Многомерность образовательного опыта как основа удовлетворенности студентов

В условиях усиливающейся конкуренции в сфере высшего образования университеты все чаще обращаются к анализу студенческого опыта как ключевого показателя качества образовательной среды. Однако распространенные шкальные методы измерения удовлетворенности не позволяют выявлять глубинные причины оценок и игнорируют многомерность образовательного опыта. В исследовании предлагается двухэтапный подход к анализу обратной связи 4910 студентов федерального университета, основанный на частотном анализе открытых ответов и экспертной рубрикации, который позволил систематизировать более 15 тыс. текстовых комментариев и выявить скрытые взаимосвязи между аспектами учебного процесса, практик, научно-исследовательской деятельности, инфраструктуры, информированности и социально-психологического климата. Результаты демонстрируют, что восприятие образовательной среды формируется как многомерный опыт. Студенты оценивают университет как единую систему, и снижение качества в одной сфере ведет к падению удовлетворенности в других. Значимыми драйверами выступают уважительное отношение, поддержка, прозрачные коммуникации и удобные цифровые сервисы и общая сервисная логика взаимодействия. Полученные данные имеют практическую ценность для совершенствования систем управления качеством образования, разработки цифровых сервисов и построения эффективной системы взаимодействия «студент – вуз».

1. Marginson S. Competition and markets in higher education: a "glonacal" analysis // Policy Futures in Education. 2004. No. 2 (2). doi:10.2304/PFIE.2004.2.2.2.

2. Информационно-аналитические материалы по результатам проведения мониторинга деятельности образовательных организаций высшего образования. URL: https://monitoring.miccedu.ru/?m=vpo&year=2024 (дата обращения: 06.10.2025).

3. Guilbault M. Students as customers in higher education: the (controversial) debate needs to end // Journal of Retailing and Consumer Services. 2018. No. 40. Pp. 295–298. doi:10.1016/j.jretconser.2017.03.006.

4. Лызь Н.А., Голубева Е.В., Истратова О.Н. Образовательный опыт студентов: концептуализация и разработка инструмента оценки качества образования // Вопросы образования. 2022. № 3. С. 67–98. doi:10.17323/1814-9545-2022-3-67-98.

5. Definitions of quality in higher education: a synthesis of the literature / L. Schindler, S. Puls-Elvidge, H. Welzant, L. Crawford // Higher Learning Research Communications. 2015. No. 5 (3). Pp. 3–13. doi:10.18870/hlrc.v5i3.244.

6. Understanding student satisfaction and dissatisfaction: an interpretive study in the UK higher education context / J.A. Douglas, A. Douglas, R. McClelland, J. Davies // Studies in Higher Education. 2015. No. 40 (2). Pp. 329–349. doi:10.1080/03075079.2013.842217.

7. Marques F., Hernández-Leo D., Castillo C. Beyond bias in student satisfaction surveys: exploring the role of grades and satisfaction with the learning design // Journal of New Approaches in Educational Research. 2025. No. 14. doi:10.1007/s44322-025-00030-3.

8. Sun Y., Yan W. Using topic modeling to understand comments in student evaluations of teaching // Studies in Educational Evaluation. 2023. No. 78. doi:10.1016/j.stueduc.2023.101252.

9. Aznar-Mas L.E., Atarés-Huerta L., Marin-Garcia J.A. Effectiveness of the use of open-ended questions in student evaluation of teaching in an engineering degree // Journal of Industrial Engineering and Management. 2023. No. 16 (3). Pp. 521–534. doi:10.3926/jiem.5620.

10. Paricio J. Students as customers: a paradigm shift in higher education // Debats. Journal on Culture, Power and Society. 2017. No. 131 (3). Pp. 137–149. doi:10.28939/iam.debats-en.2017-11.

11. Lubicz-Nawrocka T., C. Bovill Do students experience transformation through co-creating curriculum in higher education? // Teaching in Higher Education. 2021. No. 28 (7). Pp. 1744–1760. doi:10.1080/13562517.2021.1928060.

12. Towards a comprehensive student satisfaction model / M. Haverila, K. Haverila, C. McLaughlin, M. Arora // The International Journal of Management Education. 2021. No. 19 (3). doi:10.1016/j.ijme.2021.100558.

13. Matus N., Rusu C., Cano S. Student eXperience: a systematic literature review // Applied Sciences. 2021. No. 11 (20). doi:10.3390/app11209543.

14. Understanding the multidimensional nature of student engagement during the first year of higher education / V. Korhonen, M. Mattsson, M. Inkinen, A. Toom // Frontiers in Psychology. 2019. No. 10. doi:10.3389/fpsyg.2019.01056.

