DOI: https://doi.org/10.1038/s41598-026-37712-7
PMID: https://pubmed.ncbi.nlm.nih.gov/41622322
تاريخ النشر: 2026-02-02
المؤلف: Serhiy O. Semerikov وآخرون
الموضوع الرئيسي: التعلم عبر الإنترنت والتحليلات
نظرة عامة
تبحث الدراسة في تأثير التحول الرقمي على التعليم العالي، مع التركيز بشكل خاص على تفضيلات الطلاب ورضاهم بشأن الدورات الاختيارية في جامعة كريفوي ريه الحكومية للتربية في أوكرانيا. باستخدام تقنيات تعدين البيانات التعليمية، تحلل الدراسة بيانات من 1,089 طالبًا، محددة أربعة شرائح متميزة بناءً على أنماط اختيار الدورات: البراغماتيون الموجهون نحو المهنة (32%)، عشاق المحتوى (27%)، المختارون الحساسون للعملية (24%)، والمُحسّنون المتوازنون (17%). تشمل المؤشرات الرئيسية لرضا الطلاب توفر المعلومات قبل الاختيار، والتوافق مع الأهداف المهنية، وجودة التعليم، وملاءمة الدورة، مع نموذج الانحدار الذي يفسر 63% من التباين في الرضا.
تقترح الدراسة إطار عمل من خمس طبقات لتحسين أنظمة الدورات الاختيارية، مع التأكيد على التخصيص المدرك للشرائح وأولوية جودة المعلومات. تشمل التوصيات للمؤسسات التعليمية العليا توفير موارد متميزة مصممة لتناسب شرائح الطلاب، وتعزيز جودة المعلومات قبل الاختيار، واعتماد أساليب محددة للبرامج لمعالجة الاحتياجات المتنوعة للطلاب. تتماشى النتائج مع الهدف الرابع من أهداف التنمية المستدامة (التعليم الجيد)، داعية إلى فرص تعليمية شاملة وشخصية تعزز من قدرة الطلاب على تخصيص المناهج الدراسية مع ضمان الوصول وجودة التعليم. مجموعة البيانات المستخدمة في هذا البحث متاحة علنًا، مما يدعم الدراسات المستقبلية في سياقات مؤسسية وثقافية متنوعة.
مقدمة
تناقش مقدمة ورقة البحث الاتجاه المتزايد نحو التعلم الشخصي في التعليم العالي، المدفوع بالتقنيات الرقمية واتخاذ القرارات المستندة إلى البيانات. يسمح هذا التحول للطلاب بتخصيص تجاربهم التعليمية من خلال الدورات الاختيارية، التي تعتبر ضرورية لمواءمة مساراتهم التعليمية الفردية (IETs) مع الأهداف الشخصية والمهنية. في أوكرانيا، تفرض الإصلاحات الأخيرة تخصيص ما لا يقل عن 25% من الساعات الأكاديمية للدورات التي يختارها الطلاب، مما يبرز أهمية قدرة الطلاب على اتخاذ القرارات في الخيارات التعليمية.
يبرز المؤلفون أن الانتقال نحو بيئات التعلم الشخصية (PLEs) يمثل تغييرًا كبيرًا من المناهج التقليدية الموحدة إلى نماذج أكثر مرونة تركز على الطالب وتعترف بالاحتياجات التعليمية المتنوعة. ومع ذلك، يطرح هذا الانتقال تحديات في تصميم المناهج، والبنية التحتية التكنولوجية، والاستراتيجيات التربوية. إن التنفيذ الفعال لأنظمة الدورات الاختيارية معقد بسبب قضايا مثل ضمان تنوع خيارات الدورات، وتوفير معلومات كافية لاتخاذ القرار، والحفاظ على جودة التعليم. بالإضافة إلى ذلك، تشير الورقة إلى الصعوبات التي تواجهها أنظمة توصية الدورات، خاصة في إدارة مساحات القرار المعقدة ومعالجة مشكلة البداية الباردة للطلاب الجدد، كما تم التأكيد عليه في الدراسات السابقة.
