Об опыте применения аналитической платформы Loginom в анализе данных в процессе преподавания информатики

Русин В.В., Седов Р.Л.

DOI: 10.23951/2307-6127-2026-1-56-67

Информация об авторе:

Русин В.В., кандидат технических наук, старший преподаватель, Военный институт физической культуры (Большой Сампсониевский проспект, 63, Санкт-Петербург, Россия, 194044). E-mail: roosac@mail.ru; ORCID ID: 0009-0003-9938-4736; SPIN-код: 3500-3845. Седов Р.Л., кандидат технических наук, доцент, Северо-Западный институт управления Российской академии народного хозяйства и государственной службы при Президенте РФ (СЗИУ РАНХиГС) (Средний проспект Васильевского острова, 57, Санкт-Петербург, Россия, 199178). E-mail: rsedoff@yandex.ru; ORCID ID: 0000-0002-4623-8386; SPIN-код: 9789-6766.

Представлен опыт применения отечественной аналитической low-code платформы Loginom в контексте преподавания информатики студентам нетехнических специальностей, в первую очередь экономистам и менеджерам здравоохранения. Целью исследования является демонстрация возможностей платформы Loginom для глубокого анализа сложных наборов данных, включая медицинскую статистику, которая традиционно представляет определенные трудности из-за разнородности и неструктурированности информации. На примере реальных данных из базы 1С:Здравоохранение (информация о пациентах: пол, возраст, диагнозы, даты поступления/выписки и др.) демонстрируется, как Loginom может быть использован для описательного анализа, визуализации, кластеризации и проверки статистических гипотез. Подробно описан процесс статистического анализа данных, включая выделение закономерностей, связанных с внутрибольничной летальностью, а также проводится попытка моделирования распределения времени пребывания в стационаре пациентов с летальными исходами. Показаны результаты применения различных методов анализа, таких как сводный анализ, статистическое прогнозирование и проверка непараметрических гипотез. Особое внимание уделяется визуализации данных и кластеризации, которые позволяют сделать сложные результаты более наглядными и понятными. Проводится сравнение Loginom с другими аналитическими инструментами и акцентируется внимание на преимуществах использования данного отечественного ПО, использующего технологии low-code для специалистов без навыков программирования. Также обсуждаются проблемы, возникающие при использовании low-code платформ в образовательном процессе, и предлагаются педагогические методы их решения. В заключение подчеркивается, что применение Loginom способствует повышению мотивации обучающихся, развитию исследовательских навыков и их адаптации к будущей профессии.

Ключевые слова: Loginom, статистический анализ, импортозамещение, информатика

Библиография:

1. Шайтура С.В. Интеллектуальный анализ геоданных // Перспективы науки и образования. 2015. № 6 (18). С. 24–30.

2. Орлов А.И. Прикладная статистика: учеб. пособие. 2-е изд. М.: ИНТУИТ, 2016. 946 с. URL: https://e.lanbook.com/book/100765 (дата обращения: 29.04.2025).

3. Бровка Н.В. Дидактические особенности организации компьютерных средств обучения студентов математических специальностей // Информатика и образование. 2020. № 1 (310). С. 34–41. doi: 10.32517/0234-0453-2020-35-1-34-41. EDN YJBVND

4. Обзор российских low-code платформ для бизнеса // Сайт компании «IT Guild» Co.Ltd. URL: https://it-guild.com/info/blog/obzor-rossijskih-low-code-platform-dlya-biznesa (дата обращения: 29.04.2025).

5. Low-code платформы 2025 // CNews.ru. URL: https://www.cnews.ru/reviews/low-code_platformy_2025 (дата обращения: 29.04.2025).

6. Грушевский С.П., Назаров А.В., Назарова О.В. Модель проектирования интерактивного дидактического контента посредством свободного и российского программного обеспечения // Информатика и образование. 2023. Т. 38, № 2. С. 47–56. doi: 10.32517/0234-0453-2023-38-2-47-56. EDN CSTRUI

7. Шитова Т.Ф. Обучение студентов управленческих специальностей программным продуктам фирмы «1С» // Информатика и образование. 2019. № 7 (306). С. 23–31. doi: 10.32517/0234-0453-2019-34-7-23-31. EDN EUTJAB

8. Y. Li [et al.] The correlation between BCG immunization coverage and the severity of COVID-19 // Egypt J Bronchol. 2020. Vol. 14, № 1. Р. 25–43.