15. Ammigan R., Dennis J.L., Jones E. The differential impact of learning experiences on international student satisfaction and institutional recommendation // Journal of International Students. 2021. No. 11 (2). Pp. 299–321. doi:10.32674/jis.v11i2.2038.

16. Than W.W., Khaing N.N. A meta-analysis on factors influencing student satisfaction in higher education // Journal of the Myanmar Academy of Arts and Science. 2021. No. XVIII (9B). Pp. 393–404.

17. Данилова К.А., Сандлер Д.Г., Шаврин В.С. Маркетинговый взгляд на взаимосвязь ключевых факторов, влияющих на удовлетворенность студентов деятельностью университета // Экономика образования. 2024. № 3 (142). С. 91–103.

18. Parasuraman A., Zeithaml V.A., Berry L.L. SERVQUAL: a multiple-item scale for measuring consumer perceptions of service quality // Journal of Retailing. 1988. No. 64 (1). Pp. 12–40.

19. Potential bias factors that affect the course evaluation of students in preclinical courses / S.J. Chae, M. Kim, K.H. Chang, Y.S. Chung // Korean Journal of Medical Education. 2017. No. 29 (2). Pp. 73–80. doi:10.3946/kjme.2017.54.

20. Langan A.M., Harris W.E. Metrics of student dissatisfaction and disagreement: longitudinal explorations of a national survey instrument // Higher Education. 2023. Pp. 1–21. doi:10.1007/s10734-023-01004-0.

21. Learning analytics methods, benefits, and challenges in higher education: a systematic literature review / J.T. Avella, M. Kebritchi, S.G. Nunn, T. Kanai // Online Learning. 2016. No. 20 (2). Pp. 13–29. doi:10.24059/olj.v20i2.790.

22. Advances in learning analytics and educational data mining / M. Vahdat, A. Ghio, L. Oneto [et al.] // Proceedings of the European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning. Belgium, 2015.

23. Костина С.Н., Банных Г.А. Программы развития региональных университетов: цели в области цифровой зрелости и инструменты оценки их достижения // Университетское управление: практика и анализ. 2023. № 27 (4). С. 103–115. doi:10.15826/umpa.2023.04.036.

24. Liu H., Zhang J., Wang C. Research on students’ satisfaction of intelligent learning based on text mining // Frontiers in Psychology. 2022. No. 13. doi:10.3389/fpsyg.2022.897125.

25. Nemo H., Rahman M.M. Student feedback analysis using Natural Language Processing // 2021 ASEE Annual Conference & Exposition Proceedings. ASEE. 2021.

26. Shaik S., Rosalind R., Suguna S. Sentiment analysis and opinion mining on educational data // Materials Today : proceedings. 2022. No. 62. Pp. 3984–3990. doi:10.1016/j.matpr.2022.03.540.

27. Zhu Y., Wu B., Wang Q. Modeling student satisfaction in online learning using a Random Forest– based framework // Scientific Reports. 2023. No. 13 (1). doi:10.1038/s41598-023-43076-8.

28. Повышение международной конкурентоспособности вузов в глобальном цифровом пространстве / В.В. Бондаренко, К.С. Таишева, Т.В. Тампей, Д.П. Пензина // Вестник университета. 2023. № 9. С. 21–29. doi:10.26425/1816-4277-2023-9-21-29.

29. Sá M.J. A Multidimensional model of analysis of students’ global experience in higher education // Education Sciences. 2023. No. 13 (3). doi:10.3390/educsci13030232.

30. Fass-Holmes B. survey fatigue – literature search and analysis of implications for student affairs policies and practices // Journal of Interdisciplinary Studies in Education. 2022. No. 11 (1). Pp. 56–73.

31. Porter S.R., Whitcomb M.E., Weitzer W.H. Multiple surveys of students and survey fatigue // New Directions for Institutional Research. 2004. No. 121. Pp. 63–73. doi:10.1002/ir.101.

32. Watson S. Closing the feedback loop: ensuring effective action from student feedback // Tertiary Education and Management. 2003. No. 9 (2). Pp. 145–157. doi:10.1080/13583883.2003.9967099.

33. Barker M., Pinard M. Closing the feedback loop? Iterative feedback between tutor and student in coursework assessments // Assessment & Evaluation in Higher Education. 2014. No. 39 (8). Pp. 899–915. doi:10.1080/02602938.2013.875985.

34. Grimmer J., Stewart B.M. Text as data: the promise and pitfalls of automatic content analysis methods for political texts // Political Analysis. 2013. No. 21 (3). Pp. 267–297. doi:10.1093/pan/mps028.