Ярославль, Ярославская область, Россия
Ярославль, Ярославская область, Россия
Ярославль, Ярославская область, Россия
ВАК 5.2.3 Региональная и отраслевая экономика
В условиях цифровой трансформации экономики эффективное развитие человеческого капитала приобретает статус приоритетного направления структурной модернизации. Одним из ключевых механизмов, обеспечивающих актуализацию профессиональных компетенций и повышение производительности труда, выступает система дополнительного профессионального образования (ДПО). Настоящая статья раскрывает теоретико-экономические основания значимости ДПО как инструмента гибкой адаптации рабочей силы к изменениям в технологическом укладе. Особое внимание уделено проблеме недостаточной персонализации образовательных траекторий, приводящей к отчислениям и снижению отдачи от инвестиций в обучение. В качестве решения рассматривается внедрение технологий по сбору цифрового следа и предиктивных моделей сопровождения обучающихся (Predictive Student Guidance Technologies, PSGT), обеспечивающих динамическую настройку индивидуальных образовательных траекторий. На основе анализа мировой практики и теоретических разработок предложена концептуальная модель цифровой экосистемы ДПО, направленная на повышение эффективности формирования человеческого капитала. Исследование носит междисциплинарный характер и ориентировано на интеграцию экономической теории и цифровых образовательных технологий.
человеческий капитал; дополнительное профессиональное образование; цифровая трансформация; предиктивные модели; индивидуальные образовательные траектории; цифровой след; эффективность инвестиций в обучение; цифровая экономика.
1. Авдеева, Д. А. (2024). Вклад человеческого капитала в рост российской экономики // Экономический журнал ВШЭ. Т. 28, № 1. С. 9–43. DOI:https://doi.org/10.17323/1813-8691-2024-28-1-9-43. EDN: https://elibrary.ru/DVKDJY
2. Верхорубова, П. А., Едренкина, М. В., Попова, Е. И. (2021). Проектирование цифрового следа реализации индивидуальных образовательных траекторий // Вестник Шадринского государственного педагогического университета. № 4(52). С. 46–55. DOI:https://doi.org/10.52772/25420291_2021_4_46. URL: https://vestnikshspu.ru/journal/article/view/830 (дата обращения: 17.10.2025). EDN: https://elibrary.ru/ZPAILO
3. Воеводина, Е. И., Наумов, Д. В. (2024). Подходы к построению концептуальной модели цифрового университета в условиях цифровой трансформации образования // Экономика и управление: проблемы, решения. Т. 21, № 12(153). С. 118–124. DOI:https://doi.org/10.36871/ek.up.p.r.2024.12.21.016. EDN: https://elibrary.ru/JNZCZA
4. Кваша, В. А., Колесов, Р. В., Воеводина, Е. И. (2025). Внедрение индивидуальных образовательных траекторий в образовательные программы университета и их влияние на удовлетворенность студентов учебной деятельностью // Перспективы науки и образования. № 5(77). С. 69–85. DOI:https://doi.org/10.32744/pse.2025.5.5. EDN: https://elibrary.ru/JMUUMK
5. Arnold, K. E., & Pistilli, M. D. (2012). Course Signals at Purdue: Using Learning Analytics to Increase Student Success // Proceedings of the 2nd International Conference on Learning Analytics and Knowledge (LAK’12). New York: ACM. P. 267–270. URL: https://er.educause.edu/articles/2012/7/signals-using-academic-analytics-to-promote-student-success (дата обращения: 26.10.2025).
6. Arnold, K. E., & Pistilli, M. D. (2012). Signals: Using Academic Analytics to Promote Student Success // EDUCAUSE Review. 17 July 2012. URL: https://er.educause.edu/articles/2012/7/signals-using-academic-analytics-to-promote-student-success (дата обращения: 26.10.2025).
7. Chen, F., Milln, P., Suddaby, G., & Higgins, A. (2020). Utilizing Student Time Series Behaviour in Learning Analytics: A Case Study // Journal of Learning Analytics. Vol. 7, No. 2. P. 1–17. URL: https://learning-analytics.info/index.php/JLA/article/view/6777 (дата обращения: 16.10.2025).
8. Chung, J. Y., & Lee, S. (2019). Dropout Early Warning Systems for High School Students Using Machine Learning // Computers & Education: Artificial Intelligence. Vol. 96. P. 346–353. URL: https://ideas.repec.org/a/eee/cysrev/v96y2019icp346-353.html (дата обращения: 26.10.2025).
9. D2L Corporation. (2025). Boost Corporate Learning with Predictive Analytics // D2L Blog. 29.10.2025. URL: https://www.d2l.com/blog/boost-corporate-learning-predictive-analytics/ (дата обращения: 26.10.2025).