النتائج
تحدد قسم النتائج في الدراسة خمسة مبادئ تصميم رئيسية للتدخلات التكنولوجية التعليمية تهدف إلى تعزيز اختيار الدورات الاختيارية. أولاً، **التخصيص المدرك للشرائح** أمر حاسم، حيث تشير تحديد أربعة شرائح طلابية متميزة إلى أن التدخلات الموحدة قد تكون غير فعالة؛ وبالتالي، يجب أن تقوم التكنولوجيا بتخصيص المعلومات بناءً على عضوية شريحة الطلاب. ثانيًا، يتم تسليط الضوء على **أولوية جودة المعلومات**، حيث يعتبر توفر معلومات الدورة قبل الاختيار هو ثاني أقوى مؤشر على الرضا العام (β = 0.28)، خاصة بالنسبة للمختارين الحساسين للعملية (β = 0.36). وهذا يبرز الحاجة إلى تحسين أنظمة معلومات الدورات.
ثالثًا، يتم التأكيد على **مواءمة التوقعات والنتائج** كأقوى مؤشر على الرضا (β = 0.31)، مما يشير إلى أن التكنولوجيا يجب أن تسهل تشكيل توقعات دقيقة من خلال المناهج التفصيلية وبيانات النتائج. رابعًا، تعتبر **دمج مسارات المهنة** أمرًا حيويًا، حيث يعتبر 64% من الطلاب أن الصلة بالمهنة مهمة، مع وجود مؤشر كبير للبراغماتيين الموجهين نحو المهنة (β = 0.42). أخيرًا، بينما لم تكن **سهولة الوصول للعملية** مؤشرًا كبيرًا بشكل عام، إلا أنها تظل مهمة لـ 24% من الطلاب الذين هم حساسين للعملية، مما يشير إلى أن التدخلات يجب أن تركز على تحسين قابلية الاستخدام والتوقيت لهذه المجموعة. تستخدم الدراسة تقنيات تعدين البيانات التعليمية لتحليل تجارب الطلاب، مما يساهم في فهم دقيق لاختيار الدورات الاختيارية يتماشى مع الأبحاث الحالية ويوسعها.
المناقشة
في هذا القسم، تناقش الدراسة تطوير وتنفيذ أداة استبيان تهدف إلى فهم وجهات نظر الطلاب حول اختيار الدورات الاختيارية في سياق جامعة أوكرانية. تم تصميم الاستبيان بمشاركة من أعضاء هيئة التدريس والطلاب، وشمل 14 عنصرًا تركز على الخصوصية والشفافية، وتم إدارته إلكترونيًا، مما أسفر عن 1,089 استجابة صالحة (معدل استجابة 31%). تم جعل البيانات المجمعة متاحة للجمهور كبيانات FAIR لتعزيز الشفافية وقابلية التكرار. تم استخدام نهج مختلط لتحليل البيانات، يتضمن تقنيات إحصائية، وتعلم الآلة، وتحليل النصوص النوعية لاستكشاف مقاييس الرضا وتحديد شرائح الطلاب المتميزة بناءً على أنماط اختيارهم.
كشفت التحليلات عن أربع شرائح طلابية: البراغماتيون الموجهون نحو المهنة، عشاق المحتوى، المختارون الحساسون للعملية، والمُحسّنون المتوازنون، كل منها يظهر سلوكيات اختيار فريدة ومؤشرات رضا. تشمل العوامل الرئيسية التي تؤثر على الرضا العام التوافق مع التوقعات، وتوفر المعلومات، وجودة التعليم، والملاءمة للأهداف المهنية، وتنوع العروض، مع النموذج الذي يفسر 63% من التباين في الرضا. تشير النتائج إلى أن التدخلات في اختيار الدورات الاختيارية يجب أن تكون مصممة لتناسب هذه الشرائح لتعزيز تجارب الطلاب، حيث قد لا تكون الأساليب الموحدة فعالة في معالجة الاحتياجات المتنوعة للسكان الطلاب. تم اقتراح إطار عمل متكامل لدعم اختيار الدورات الشخصية، مع التأكيد على أهمية التوصيات المحددة للشرائح والشفافية في معلومات الدورات لتحسين الرضا العام.
