ОЦЕНКА ИНСТИТУЦИОНАЛЬНОЙ ГЕТЕРОГЕННОСТИ ДАННЫХ ДЛЯ СИСТЕМ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА
https://doi.org/10.53360/2788-7995-2026-3(23)-23
Аннотация
В работе количественно оценивается институциональная гетерогенность цифровой вовлечённости и учебных результатов на анонимизированных данных школ Казахстана, включающих записи двух EdTech-платформ (Twig-bilim.kz, BilimLand.kz) и баллы входного диагностического тестирования. С помощью однофакторного ANOVA/декомпозиции коэффициента внутриклассовой корреляции (ICC) и многоуровневого моделирования со случайным пересечением показано, что принадлежность к школе объясняет 8,8-9,8% дисперсии цифровой вовлечённости и 30,0-30,7% дисперсии баллов входного тестирования, при этом ANOVA-оценки доли межшкольной дисперсии и ICC из модели смешанного влияния численно близки. Полученные оценки указывают на содержательно заметную межшкольную гетерогенность, особенно для результатов входного диагностического тестирования. Результаты показывают, что институциональную кластеризацию следует явно учитывать при оценке калибровки и обобщающей способности моделей машинного обучения между школами с различающимися распределениями результатов, и обосновывают необходимость валидации при проектировании ИИ-систем раннего предупреждения и адаптивного обучения, призванных поддерживать гибкий и справедливый доступ к образованию. Результаты обсуждаются в контексте текущих инициатив цифровизации школ Казахстана и более широкой литературы об алгоритмической справедливости в образовании.
Ключевые слова
Об авторах
К. Е. ИкласоваКазахстан
Кайнижамал Есимсеитовна Икласова – PhD, доцент кафедры «Информационно-коммуникационные технологии»
150000, Республика Казахстан, г. Петропавловск, ул. Пушкина, 86
Л. Н. Абдулла
Малайзия
Лили Нурлияна Абдулла – PhD, ассоциированный профессор кафедры мультимедиа, факультет компьютерных наук и информационных технологий
Малайзия, Серданг, Селангор, 43400 Сери Кембанган
М. Ж. Базарова
Казахстан
Мадина Жомартовна Базарова – PhD, ассоциированный профессор кафедры «Компьютерное моделирование и информационные технологии»
070002, Республика Казахстан, г. Усть-Каменогорск, ул. 30-й Гвардейской дивизии, 34
Список литературы
1. Khalifeh F. Redefining personalized learning in the artificial intelligence era: An updated systematic review from 2019 to 2025 / F. Khalifeh, R. Santiago, R. Palau // Smart Learning Environments. – 2026. – Vol. 13. – Art. 19. https://doi.org/10.1186/s40561-026-00440-6.
2. The impact of the digital divide on synchronous online teaching in Kazakhstan during COVID-19 school closures / A. Amirova et al // Frontiers in Education. – 2023. – Vol. 7. – Art. 1083651. https://doi.org/10.3389/feduc.2022.1083651.
3. How artificial intelligence transforms education in Kazakhstan // The Astana Times. – 2026. – 7 January. https://astanatimes.com/2026/01/how-artificial-intelligence-transforms-education-inkazakhstan/ (date of access: 02.09.2026).
4. Raudenbush S.W. Hierarchical Linear Models: Applications and Data Analysis Methods / S.W. Raudenbush, A.S. Bryk. – 2nd ed. – Thousand Oaks, CA: Sage Publications, 2002.
5. From school AI readiness to student AI literacy: A national multilevel mediation analysis of institutional capacity and teacher capability / X. Guan et al // arXiv. – 2026. – arXiv:2603.20056. – https://doi.org/10.48550/arXiv.2603.20056.
6. To N.P. Fairness for machine learning software in education: A systematic mapping study / N.P. To, P.N. Hung, A. NguyenDuc // SSRN. – 2024. https://doi.org/10.2139/ssrn.4713827.
7. Idowu J.A. Investigating algorithmic bias in student progress monitoring / J.A. Idowu, A.S. Koshiyama, P. Treleaven // Computers and Education: Artificial Intelligence. – 2024. – Vol. 7. – Art. 100267. https://doi.org/10.1016/j.caeai.2024.100267.
8. El Jihaoui M. Towards a fair and transparent early warning system for identifying students at risk of academic failure / M. El Jihaoui, O.E.K. Abra, K. Mansouri // Frontiers in Education. – 2026. – Vol. 11. – Art. 1878686. https://doi.org/10.3389/feduc.2026.1878686.
9. Adaptive learning mechanisms for learning management systems: A scoping review and practical considerations / S. Kucharski et al // arXiv. – 2025. – arXiv:2512.18383.
10. The role of digital technologies in higher education institutions: The case of Kazakhstan / D. Nurtayeva et al // Problems and Perspectives in Management. – 2024. – Vol. 22, № 1. – P. 562-577. https://doi.org/10.21511/ppm.22(1).2024.45.
11. COVID-19 online learning challenges: Kazakhstan secondary schools case study / S. Nurgaliyeva et al // Frontiers in Education. – 2024. – Vol. 9. – Art. 1448594. https://doi.org/10.3389/feduc.2024.1448594.
12. Pokidaev D. Kazakhstan to launch digital schools project / D. Pokidaev // The Times of Central Asia. – 2026. – 2 April. https://timesca.com/kazakhstan-to-launch-digital-schools-project/ (date of access: 02.09.2026).
13. McKinney W. Data structures for statistical computing in Python / W. McKinney // Proceedings of the 9th Python in Science Conference (SciPy 2010). – 2010. – P. 56-61. https://doi.org/10.25080/Majora-92bf1922-00a.
14. Seabold S. Statsmodels: Econometric and statistical modeling with Python / S. Seabold, J. Perktold // Proceedings of the 9th Python in Science Conference (SciPy 2010). – 2010. – P. 92-96. https://doi.org/10.25080/Majora-92bf1922-011.
15. Hedges L.V. Intraclass correlation values for planning group-randomized trials in education / L.V. Hedges, E.C. Hedberg // Educational Evaluation and Policy Analysis. – 2007. – Vol. 29, № 1. – P. 60-87. https://doi.org/10.3102/0162373707299706.
Рецензия
Для цитирования:
Икласова К.Е., Абдулла Л.Н., Базарова М.Ж. ОЦЕНКА ИНСТИТУЦИОНАЛЬНОЙ ГЕТЕРОГЕННОСТИ ДАННЫХ ДЛЯ СИСТЕМ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА. Вестник Университета Шакарима. Серия технические науки. 2026;(3(23)):227-235. https://doi.org/10.53360/2788-7995-2026-3(23)-23
For citation:
Iklassova К.E., Abdullah L.N., Bazarova М.Zh. ASSESSMENT OF INSTITUTIONAL DATA HETEROGENEITY FOR ARTIFICIAL INTELLIGENCE SYSTEMS. Bulletin of Shakarim University. Technical Sciences. 2026;(3(23)):227-235. https://doi.org/10.53360/2788-7995-2026-3(23)-23
JATS XML















