Теория и методика профессионального образования | Мир педагогики и психологии №10 (123) Октябрь 2026

Применение баз данных в современных образовательных системах

Маторина Мария Александровна
студентка, Поволжский государственный университет телекоммуникаций и информатики, Самара, Россия, E-mail: mariamatorina32480@gmail.com
Герасимов Вячеслав Васильевич
старший преподаватель кафедры сетей и систем связи, Поволжский государственный университет телекоммуникаций и информатики, Самара, Россия

Аннотация: В статье рассматривается применение баз данных в учебной работе вуза. Цель — определить, какие сведения нужны для учёта результатов и помощи студентам и какие ошибки мешают их использованию. На основе обзора литературы разобраны примеры хранения оценок, анализа выполненных заданий и организации обратной связи. Показано, почему при работе с данными важно учитывать попытки сдачи, сроки и правила оценивания. Сформулированы рекомендации по проверке записей и разграничению доступа.
Ключевые слова: базы данных, образовательные системы, реляционная модель, качество данных, учебная аналитика, электронное обучение, разграничение доступа.

Matorina Maria Alexandrovna,
student, Volga Region State University of Telecommunications and Informatics, Samara, Russia
Gerasimov Vyacheslav Vasilyevich
senior lecturer, Department of Communication Networks and Systems, Volga Region State University of Telecommunications and Informatics, Samara, Russia

Abstract: The article examines the use of databases in university teaching. It aims to identify the data needed to record learning results and support students, and the errors that limit their use. A literature review informs examples of grade storage, assignment analysis and feedback. The discussion shows why assessment attempts, deadlines and grading rules need to be considered. Recommendations address record checking and access control.
Keywords: databases, educational systems, relational model, data quality, learning analytics, e-learning, access control.

Введение

В течение учебного года в вузе накапливаются сведения о студентах, расписании, учебных планах и результатах экзаменов. С ними работают преподаватели, сотрудники деканата и сами обучающиеся. При этом одна и та же информация может находиться в нескольких документах. Например, после перевода студента в другую группу его фамилию могут исправить в одном списке, но оставить в другом. Подобные расхождения усложняют подготовку ведомостей и отчётов.

База данных помогает связать эти сведения и организовать их обновление. Но для этого нужно заранее разобраться, что именно будет храниться в системе и кто сможет изменять записи. Если при проектировании не учесть особенности учебного процесса, ошибки могут появляться даже в технически исправной системе. Поэтому применение баз данных в образовании важно рассматривать вместе с задачами преподавателей и студентов.

В научной литературе работа с образовательными данными рассматривается с разных сторон. Ю. Ю. Дюличева систематизирует датасеты, методы и инструменты учебной аналитики в высшем образовании [1]. Т. В. Зыкова и соавторы рассматривают структуру университетской базы образовательных данных и принципы сохранения цифровой образовательной истории [2]. С. К. Банихашем и соавторы изучают использование учебной аналитики для обратной связи [3]. Работа Э. Ф. Кодда раскрывает основы реляционной модели данных [4]. Ц. Лю и М. Халил рассматривают вопросы конфиденциальности [5], а Л. Паулсен и Ю. Линдсей — связь аналитических панелей с задачами обучения [6]. Обзор К. Ромеро и С. Вентуры посвящён методам анализа образовательных данных [7]. В докладе ЮНЕСКО обсуждаются возможности и ограничения применения технологий в образовании [8]. Для данной статьи важна связь между этими вопросами: как организация хранения влияет на то, какие выводы можно сделать об обучении.

Цель работы — определить, какие сведения необходимы для учёта учебных результатов и поддержки студентов и какие ошибки мешают использовать эти сведения. Для этого рассмотрены примеры хранения оценок, анализа заданий и предоставления обратной связи. Основное внимание уделено ситуации, когда формально правильная запись оказывается недостаточной для понимания учебного результата.

Материалы и методы

Статья представляет собой теоретический обзор. При подготовке обзора использованы анализ научной литературы, сравнительно-сопоставительный анализ и обобщение. Для анализа выбраны работы по организации баз данных, учебной аналитике и защите информации. Основные понятия уточнены по учебным изданиям [9; 10]. Рассматриваемые задачи сопоставляются по составу необходимых сведений, правилам их обновления и последствиям возможных ошибок. Такой подход позволяет перейти от общих возможностей базы данных к конкретным требованиям учебного процесса.