القيود
تسلط قيود هذه الدراسة الضوء على عدة مجالات للبحث المستقبلي. أولاً، يعتمد الاعتماد على البيانات المبلغ عنها ذاتيًا من نقطة زمنية واحدة على القدرة على استنتاج استنتاجات سببية بشأن مؤشرات الرضا ونتائجها. يمكن أن توفر الدراسات الطولية التي تتبع الطلاب طوال مسيرتهم الأكاديمية رؤى أعمق حول كيفية تطور الرضا وتأثيرات الخيارات الأكاديمية المبكرة على المدى الطويل. بالإضافة إلى ذلك، بينما يعتبر معدل الاستجابة البالغ 31% مقبولًا للاستبيانات الطوعية عبر الإنترنت، فإنه يثير مخاوف بشأن التحيز المحتمل في الاختيار، حيث قد يكون الطلاب ذوو الآراء الأقوى أكثر ميلًا للمشاركة. يمكن أن تستفيد الأبحاث المستقبلية من استخدام تقنيات أخذ العينات الطبقية لضمان تمثيل أكثر توازنًا لوجهات نظر الطلاب.
علاوة على ذلك، يحد تركيز الدراسة على مؤسسة واحدة في أوكرانيا من تعميم النتائج. قد تتأثر الأنماط الملحوظة، وخاصة التأثير الضعيف لتوصيات الأقران، بالعوامل الثقافية والمؤسسية الفريدة لهذا السياق. يمكن أن تعزز الدراسات المقارنة عبر مؤسسات ودول مختلفة فهم كيفية تشكيل هذه العوامل لأنظمة الدورات الاختيارية. علاوة على ذلك، كان التحليل يركز بشكل أساسي على وجهات نظر الطلاب، مما يشير إلى الحاجة إلى دمج رؤى أعضاء هيئة التدريس، والبيانات الإدارية، والنتائج التعليمية لتطوير رؤية أكثر شمولية لفعالية النظام الاختياري. يمثل نموذج تقسيم الدراسة، على الرغم من دعمه إحصائيًا، مجرد تصنيف واحد لأساليب الطلاب؛ يمكن أن يكشف استكشاف حلول التجميع البديلة عن تمييزات إضافية. أخيرًا، يتطلب الإطار المقترح التحقق التجريبي من خلال دراسات التنفيذ، مثل التجارب العشوائية المضبوطة، لتقييم فعاليته في تحسين نتائج الطلاب.
DOI: https://doi.org/10.1038/s41598-026-37712-7
PMID: https://pubmed.ncbi.nlm.nih.gov/41622322
Publication Date: 2026-02-02
Author(s): Serhiy O. Semerikov et al.
Primary Topic: Online Learning and Analytics
Overview
The research investigates the impact of digital transformation on higher education, specifically focusing on student preferences and satisfaction regarding elective courses at Kryvyi Rih State Pedagogical University in Ukraine. Utilizing educational data mining techniques, the study analyzes data from 1,089 students, identifying four distinct segments based on their course selection patterns: career-focused pragmatists (32%), content enthusiasts (27%), process-sensitive selectors (24%), and balanced optimizers (17%). Key predictors of student satisfaction include information availability prior to selection, alignment with career goals, teaching quality, and course relevance, with a regression model explaining 63% of the variance in satisfaction.
The study proposes a five-layer framework for optimizing elective course systems, emphasizing segment-aware personalization and the prioritization of information quality. Recommendations for higher education institutions include providing differentiated resources tailored to student segments, enhancing the quality of pre-selection information, and adopting program-specific approaches to address the diverse needs of students. The findings align with Sustainable Development Goal 4 (Quality Education), advocating for inclusive and personalized educational opportunities that enhance student agency in curriculum customization while ensuring accessibility and educational quality. The dataset used in this research is openly available, supporting future studies in various institutional and cultural contexts.
Introduction
The introduction of the research paper discusses the growing trend of personalized learning in higher education, driven by digital technologies and data-informed decision-making. This shift allows students to tailor their educational experiences through elective courses, which are essential for aligning their individual educational trajectories (IETs) with personal and professional goals. In Ukraine, recent reforms mandate that at least 25% of academic credits be allocated to student-selected courses, emphasizing the importance of student agency in educational choices.