9. 8 самых популярных языков программирования для работы с Big Data // Яндекс.Практикум. Анализ данных 28.07.2022 URL: https://practicum.yandex.ru/blog/yazyki-programmirovaniya-dlya-big-data/ (дата обращения: 29.04.2025).

10. От «R против Python» к «R и Python»: два в одном // Библиотека программиста. URL: https://proglib.io/p/r-and-python?ysclid=m65nqs5ovu813702094 (дата обращения: 21.01.2025).

11. Гмурман В.Е. Теория вероятностей и математическая статистика: учеб. для вузов. 12-е изд. М.: Юрайт, 2025. 479 с. URL: https://urait.ru/bcode/559584 (дата обращения: 29.04.2025).

12. Красс М.С., Чупрынов Б.П. Математика в экономике. Математические методы и модели: учебник. М.: Финансы и статистика, 2007. 544 с.

13. Стрикалов А.И., Печенежская И.А. Экономико-математические методы и модели: пособие к решению задач. Ростов н/Д: Феникс, 2008. 348 с.

14. Ногин В.Д. Множество и принцип Парето. 2-е изд., испр. и доп. СПб.: Издательско-полиграфическая ассоциация высших учебных заведений, 2022. 111 с.

15. Экономика здравоохранения / под ред. М.Г. Колосницыной, И.М. Шеймана, С.В. Шишкиной. 2-е изд., перераб. и доп. М.: ГЭОТАР-Медиа, 2022. 464 с. : ил.

16. Sam Data Adept. 2024’s Essential AI Toolkit: Top 10 AI Tools for Every Data Analyst – Data Adepts URL: https://data-adepts.com/2024/01/2024s-essential-ai-toolkit-top-10-ai-tools-for-every-data-analyst/ (дата обращения: 29.04.2025).

17. GitHub – rstudio/rstudio: RStudio is an integrated development environment (IDE) for R. URL: https://github.com/rstudio/rstudio?ysclid=mahfotk9pe148749739 (дата обращения: 29.04.2025).

18. Welcome to Python.org // The official home of the Python Programming Language. URL: https://www.python.org (дата обращения: 29.04.2025).

19. Python Data Analysis with Pandas and Matplotlib // Coding club. URL: https://ourcodingclub.github.io/tutorials/pandas-python-intro (дата обращения: 29.04.2025).

20. Прокопенко Н.Ю. Аналитические информационные системы поддержки принятия решений: учеб. пособие. Н. Новгород: ННГАСУ, 2020. 142 с. URL: https://bibl.nngasu.ru/electronicresources/uch-metod/programming/Analit%20IS.pdf?ysclid=m3was0oifz561213794 (дата обращения: 23.11.2024).

21. Поллак Г.А., Прохорова И.А. Практический курс анализа данных на платформе Loginom: учеб. пособие. М.: Ай Пи Ар Медиа, 2022. 208 c. URL: https://www.iprbookshop.ru/122467.html (дата обращения: 21.01.2025).

22. Рындина С.В. Основы анализа больших массивов данных (ML-платформа Loginom): учеб.-метод. пособие. Пенза: Изд-во ПГУ, 2023. 80 с.

23. Яковлев В.Б. Анализ данных в аналитической платформе Loginom: учеб. пособие. Germany, Saarbrücken: Lambert Academic Publishing, 2020. 184 с. URL: https://www.elibrary.ru/item.asp?id=43873628 (дата обращения 29.04.2025).

24. Яковлев В.Б. Эконометрика на платформе Loginom: учеб. пособие. М.: КноРус, 2024. 243 с. URL: https://book.ru/book/950423 (дата обращения: 21.01.2025).

25. Эффективное обучение работе с платформой Loginom: официальный сайт. URL: https://loginom.ru/blog/introduction-loginom?ysclid=m3wa5ng9zp888434981 (дата обращения 29.04.2025).

( 853.93 kB ) ( 760.71 kB )

Выпуск: 1, 2026

Серия выпуска: Выпуск № 1

Рубрика: ТЕОРИЯ И МЕТОДИКА ОБУЧЕНИЯ И ВОСПИТАНИЯ

Страницы: 56 — 67

Скачиваний: 20