Примеры в статье относятся к условной информационной системе вуза. Они помогают объяснить предложенные решения, но не описывают результаты их внедрения. Собственные данные об успеваемости студентов не собирались. Поэтому выводы ограничены анализом литературы и рассмотренных ситуаций; практическую эффективность рекомендаций ещё предстоит проверить.

Хранение сведений об учебном процессе

В реляционной базе данные организованы в связанные таблицы [2; 4]. В учебной системе это могут быть таблицы студентов, групп, дисциплин, преподавателей и результатов аттестации. Каждому студенту присваивается уникальный идентификатор. Он позволяет различать однофамильцев и связывать сведения об обучающемся с его результатами. При таком устройстве не требуется заново записывать все данные о студенте для каждой оценки.

При проектировании важно продумать, что означает отдельная запись. Например, оценка относится к определённой дисциплине, семестру и попытке сдачи. Если сохранять только фамилию студента, название предмета и балл, после пересдачи будет трудно восстановить первоначальный результат. Для этой ситуации подходит хранение каждой попытки отдельно. Тогда можно увидеть историю сдачи и выбрать нужный результат для итоговой ведомости.

Часть ошибок можно предотвратить с помощью ограничений базы данных. Внешний ключ помогает не допустить записи результата для студента, которого нет в соответствующей таблице. Проверка допустимых значений позволяет отклонить оценку, не входящую в принятую шкалу [9; 10]. Однако система не всегда может определить, соответствует ли запись действительности. Если преподаватель случайно выберет другого студента, формальные проверки могут не обнаружить ошибку. В таком случае понадобится сверка с первичным документом.

Отдельная задача — сохранение истории изменений. При переводе студента в другую группу новые сведения должны попасть в текущие списки. Вместе с тем в отчёте за предыдущий семестр должна остаться прежняя группа. Поэтому простая замена значения подходит не для всех данных. В зависимости от задачи можно хранить дату изменения или период, в течение которого запись была действительна.

В электронном обучении к этим сведениям добавляются задания, сроки сдачи и результаты выполнения работ. Например, в Moodle журнал оценок объединяет результаты оцениваемых элементов курса [11]. Это даёт преподавателю возможность просматривать оценки в одном месте. При этом для содержательной обратной связи одного итогового балла мало: необходимо понимать, за какое задание он получен и по каким критериям выставлен.

Если вуз использует несколько систем, нужно определить источник каждого вида сведений. Список студентов может поступать из системы учёта, а результаты заданий — из электронной среды курса. При обмене данными следует проверять, что записи относятся к одному человеку и одному учебному периоду. Также нужно установить, где исправляется ошибка и как исправление передаётся в другие системы. Без этого одинаковые сведения могут снова оказаться несогласованными.

Анализ результатов и обратная связь

Хранение записей позволяет узнать, сдал ли конкретный студент работу и какую оценку получил. Анализ данных помогает рассмотреть результаты всей группы или проследить изменения за семестр. Научные обзоры описывают различные задачи и подходы к такой обработке [1; 6; 7]. Однако прежде чем рассчитывать показатели, необходимо определить, какие записи в них учитываются. Иначе отчёт может быть вычислен правильно, но давать неверное представление об учебной ситуации.

Рассмотрим простой пример: преподаватель хочет узнать, сколько студентов не выполнили задание к сроку. Нельзя считать всех, у кого в журнале нет оценки. Среди них могут быть студенты, уже отправившие работу, которую ещё не проверили. Возможно также, что некоторым обучающимся это задание не назначалось. Поэтому в базе полезно различать состояния «не сдано», «ожидает проверки» и «проверено». Такая детализация помогает точнее определить, кому действительно нужна помощь.

При сравнении результатов нужно учитывать правила оценивания. Одинаковый балл по двум дисциплинам не обязательно означает одинаковый уровень подготовки. Задания могут различаться по сложности, а преподаватели — использовать разные шкалы. Для обоснованного сравнения необходимо знать, что проверялось, когда выполнялась работа и какие критерии применялись. Эти сведения желательно сохранять вместе с результатом или связывать с ним через описание задания.

