Данная работа посвящена исследованию результатов электронного обучения студентов на примере Открытого университета (Великобритания, англ. TheOpenUniversity), опубликовавшего набор обезличенных данных Open University Learning Analytics dataset. Задачи, которые решались в ходе исследования: 1. Изучение задач интеллектуального анализа данных (ИАД) и методов машинного обучения. 2. Выявление наиболее актуальных для сферы онлайн-образования задач ИАД. 3. Подготовка и предварительная обработка данных об онлайн-обучении студентов Открытого университета (Великобритания). 4. Анализ обнаруженных свойств указанного набора данных. 5. Применение методов машинного обучения для исследования результатов онлайн-образования студентов Британского Открытого университета. 6. Разработка рекомендаций по улучшению процесса онлайн-образования на основе полученных результатов. В результате были проанализированы данные об онлайн-обучении студентов Британского Открытого университета путем решения задач классификации и кластеризации, использованы методы машинного обучения для разделения студентов на группы по схожим характеристикам и предсказания результатов финального экзамена. Разработаны рекомендации по выявлению студентов, теряющих мотивацию, и предотвращению их выбывания из обучения.

The given work is devoted to the study of the results of e-learning for students using the example of the Open University (Great Britain, The Open University), which published the anonymized Open University Learning Analytics dataset. The research set the following goals: 1. The study of data mining problems and machine learning methods. 2. Identification of the most actual data mining problems for the subject area. 3. Research of the problems and search for suitable solving methods. 4. Preparation and pre-processing of data on online education of students of the Open University (UK). 5. Analysis of the detected properties of the data set. 6. The use of machine learning methods to study the results of online education of students of the British Open University. 7. Development of recommendations to improve the effectiveness of online education based on the results. As a result, the data on online education of students of the British Open University by solving classification and clustering problems were analyzed, machine learning methods were used to divide students into groups by similar characteristics and predict the results of the final exam. Recommendations have been developed on identifying students who are losing motivation and preventing them from dropping out of studying.