10. Khachaturyan, A. A. (2021). Human Capital in the Digital Economy // Resources and Environmental Economics. Vol. 4, No. 1. P. 314–324. DOI:https://doi.org/10.25082/REE.2022.01.002. EDN: https://elibrary.ru/WHGILU
11. Lauricella Coolberth, N. (2025). 8 Reasons Why Skills Training is Key to Economic Prosperity: The Empirical Case for Investments in Workforce Development [Электронный ресурс]. Washington, DC: National Skills Coalition. URL: https://nationalskillscoalition.org/wp-content/uploads/2025/05/NSC_EmpiricalCaseforSkills_May2025.pdf (дата обращения: 27.10.2025).
12. Lee, S., & Chung, J. Y. (2019). The Machine Learning-Based Dropout Early Warning System for Improving the Performance of a University // Applied Sciences. Vol. 9, No. 15. Art. 3093. URL: https://www.mdpi.com/2076-3417/9/15/3093 (дата обращения: 16.10.2025).
13. López-Zambrano, J., Lara, J. A., & Romero, C. (2021). Early Prediction of Students’ Performance Using Digital Traces in Virtual Learning Environments // Psicothema. Vol. 33, No. 1. P. 74–81. URL: https://www.psicothema.com/pdf/4692.pdf (дата обращения: 26.10.2025).
14. National Skills Coalition. (2023). New Report: 92% of Jobs Require Digital Skills, One-Third of Workers Have Low or No Digital Skills Due to Historic Underinvestment, Structural Inequities [Электронный ресурс]. URL: https://nationalskillscoalition.org/news/press-releases/new-report-92-of-jobs-require-digital-skills-one-third-of-workers-have-low-or-no-digital-skills-due-to-historic-underinvestment-structural-inequities/ (дата обращения: 20.10.2025).
15. Naveed, A. (2025). Using Predictive Analytics to Reduce Dropout Rates in Online Courses [Электронный ресурс] // Edly Blog. URL: https://edly.io/blog/predictive-analytics-to-reduce-dropouts-in-online-courses/ (дата обращения: 27.10.2025).
16. Onopriienko, K., Petrushenko, Y., Duranowski, W., & Artyukhov, A. (2021). Development of Regions, Industries and Types of Economic Activity // Bulletin of the Cherkasy National University. Economic Sciences. Issue 1. P. 49–56. DOI:https://doi.org/10.31651/2076-5843-2021-1-49-56. URL: https://scispace.com/pdf/digitalization-of-adult-education-in-the-context-of-human-3jth1til2h.pdf (дата обращения: 21.10.2025).
17. Ortigosa, A., Carro, R. M., & Quiroga, J. I. (2019). From Lab to Production: Lessons Learnt and Real-Life Challenges of an Early Student-Dropout Prevention System // Proceedings of the Tenth International Conference on Intelligent Data Engineering and Automated Learning (IDEAL 2019). URL: https://udimundus.udima.es/bitstream/handle/20.500.12226/220/From-Lab-to-Production-Lessons-Learnt-and-Real-Life-Challenges-of-an-Early-Student-Dropout-Prevention-System.pdf (дата обращения: 26.10.2025).
18. Russia: Productivity, relative to the U.S. [Электронный ресурс] // TheGlobalEconomy.com. URL: https://www.theglobaleconomy.com/Russia/productivity_relative_to_US/ (дата обращения: 27.10.2025).
19. Shamsutdinova, T. M. (2020). Cognitive Model of Electronic Learning Trajectories Based on Digital Footprint // Open Education. Vol. 24, No. 2. P. 47–54. DOI:https://doi.org/10.21686/1818-4243-2020-2-47-54. EDN: https://elibrary.ru/PWCSEE
20. Sulumov, S. K. (2023). Transformation of the Vocational Training System in the Conditions of Digitalization of the Labor Market // SHS Web of Conferences. Vol. 172. Art. 01031. DOI:https://doi.org/10.1051/shsconf/202317201031. EDN: https://elibrary.ru/LEFBLM
21. Timofeeva, E. G., & Dorofeeva, A. A. (2022). Digital Transformation of the Russian Historical Education: Regional Aspect // Galactica Media: Journal of Media Studies. Vol. 4, No. 4. P. 284–294. DOI:https://doi.org/10.46539/gmd.v4i4.350. URL: https://galacticamedia.com/index.php/gmd/article/view/350 (дата обращения: 06.10.2025).
22. Veshkurova, A., Kopylova, N., Aleksashina, T., & Alyamkina, E. (2022). The Role of Human Capital in Ensuring the Digital Transformation of Russian Companies // Proceedings of the IX International Scientific and Practical Conference “Current Problems of Social and Labour Relations” (ISPC-CPSLR 2021). P. 405–410. DOI:https://doi.org/10.2991/assehr.k.220208.071.
