«СтудПрогноз» — интеллектуальная система предиктивной аналитики академических рисков на основе цифровых двойников студентов.

Проблема. В российских вузах нет отечественных ИИ-систем, которые прогнозируют отчисление, а не просто фиксируют уже возникшие долги. Ежегодно отчисляется ~18% студентов, вуз теряет бюджетные места, а кураторы тратят 10–20 часов в месяц на ручную сводку таблиц — проблемного студента замечают только на экзаменационной комиссии, когда помогать уже поздно.

Решение. «СтудПрогноз» — веб-сервис, который строит цифровой двойник каждого студента и на основе гибридной модели Random Forest + LSTM прогнозирует академические и социальные риски (выгорание, срыв дедлайнов, отчисление) за 3–4 недели до критической точки. Роли в системе: студент, куратор, учебная часть. Данные агрегируются из электронных журналов, СДО (Moodle) и систем посещаемости через ETL-процесс.

Научная новизна. Впервые в России академические и социальные (выгорание) риски объединены в единой модели; применён гибридный подход Random Forest + LSTM с адаптацией к российской балльно-рейтинговой системе. Отечественных аналогов с прогнозированием на основе ИИ нет.

Технологии: Python (scikit-learn, PyTorch), ETL на Python, PostgreSQL, веб-интерфейс на React + FastAPI.

Рынок. Целевые потребители — образовательные организации высшего и среднего профессионального образования РФ (~4500 организаций). Модель монетизации — подписка, ~100 тыс. руб./год. Стратегия: пилот в ДГУ → обратная связь → коммерческие продажи со второго года.

Команда: Арефьева Алина (лидер), Абдурахманова Фатима (ML-разработчик), Османова Залина (аналитик), Абулаева Хава (бэкенд-разработчик), Алакаева Умида (фронтенд-разработчик).

На страницу проекта