АНАЛІТИКА ОСВІТНІХ ДАНИХ ЯК ІНСТРУМЕНТ ВИЗНАЧЕННЯ ГЕНДЕРНИХ ДИСБАЛАНСІВ У ЦИФРОВІЙ ОСВІТІ
DOI:
https://doi.org/10.36994/2788-5518-2025-02-10-16Ключові слова:
аналітика освітніх даних; цифрова освіта; гендерна рівність; інформаційні технології; машинне навчання; цифрова інклюзія; етичне використання даних.Анотація
Анотація. У статті досліджується, як аналітика освітніх даних може допомогти знайти відповідь на це питання, зосереджуючись на гендерних дисбалансах у цифровій освіті. Наприклад, чому дівчата часто відмовляються від IT-спеціальностей, навіть маючи такі ж здібності, як хлопці? Чи впливає оформлення онлайн-курсів на їхню участь? Ці нюанси важко помітити без системного аналізу – саме тут і знадобиться Learning Analytics. Порівнюючи дані UNESCO, OECD та українські звіти, стає очевидно: проблема глибша, ніж просто «менше жінок у STEM». У багатьох країнах дівчата краще вчаться на цифрових платформах, але рідше обирають технічні спеціальності через стереотипи чи відсутність рольових моделей. Щоб змінити ситуацію, потрібно не просто збирати статистику, а розуміти, як формуються ці нерівності. У статті пропонується практичний підхід: збирання даних не лише про оцінки, а й про те, як студенти взаємодіють з платформами (наприклад, чи часто вони заходять на технічні модулі, як довго вивчають теми, які запитання задають). У моделі оцінення складу студентів додано етап «перевірки на гендерну сліпоту» – перед запуском аналізу дані очищаються від статевих маркерів, а потім результати порівнюються з реальними соціологічними дослідженнями. Також описано, як створити дашборд, де адміністратори побачать не просто графіки, а конкретні рекомендації. Не менш важливо – питання конфіденційності. Автор наводить приклад з нідерландського університету, де анонімізовані дані все ж дозволили ідентифікувати студентів через їхні унікальні шаблони навчання. Тому в пропонованій моделі обробка даних відбувається локально, без передачі в хмарні сервіси, а доступ до інформації мають лише верифіковані експерти. Стаття показує: шлях до гендерної справедливості у цифровій освіті – це не автоматичні алгоритми, а їхнє розумне поєднання з людським досвідом.
Посилання
Holmes W., Bialik M., Fadel C. Штучний інтелект в освіті: обіцянки та наслідки для навчання та викладання. Бостон : Center for Curriculum Redesign, 2019. 212 с.
Dwivedi Y. K., Hughes L., Rana N. P., et al. Generative AI for Education: Opportunities and Challenges. Computers in Human Behavior. 2024. Vol. 150. P. 108512. DOI: 10.1016/j.chb.2024.108512.
NAFSA. Generative AI and Global Education. NAFSA: Association of International Educators. Вашингтон : NAFSA, 2024. 42 с.
European Commission. Ethics Guidelines for Trustworthy AI / European Commission. Брюссель : EC, 2019. 35 с.
Floridi L., Cowls J. AI4People – An Ethical Framework for a Good AI Society. Minds and Machines. 2018. Vol. 28. No. 4. P. 689–707.
Crawford K. Атлас штучного інтелекту: влада, політика та планетарна ціна технологій. Нью-Гейвен : Yale University Press, 2021. 327 с.
OECD. Recommendation of the Council on Artificial Intelligence / Organisation for Economic Co-operation and Development. Париж : OECD Publishing, 2019. 24 с.
UNESCO. Gender Equality in the Digital Learning Era. UNESCO Institute for Information Technologies in Education. Париж : UNESCO Publishing, 2023. 96 с.
OECD. Education at a Glance 2024: OECD Indicators / Organisation for Economic Co-operation and Development. Париж : OECD Publishing, 2024. DOI: 10.1787/eag-2024-en.
Lund B. D., Wang T. The Impact of Artificial Intelligence on Higher Education. Берлін : Springer, 2023. 243 с.
Floridi L. The Ethics of Information. Оксфорд : Oxford University Press, 2019. 272 с.
Crawford K., Paglen T. Excavating AI: The Politics of Images in Machine Learning Training Sets. AI Now Institute. 2020. URL: https://ainowinstitute.org (дата звернення 22.10.2025).
Міністерство цифрової трансформації України. Концепція розвитку штучного інтелекту в Україні [Електронний ре- сурс]. Київ : Мінцифра, 2023. URL: https://thedigital.gov.ua (дата звернення 22.10.2025).
EDUCAUSE. AI in Higher Education: 2024 Horizon Report / EDUCAUSE. США, Боулдер : EDUCAUSE, 2024. 118 с.
Siemens G., Baker R. Learning Analytics and Educational Data Mining: Towards Communication and Collaboration Proc. 2nd Int. Conf. on Learning Analytics and Knowledge. Ванкувер : ACM, 2022. P. 252–260.
DreamBox Learning. Adaptive Learning System Overview [Електронний ресурс]. Сіетл : DreamBox Learning, 2023. URL: https://www.dreambox.com (дата звернення 22.10.2025).
Європейський Парламент. Регламент (ЄС) 2024/1689 – Регламент про штучний інтелект (EU AI Act) [Електронний ресурс]. Офіційний журнал ЄС, 2024. URL: https://eur-lex.europa.eu (дата звернення 22.10.2025).
Штучний інтелект. Система управління (ISO/IEC 42001:2023, IDT) : ДСТУ ISO/IEC 42001:2023 / Нац. орган стандартизації України. Київ : ДП «УкрНДНЦ», 2024. 230 с. (Національний стандарт України).
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
