Актуальность исследования обусловлена растущей ролью систем электронного обучения в высшем образовании и необходимостью их оптимизации для повышения успеваемости студентов. В современных условиях цифровая трансформация образовательного процесса требует глубокого анализа поведения студентов в онлайн-среде, что позволит адаптировать учебные программы, прогнозировать академические успехи и разрабатывать персонализированные стратегии преподавания. Современные цифровые образовательные технологии активно трансформируют процесс обучения, делая его доступным, гибким и ориентированным на индивидуальные потребности обучающихся. Одним из ключевых аспектов цифрового обучения является анализ поведения студентов в онлайн-среде, что позволяет адаптировать учебный процесс, прогнозировать академические успехи и разрабатывать персонализированные стратегии преподавания. Цель данного обзора – проведение сравнительного анализа отечественных и зарубежных источников по проблематике оценки поведения студентов в системах электронного обучения. Рассмотрены основные теоретические подходы, ключевые методы анализа образовательных данных и перспективы их развития. Выявлено, что в последние десятилетия развитие больших данных (BigData) и методов интеллектуального анализа данных (Data Mining) привело к появлению новых подходов к исследованию образовательных данных (Educational Data Mining, EDM) и аналитики обучения (Learning Analytics, LA). Установлено, что данные технологии продуктивно применяются для исследования цифровых следов студентов (лог-файлы, паттерны поведения, временные метки) в системах электронного обучения и позволяют выявлять рядскрытых зависимостей, которые могут улучшить процесс обучения.

Modern digital educational technologies are actively transforming the learning process, making itmore accessible, flexible, and tailored to the individual needs of students. One of the keyaspects of digital learning is the analysis of student behavior in online environments, which enables the adaptation of the learning process, the prediction of academic success, and the development of personalized teaching strategies. The relevance of this topic is due to the growing role of e-learning systems in higher education. Understanding student behavior patterns in online learning environments is critical for optimizing educational outcomes and improving the efficiency of digital learning platforms. This review aims to conduct a comparative analysis of domestic and foreign sources on the assessment of student behavior in e-learning systems. The study examines keytheoretical approaches, fundamental methods of educational data analysis, and their development prospects. The scientific novelty of this research lies in the comparative analysis of Russian and international approaches to studying students’ academic behavior in digital learning environments. The study identifies keytrends, technological advancements, and methodological differences, providing valuable insights for improving e-learning systems.