Количество входов в учебную платформу тоже не следует напрямую приравнивать к успешности обучения. Студент может редко заходить в систему, но работать с заранее скачанными материалами. Частые обращения к одному заданию, в свою очередь, могут указывать на затруднения. Поэтому сведения об активности полезно сопоставлять с выполненными работами и пояснениями самого студента. Они помогают заметить ситуацию, которую стоит обсудить с преподавателем.

Для повторной проверки отчёта необходимо знать дату выгрузки и условия отбора записей. Например, после проверки отложенных работ доля студентов без оценки изменится. Если не сохранить сведения о том, когда был сделан первоначальный расчёт, два отчёта могут выглядеть противоречивыми. Поэтому вместе с результатом следует указывать учебный период, состав группы и применённые фильтры.

В работах Банихашема и соавторов [3], а также Паулсена и Линдсея [6] учебная аналитика рассматривается в связи с поддержкой обучения. Для обсуждаемой задачи это означает, что показатель должен помогать выбрать дальнейшее действие. Например, преподавателю важно узнать, какую тему нужно объяснить повторно, а студенту — понять, что именно исправить в работе. Такая постановка вопроса определяет, какие сведения потребуется хранить в базе.

Предположим, что при выполнении задания по базам данных студент несколько раз ошибается в выборе связей между таблицами. Одна итоговая оценка не показывает причину затруднения. Если сохранить замечания по критериям, преподаватель сможет предложить дополнительный разбор именно этой темы. После новой попытки можно сравнить работы и выяснить, удалось ли исправить ошибку. Для такого применения нужны сведения о задании, попытках и содержании обратной связи.

Самому студенту также должно быть понятно, что означают показанные результаты. Отметка о просрочке сообщает о нарушении срока, но не объясняет, как продолжить работу. Полезнее, если рядом доступны условия задания и комментарий преподавателя. При оценке подобной системы следует учитывать, помогают ли эти сведения студенту исправлять ошибки и выполнять следующие задания. Удобство хранения само по себе ещё не доказывает улучшение обучения.

Качество и защита данных

При работе с базой следует проверять полноту и актуальность записей, а также отсутствие противоречий между ними. Например, в журнале может быть указан правильный результат, но отсутствовать дата его получения. Для просмотра текущей оценки это иногда несущественно, а для отчёта за определённый период уже создаёт проблему. Поэтому обязательные поля следует выбирать с учётом задач, для которых используются данные.

Проверку удобно проводить до составления итогового отчёта. Сначала уточняются нужный период и состав студентов, затем проверяются пропуски, повторяющиеся записи и связи между таблицами. Спорные сведения необходимо сверить с их источником. При исправлении желательно сохранять время, причину изменения и информацию о том, кто его внёс. Это помогает разобраться в расхождениях, если к отчёту придётся вернуться позднее.

Доступ к сведениям должен зависеть от обязанностей пользователя. Например, студенту нужен просмотр собственных результатов, а преподавателю — работа с оценками по своим дисциплинам. Сотруднику деканата могут потребоваться другие сведения для ведения учёта. Права на просмотр и изменение нужно разделять: возможность открыть ведомость не должна автоматически давать возможность исправить в ней оценки.

Лю и Халил отмечают, что вопросы конфиденциальности возникают на протяжении всего процесса работы с учебными данными [5]. Поэтому контроль доступа важен и при подготовке выгрузок. Отчёт, сохранённый отдельным файлом, может оказаться доступен людям, у которых нет доступа к самой системе. Для отчёта по группе следует оставлять только те сведения, которые нужны для поставленной задачи. Даже при удалении фамилий сочетание других признаков иногда позволяет узнать конкретного человека.

При обработке персональных данных в России необходимо учитывать Федеральный закон № 152-ФЗ «О персональных данных» [12]. Образовательной организации нужно определить основания обработки (ч. 1 ст. 6), сроки хранения (ч. 7 ст. 5) и меры защиты (ч. 1 ст. 19) применительно к своей системе. Технические настройки базы данных являются лишь частью этой работы.

Нужно также предусмотреть восстановление информации после сбоя. Резервные копии необходимо регулярно создавать и проверять, удаётся ли с их помощью восстановить данные. Для учебной системы потеря последних изменений может означать, например, исчезновение уже внесённых результатов проверки. Поэтому порядок копирования следует выбирать с учётом частоты обновления данных и допустимого времени перерыва в работе.