The authors highlight that the move towards Personal Learning Environments (PLEs) signifies a significant change from traditional, standardized curricula to more flexible, student-centered models that recognize diverse learning needs. However, this transition poses challenges in curriculum design, technological infrastructure, and pedagogical strategies. Effective implementation of elective course systems is complicated by issues such as ensuring a variety of course options, providing adequate information for decision-making, and maintaining educational quality. Additionally, the paper notes the difficulties faced by course recommender systems, particularly in managing complex decision spaces and addressing the cold start problem for new students, as emphasized by previous studies.
Results
The results section of the study identifies five key design principles for educational technology interventions aimed at enhancing elective course selection. First, **segment-aware personalization** is crucial, as the identification of four distinct student segments suggests that uniform interventions may be ineffective; thus, technology should tailor information based on student segment membership. Second, **information quality prioritization** is highlighted, with the availability of course information before selection being the second strongest predictor of overall satisfaction (β = 0.28), particularly for process-sensitive selectors (β = 0.36). This underscores the need for improved course information systems.
Third, **expectation-outcome alignment** is emphasized as the strongest predictor of satisfaction (β = 0.31), indicating that technology should facilitate accurate expectation formation through detailed syllabi and outcome data. Fourth, **career pathway integration** is vital, as 64% of students consider career relevance important, with a significant predictor for career-focused pragmatists (β = 0.42). Finally, while **process accessibility** was not a significant predictor overall, it remains important for 24% of students who are process-sensitive, suggesting that interventions should focus on enhancing usability and timing for this group. The study employs educational data mining techniques to analyze student experiences, contributing to a nuanced understanding of elective course selection that aligns with and extends existing research.
Discussion
In this section, the research discusses the development and implementation of a survey instrument aimed at understanding student perspectives on elective course selection within a Ukrainian university context. The survey, designed with input from faculty and students, included 14 items focusing on privacy and transparency, and was administered electronically, yielding 1,089 valid responses (31% response rate). The data collected has been made publicly available as a FAIR dataset to promote transparency and reproducibility. A mixed-methods approach was employed for data analysis, incorporating statistical techniques, machine learning, and qualitative text analysis to explore satisfaction metrics and identify distinct student segments based on their selection patterns.
The analysis revealed four student segments: career-focused pragmatists, content enthusiasts, process-sensitive selectors, and balanced optimizers, each demonstrating unique selection behaviors and satisfaction predictors. Key factors influencing overall satisfaction included alignment with expectations, information availability, teaching quality, relevance to career goals, and variety of offerings, with the model explaining 63% of the variance in satisfaction. The findings suggest that interventions in elective course selection should be tailored to these segments to enhance student experiences, as uniform approaches may not effectively address the diverse needs of the student population. An integrated framework for personalized course selection support was proposed, emphasizing the importance of segment-specific recommendations and transparency in course information to improve overall satisfaction.
Limitations
The limitations of this study highlight several areas for future research. Firstly, the reliance on self-reported data from a single point in time restricts the ability to draw causal inferences regarding the predictors of satisfaction and their outcomes. Longitudinal studies that follow students throughout their academic careers could yield deeper insights into how satisfaction evolves and the long-term impacts of early academic choices. Additionally, while the response rate of 31% is acceptable for voluntary online surveys, it raises concerns about potential selection bias, as students with stronger opinions may have been more inclined to participate. Future research could benefit from employing stratified sampling techniques to ensure a more balanced representation of student perspectives.
Moreover, the study’s focus on a single institution in Ukraine limits the generalizability of the findings. The observed patterns, particularly the weak influence of peer recommendations, may be influenced by cultural and institutional factors unique to this context. Comparative studies across various institutions and countries could enhance understanding of how these factors shape elective course systems. Furthermore, the analysis primarily centered on student perspectives, suggesting a need for future research to incorporate faculty insights, administrative data, and educational outcomes to develop a more holistic view of elective system effectiveness. The study’s segmentation model, while statistically supported, represents just one categorization of student approaches; exploring alternative clustering solutions could uncover additional distinctions. Lastly, the proposed framework requires empirical validation through implementation studies, such as randomized controlled trials, to assess its effectiveness in improving student outcomes.