ПРИМЕНЕНИЕ ИНСТРУМЕНТОВ ВИЗУАЛИЗАЦИИ ДАННЫХ В ОБРАЗОВАТЕЛЬНОЙ АНАЛИТИКЕ

APPLICATION OF DATA VISUALIZATION TOOLS IN EDUCATIONAL ANALYTICS

Egorova Yulia Yurievna

2nd year student, Ural Federal University named after the first President of Russia B.N. Yeltsin,

Russia, Yekaterinburg

Kolmykova Aleksandra Dmitrievna

2nd year student, Ural Federal University named after the first President of Russia B.N. Yeltsin,

Russia, Yekaterinburg

АННОТАЦИЯ

В статье рассматриваются современные инструменты визуализации данных, применяемые в образовательной аналитике. Проведен сравнительный анализ платформ Tableau, Microsoft Power BI и библиотек Python для визуализации данных. Определены основные преимущества и недостатки каждого инструмента, а также рассмотрены возможности их использования для анализа успеваемости обучающихся и оценки эффективности образовательного процесса.

ABSTRACT

The article discusses modern data visualization tools used in educational analytics. A comparative analysis of Tableau, Microsoft Power BI and Python libraries is carried out. The main advantages and disadvantages of each tool are identified, and their possibilities for analyzing student performance and evaluating the effectiveness of the educational process are considered.

Ключевые слова: визуализация данных; образовательная аналитика; Tableau; Power BI; Python; анализ данных.

Keywords: data visualization; educational analytics; Tableau; Power BI; Python; data analysis.

В условиях цифровизации образования образовательные организации накапливают значительные объемы информации о результатах обучения, посещаемости занятий, активности студентов в электронных образовательных средах. Эффективное использование таких данных позволяет своевременно выявлять проблемы, оценивать качество обучения и принимать обоснованные управленческие решения [1]. Однако большие массивы сложно анализировать в табличном виде, поэтому применяются инструменты визуализации: диаграммы, графики, интерактивные панели [2].

Образовательная аналитика связана со сбором, обработкой и анализом данных об учебном процессе для оценки успеваемости, контроля посещаемости, анализа вовлеченности и управления организацией [3].

В настоящее время существует большое количество программных решений для визуализации данных. Среди наиболее популярных инструментов можно выделить Tableau, Microsoft Power BI и библиотеки языка программирования Python.

Tableau является одной из наиболее известных платформ визуальной аналитики. Основным преимуществом данного инструмента является возможность создания интерактивных дашбордов без необходимости глубоких знаний программирования. Пользователь может подключать различные источники данных и формировать аналитические отчеты с использованием встроенных средств визуализации [4].

Tableau широко применяется в образовательных учреждениях для анализа показателей успеваемости студентов, мониторинга результатов тестирования и оценки эффективности учебных программ. К преимуществам платформы относятся удобный интерфейс, высокая скорость создания визуализаций и широкий набор графических элементов. Недостатком является высокая стоимость коммерческих лицензий.

Еще одним популярным инструментом является Microsoft Power BI. Данная платформа предоставляет возможности анализа и визуализации данных, а также интегрируется с другими программными продуктами Microsoft. Благодаря этому Power BI часто используется в организациях, где уже внедрены решения Microsoft Office и Microsoft Azure [5].

Power BI формирует интерактивные панели, автоматически обновляет данные и публикует отчеты. Для образовательных организаций важно, что платформа позволяет оперативно анализировать данные о студентах и преподавателях, а наличие бесплатной версии делает ее доступной.

Для более сложных аналитических задач часто используются библиотеки языка программирования Python. Наиболее распространенными являются Matplotlib, Seaborn и Plotly. Эти инструменты позволяют создавать различные типы графиков и диаграмм, а также выполнять предварительную обработку данных непосредственно в программном коде [6].

Использование Python предоставляет пользователю высокий уровень гибкости и возможность автоматизации аналитических процессов. Однако работа с библиотеками требует знаний программирования и занимает больше времени по сравнению с использованием готовых BI-платформ.

Для сравнения рассмотренных инструментов была составлена таблица 1.

Таблица 1.

Сравнение инструментов визуализации данных

Согласно представленным данным, все рассмотренные инструменты могут эффективно применяться для решения задач образовательной аналитики. Однако выбор конкретного решения зависит от целей организации и уровня подготовки пользователей.

Например, при анализе успеваемости студентов Tableau и Power BI позволяют быстро построить диаграммы распределения оценок по группам и визуализировать динамику изменения среднего балла за семестр. В свою очередь, Python предоставляет дополнительные возможности для статистического анализа и прогнозирования результатов обучения.

Важным направлением применения визуализации данных является мониторинг посещаемости занятий. Использование интерактивных панелей позволяет выявлять группы студентов с высоким количеством пропусков и своевременно принимать меры по повышению их учебной активности.

Кроме того, визуализация данных способствует повышению эффективности управления образовательной организацией. Руководство учебного заведения получает возможность анализировать ключевые показатели деятельности на основе наглядных отчетов и принимать решения, основанные на объективных данных.

Таким образом, инструменты визуализации данных играют важную роль в образовательной аналитике. Они позволяют преобразовывать большие массивы информации в удобную для восприятия форму и повышают эффективность анализа образовательных процессов.

Проведенное сравнение показало, что Tableau отличается удобством использования и широкими возможностями визуализации, Power BI обеспечивает эффективную интеграцию с продуктами Microsoft, а библиотеки Python предоставляют максимальную гибкость при работе с данными. Выбор конкретного инструмента должен определяться задачами образовательной организации, доступными ресурсами и уровнем подготовки пользователей.

Список литературы:

1. Голицына О.Л., Максимов Н.В., Партыка Т.Л., Попов И.И. Информационные системы. М.: ФОРУМ : ИНФРА-М, 2020. — 448 с.
2. Саак А.Э., Пахомов Е.В., Тюшняков В.Н. Информационные технологии управления. СПб.: Питер, 2019. — 320 с.
3. Siemens G., Long P. Penetrating the Fog: Analytics in Learning and Education // EDUCAUSE Review. — 2011. — Vol. 46. № 5. — P. 30–40.
4. Tableau Documentation [Электронный ресурс]. — URL: https://help.tableau.com (дата обращения: 17.06.2026).
5. Microsoft Power BI Documentation [Электронный ресурс]. — URL: https://learn.microsoft.com/power-bi (дата обращения: 17.06.2026).
6. VanderPlas J. Python Data Science Handbook. Sebastopol: O’Reilly Media, 2016. — 548 p.
7. Кузнецов С.Д. Основы баз данных. М.: Интернет-Университет Информационных Технологий, 2021. — 484 с.
8. Барсегян А.А., Куприянов М.С., Степаненко В.В., Холод И.И. Анализ данных и процессов. СПб.: БХВ-Петербург, 2021. — 512 с.