17 Никандров А А индивидуальные образовательные маршруты персонализация обучения искусственный интеллект анализ больших данных диагностика уровня знаний алгоритмы рекомендаций машинное обучение динамическая корректировка маршрута пилотные проекты в вузах эффективность и мотивация студентов 2026 2026-11-12 Рассматриваются персональные образовательные траектории (ИОМ) как средство индивидуализации обучения, опирающееся на искусственный интеллект и анализ больших данных. На примерах проектов в Калифорнии и Техническом университете Мюнхена описываются основные этапы ИОМ: диагностика знаний, планирование оптимального пути, мониторинг прогресса и динамическая корректировка. Применяются модели машинного обучения (GBDT, нейронные сети) и алгоритмы рекомендаций (collaborative filtering, reinforcement learning). Пилотные результаты демонстрируют рост успеваемости до +12 %, сокращение пропущенных дедлайнов до -27 % и повышение удовлетворённости обучением. Обсуждаются преимущества и недостатки внедрения ИОМ, а также рекомендации: единую платформу для сбора данных, анонимизацию, пилотный запуск и регулярные аудиты модели. Заключение подчёркивает потенциал ИОМ для улучшения эффективности и мотивации студентов. https://rgpu.elpub.ru/publication/23210 https://rgpu.elpub.ru/files/15290