Данная работа посвящена анализу результатов обучения студентов на массовом открытом онлайн курсе с помощью решения задачи кластеризации. Задачи, которые решались в ходе исследования: 1. Обзор предметной области. 2. Изучение методов и средств интеллектуального анализа данных. 3. Подготовка и исследование полученных наборов данных. 4. Решение задачи кластеризации при различном количестве кластеров, а также интерпретация полученных результатов. 5. Оценка результатов обучения студентов Политехнического университета и их влияния на общую успеваемость на курсе. Работа проведена с использованием встроенных пакетов и функций языка R в программной среде RStudio. Здесь были исследованы полученные наборы данных, построены графики и диаграммы общей успеваемости студентов на курсе с момента первого запуска, выполнена кластеризация слушателей. Отдельно был проведен анализ результатов обучения студентов, являющихся студентами Политехнического университета. Также, была при-ведена интерпретация и обоснование полученных результатов. В результате была решена задача кластеризации слушателей массового открытого онлайн курса. Все студенты были разделены на характерные группы, схожие по определенным признакам, предложено обоснование именно такого разделения.

This work is devoted to the analysis of student learning results in a massive open online course with the help of solving the clustering problem. The research set the following goals: 1. A review of the subject area. 2. The study of methods and means of data mining. 3. Preparation and research of the obtained data sets. 4. The solution of the clustering problem with a different number of clus-ters, as well as the interpretation of the results. 5. Evaluation of the learning outcomes of students of the Polytechnic Uni-versity and their impact on the overall performance of the course. The work was carried out using built-in packages and functions of the R language in the RStudio software environment. Here, the obtained data sets were investigated, graphs and diagrams of the overall performance of students on the course from the moment of the first launch were built, the students were clus-tered. A separate analysis was made of the learning outcomes of students who are students of the Polytechnic University. Also, the interpretation and justifica-tion of the results were presented. As a result, the task of clustering students of a massive open online course was solved. All students were divided into characteristic groups that were similar in certain respects; the rationale for just such a division was proposed.