• -    временную метку,

• -    дополнительные атрибуты.

Методы процессной аналитики используют эти журналы событий не только для построения модели процесса, как было указано выше, но и для сравнения фактических траекторий с регламентными моделями и выявления точек улучшения для последующей оптимизации процесса.

В рамках процессной аналитики образовательной среды выделяют подход EPM (Educational Process Mining – образовательная процессная аналитика), который служит дополнением к классическим методам процессной аналитики. Причем сам подход EPM тесно взаимодействует с другой дисциплиной – EDM (Educational Data Mining – аналитика образовательных данных). Если EDM применяет ряд математических и статистических методов (в частности, кластеризацию, классификацию и прогнозирование) к уже струк- турированным данным, то EPM в первую очередь производит извлечение из сырых журналов событий последовательности действий, позволяя в дальнейшем проводить визуализацию реальных моделей образовательных процессов [2]. Иначе говоря, EDM дает ответ на вопрос «что происходит?», тогда как EPM показывает «как именно и за счет чего это происходит», восполняя пробелы в понимании динамики учебных процессов.

Методы и алгоритмы процессной аналитики в образовании

Для анализа цифрового следа обучающихся применяются различные алгоритмы интеллектуального анализа процессов. В исследованиях отмечается, что для данных, получаемых электронными системами управления обучением (LMS), особенно эффективны эвристические и индуктивные алгоритмы процессной аналитики [3]. Данные алгоритмы работают на основе моделей сетей Петри и графов непосредственного следования, позволяя по журналам систем управления обучением автоматически выстраивать понятные визуальные модели процессов обучения. Например, эвристический алгоритм Heuristic Miner выявляет наиболее часто встречающиеся последовательности действий, отфильтровывая шумы и редкие события, не имеющие влияния на общую последовательность и расцениваемые как выбросы данных, чтобы отобразить типичные траектории в виде графа переходов [3]. Индуктивный алгоритм, в свою очередь, разбивает журнал событий на фрагменты и строит модель процесса, обеспечивая высокую степень приближения полученной модели к исходным данным даже при наличии шумов [4]. Применение таких алгоритмов к данным, получаемым из систем управления обучением, способствует формированию разнообразных моделей: от простых графов переходов обучающегося до готовых BPMN-диаграмм и даже деревьев решений.

Важно отметить, что информационной базой для подобных методов служат подробные данные об образовательном процессе. Например, современные системы управления обучением (например, Moodle, BlackBoard, Stepik) ведут протоколирование практически каждой активности пользователя: доступ к материалам, прохождение тестов, отправка заданий, активность в форумах и т. д. Этот массив дан- ных, называемый цифровым профилем действий студента, и становится сырьем для алгоритмов процессной аналитики [5]. Цель интеллектуального анализа образовательных процессов – извлечь из разрозненных журналов событий новые выводы о паттернах поведения учащихся и скрытых закономерностях обучения [6]. В частности, при использовании процессной аналитики можно группировать студентов по сходству траекторий обучения, выявляя кластеры со схожими моделями поведения. На практике это реализуется через построение моделей последовательности действий и последующую кластеризацию траекторий [7]. Например, можно автоматически обнаружить группу обучающихся, которые систематически опаздывают со сдачей заданий, или наоборот – тех, кто активно вовлекается и стабильно работает в течение всего времени обучения.

Управленческие решения на основе процессной аналитики

Использование процессной аналитики, как инструмента источника входных данных, открывает перед руководителями ряд возможностей для обоснованного и эффективного принятия решений. На данный момент существует ряд ключевых направлений, в которых использование процессной аналитики приносит пользу менеджменту организаций сферы образовательных технологий.

• 1.    Оптимизация электронных платформ дистанционного обучения и цифрового опыта обучающихся. Анализ процессов взаимодействия пользователей с EdTech-продуктом помогает выявлять узкие места в его архитектурных аспектах (интерфейс, технические проблемы). Например, если видеоролик на платформе загружается слишком медленно или поиск необходимого материала занимает большое количество времени из-за долгой индексации данных, процессная аналитика по журналу событий обнаружит эти моменты [8]. На основе таких наблюдений менеджеры могут принять решение о доработке функциональных возможностей платформы или улучшении ее пользовательского опыта (UX), что в перспективе снизит отток пользователей и повысит удовлетворенность обучающихся. По своей сути, журналы действий в составе систем управления обучением, обработанные методами процессной аналитики, способны