Обсуждение и выводы

Рассмотренные примеры показывают, что требования к базе данных зависят от того, как будут использоваться сведения. Для ведения журнала нужны точные записи об оценках и попытках сдачи. Для анализа дополнительно требуется учитывать состав группы, сроки и правила расчёта. Для обратной связи необходимо сохранять информацию, которая помогает объяснить ошибку и выбрать дальнейшее учебное действие.

При подготовке требований к системе можно придерживаться следующего порядка. Сначала определить учебную задачу и необходимые сведения, затем описать их связи и правила обновления. После этого установить проверки и права доступа и только затем формировать отчёты. Это позволяет заранее заметить ситуации, в которых одинаковое значение может иметь разный смысл, как в примере с отсутствующей оценкой.

Таким образом, применение баз данных в образовании требует внимания к содержанию записей и к тому, как их понимают пользователи. Различение попыток сдачи, состояний проверки и учебных периодов помогает избежать ошибочных выводов. Педагогическая польза данных связана с возможностью вовремя заметить затруднение и предоставить понятную обратную связь.

Работа основана на обзоре выбранных публикаций и условных примерах. Следующий шаг — проверить предложенные решения на конкретном учебном процессе. Апробацию можно провести в информационной системе конкретного вуза, уточнив по её результатам показатели оценки качества данных. Для этого можно оценить число ошибок в записях, время подготовки отчёта и то, насколько понятна обратная связь студентам. Без такой проверки нельзя утверждать, что предложенная организация данных уже улучшила результаты обучения.

1. Дюличева Ю. Ю. Применение учебной аналитики в высшем образовании: датасеты, методы и инструменты // Высшее образование в России. 2024. Т. 33, № 5. С. 86–111. DOI: 10.31992/0869-3617-2024-33-5-86-111.
2. Зыкова Т. В., Кытманов А. А., Кустицкая Т. А., Есин Р. В. Структура базы данных цифровой образовательной истории для решения задач учебной аналитики // Современные информационные технологии и ИТ-образование. 2024. Т. 20, № 2. С. 360–370. DOI: 10.25559/SITITO.020.202402.360-370.
3. Banihashem S. K., Noroozi O., van Ginkel S., Macfadyen L. P., Biemans H. J. A. A systematic review of the role of learning analytics in enhancing feedback practices in higher education // Educational Research Review. 2022. Vol. 37. Art. 100489. DOI: 10.1016/j.edurev.2022.100489.
4. Codd E. F. A relational model of data for large shared data banks // Communications of the ACM. 1970. Vol. 13, no. 6. P. 377–387. DOI: 10.1145/362384.362685.
5. Liu Q., Khalil M. Understanding privacy and data protection issues in learning analytics using a systematic review // British Journal of Educational Technology. 2023. Vol. 54, no. 6. P. 1715–1747. DOI: 10.1111/bjet.13388.
6. Paulsen L., Lindsay E. Learning analytics dashboards are increasingly becoming about learning and not just analytics — A systematic review // Education and Information Technologies. 2024. Vol. 29. P. 14279–14308. DOI: 10.1007/s10639-023-12401-4.
7. Romero C., Ventura S. Educational data mining and learning analytics: An updated survey // WIREs Data Mining and Knowledge Discovery. 2020. Vol. 10, no. 3. Art. e1355. DOI: 10.1002/widm.1355.
Список источников
8. UNESCO. Global education monitoring report 2023: Technology in education — A tool on whose terms? Paris: UNESCO, 2023. DOI: 10.54676/UZQV8501.
9. Elmasri R., Navathe S. B. Fundamentals of database systems. 7th ed. Pearson, 2016.
10. Silberschatz A., Korth H. F., Sudarshan S. Database system concepts. 7th ed. New York: McGraw-Hill, 2019.
11. Grader report // MoodleDocs [Электронный ресурс]. URL: https://docs.moodle.org/en/Grader_report (дата обращения: 28.10.2026).
12. О персональных данных: Федеральный закон от 27.07.2006 № 152-ФЗ // Собрание законодательства Российской Федерации. 2006. № 31, ч. 1. Ст. 3451.