Управление рисками в университетах на основе данных: применение аналитики и прогнозных моделей

Управление рисками в университетах на основе данных: применение аналитики и прогнозных моделей

Авторы

  • Назгуль Давлетбаева Карагандинский национальный исследовательский университет им. Е.А. Букетова, Караганда, Казахстан
  • Торғын Нұрсейт Карагандинский национальный исследовательский университет имени академика Е.А. Букетова, Караганда, Казахстан
  • Куат Жетписбаев Карагандинский национальный исследовательский университет имени академика Е.А. Букетова, Караганда, Казахстан
  • Актам Бурханов Ташкентский государственный экономический университет, Ташкент, Узбекстан
  • Айгерим Рахметоллаева Карагандинский национальный исследовательский университет имени академика Е.А. Букетова, Караганда, Казахстан

DOI:

https://doi.org/10.31489/2026FEB1/1393

Ключевые слова:

управление рисками на основе данных, университеты, аналитика обучения, корпоративное управление рисками

Аннотация

Современные Университеты функционируют в условиях возрастающей неопределенности, вызванной цифровой трансформацией, финансовой нестабильностью, демографическими изменениями, конкуренцией за студентов и академические кадры, киберугрозами, а также ростом требований со стороны регуляторов и общества. Традиционное управление рисками в системе высшего образования часто остается фрагментарным, реактивным и недостаточно связанным со стратегическим принятием решений. Целью данного исследования является разработка концептуально-прикладной модели управления рисками в Университетах на основе данных путем интеграции enterprise risk management, ключевых индикаторов риска, управленческих панелей, learning analytics и прогнозных моделей. Исследование имеет концептуально-прикладной характер и основано на обзоре международной литературы по риск-менеджменту, обучающей аналитике, системам раннего предупреждения, прогнозной аналитике и цифровому управлению в высшем образовании. Методологическую основу составили системный анализ, сравнительный анализ, картирование рисков, оценка зрелости и концептуальное моделирование. В результате предложена интегрированная data-driven ERM-модель, включающая пять компонентов: архитектуру риск-данных, таксономию рисков, ключевые индикаторы риска, прогнозные модели и механизмы управленческого реагирования. Также представлены примеры индикаторов, пороговых значений, матрицы оценки рисков и применения прогнозных моделей для академических, финансовых, цифровых, кадровых, операционных и репутационных рисков. Полученные результаты показывают, что аналитика и прогнозные модели позволяют трансформировать риск-менеджмент университета из формальной контрольной функции в проактивную, измеримую и доказательную систему управления. Практическая значимость исследования заключается в возможности применения предложенной модели в университетах Казахстана для раннего выявления рисков, стратегического планирования и повышения институциональной устойчивости.

Библиографические ссылки

Bañeres, D., Rodríguez, M. E., Guerrero-Roldán, A. E., & Karadeniz, A. (2020). An early warning system to detect at-risk students in online higher education. Applied Sciences, 10(13), 4427.

https://doi.org/10.3390/app10134427

Bañeres, D., Rodríguez, M. E., Guerrero-Roldán, A. E., & Cortadas, P. (2023). An early warning system to identify and intervene online dropout learners. International Journal of Educational Technology in

Higher Education, 20, 3. https://doi.org/10.1186/s41239-022-00371-5

Committee of Sponsoring Organizations of the Treadway Commission. (2017). Enterprise Risk Management — Integrating with Strategy and Performance. COSO. Retrieved from

https://www.coso.org/enterprise-risk-management

Cui, Y., Chen, F., Shiri, A., & Fan, Y. (2019). Predictive analytic models of student success in higher

education: A review of methodology. Information and Learning Sciences, 120(3/4), 208–227.

https://doi.org/10.1108/ILS-10-2018-0104

International Organization for Standardization. (2018). ISO 31000:2018 Risk management — Guidelines. ISO. Retrieved from https://www.iso.org/standard/65694.html

Khaw, T. Y., & Teoh, A. P. (2023). Risk management in higher education research: A systematic literature review. Quality Assurance in Education, 31(2), 296–312. https://doi.org/10.1108/QAE-04-2022-0097

de Oliveira, C. F., Sobral, S. R., Ferreira, M. J., & Moreira, F. (2021). How does learning analytics contribute to prevent students’ dropout in higher education: A systematic literature review. Big Data and Cognitive Computing, 5(4), 64. https://doi.org/10.3390/bdcc5040064

Siemens, G. (2013). Learning analytics: The emergence of a discipline. American Behavioral Scientist,

57(10), 1380–1400. https://doi.org/10.1177/0002764213498851

Zawacki-Richter, O., Marín, V. I., Bond, M., & Gouverneur, F. (2019). Systematic review of research

on artificial intelligence applications in higher education — Where are the educators? International Journal

of Educational Technology in Higher Education, 16, 39. https://doi.org/10.1186/s41239-019-0171-0

Опубликована онлайн

2026-09-30

Как цитировать

Давлетбаева, Н., Нұрсейт , Т., Жетписбаев, К., Бурханов , А., & Рахметоллаева , А. (2026). Управление рисками в университетах на основе данных: применение аналитики и прогнозных моделей. Economic Research and Management Decisions, 1(2), 32–42. https://doi.org/10.31489/2026FEB1/1393