• 2.    Повышение успеваемости студентов и персонализация траекторий обучения. Глубинный анализ образовательных траекторий позволяет разделить их на группы и выявить, какие стратегии в каждой из выделенных групп приводят к наилучшим результатам. Исследования показывают, что с применением процессной аналитики удается обнаружить наиболее продуктивные последовательности действий успешных студентов и далее рекомендовать подобные практики остальным. Например, если в ходе анализа данных обнаружено, что студенты с высокими результатами регулярно выполняют тестовые задания сразу после лекции, то менеджмент со своей стороны может внедрить аналогичные небольшие активности для всех и поощрять следование такому подходу. Персональные рекомендации, базирующиеся на реальных данных о поведении, повышают эффективность обучения и успеваемость отдельных студентов. Кроме того, алгоритмы могут прогнозировать вероятность успеха или неуспеха учебной траектории в целом: идентифицируются «сигнальные» события (например, пропуск определенного задания, неправильный ответ на определенный вопрос в составе тестового задания или длительная пауза в активности), появление которых в рамках движения студента по курсу служит тревожным индикатором риска его неуспешного окончания обучающимся [9]. Это дает возможность администраторам систем управления обучением своевременно вмешаться в процесс, например, подключив наставника или предложив студенту дополнительный материал.

• 3.    Развитие навыков и содержание программ. Процессная аналитика способствует принятию решений по улучшению содержательной части образовательных продуктов. Анализ детальных шагов при решении задач (например, какие инструменты использует студент в ходе решения или сколько попыток предпринимает) помогает понять, как формируются навыки решения проблем. Если куратор образовательной программы выявляет, что значительная доля студентов на одном и том же этапе испытывает затруднения, менеджеры совместно с методистами могут скорректировать программу: добавить объясняющие мате-

• риалы, изменить порядок следования модулей в курсе, усилить практическую часть, добавив дополнительные кейсы и т. д. Иными словами, на основе получаемых данных о реальном ходе обучения может происходить реструктуризация образовательных процессов для повышения их эффективности. В данном случае показателен пример Технологического университета Квинсленда, где методами процессной аналитики проанализировали причины отчисления аспирантов. Полученные результаты позволили пересмотреть политику поддержки студентов, оптимизировать процесс научного руководства и внести ряд изменений в организацию исследований [8].

• 4.    Контроль качества и совершенствование бизнес-процессов EdTech-компаний. С применением процессной аналитики улучшения может повышаться эффективность не только образовательных, но и вспомогательных биз-нес-процессов. Например, процесс реагирования на запросы пользователей, интеграция новых курсов, работа службы поддержки – все эти процессы так или иначе оставляют цифровые следы в информационных системах разного класса. Анализ этих данных помогает обнаружить лишние задержки, длительные циклы согласований или возникающие отклонения от регламентов. Применяя инструменты процессной аналитики, менеджеры получают KPI-ориентированные выводы об операционной эффективности компании. Эти выводы устраняют информационные разрывы между отделами организации и позволяют рассматривать сквозной процесс целиком, что ценно в условиях цифровой трансформации. В итоге решения о реинжиниринге процессов, перераспределении ресурсов или автоматизации рутинных задач принимаются не на основе интуиции, а на основе реальных данных.

давать объективные основания для дальнейших инвестиций в улучшение продукта.

В совокупности применение процессной аналитики дает ощутимые преимущества для менеджмента. Среди них отмечаются понимание индивидуальных привычек обучающихся и факторов их мотивации, мониторинг KPI образовательного процесса, улучшение продуктового опыта и повышение эффективности управления качеством.

Выводы

Теоретико-методологические основания процессной аналитики уже достаточно развиты для того, чтобы применяться в сфере обра- зовательных технологий. От общих принципов построения моделей процессов по журналам событий до специфических алгоритмов для образовательных данных – уже сформирована база инструментов, эффективность которой подтверждена на практике. При пра- вильном внедрении процессная аналитика фактически интегрируется в контур управления качеством образовательного продукта, превращая сырые данные онлайн-обучения в осмысленные показатели эффективности и рекомендации для менеджеров.

Тем не менее, несмотря на перечисленные выше кейсы, важно помнить, что процессная аналитика не является панацеей от всех про- блем в организации образовательных процессов. Методологи отмечают важность корректной интерпретации получаемых моделей и их интеграции в процессы принятия решений.

В перспективе дальнейшая цифровизация образования и развитие технологий искус- ственного интеллекта только расширят воз можности образовательной процессной ана литики. Можно ожидать появления интеллек туальных систем поддержки принятия реше ний, которые в реальном времени смогу осу ществлять мониторинг образовательного про цесса и предлагать оптимизации и корректи ровки сиюминутно.