Цифровые двойники школьников: data-driven профориентация, рост заявок и зачислений СибГМУ

Главное о кейсе

Подростки всё реже выбирают медицину: им ближе «быстрые» профессии или блогерство. Даже поступив в вуз, многие уходят, потому что решение принято неосознанно. Чтобы снизить отчисления и повысить качество набора, СибГМУ запустил проект «Цифровые двойники».

В основе — математическая модель, разработанная совместно с учёными Сибирского отделения РАН. Она анализирует интересы, активность и успеваемость школьников в предуниверсарии «МедКласс» (разработка Паравеб) и сопоставляет их с «портретами студентов» по направлениям — от терапевта до биотехнолога. Портреты и тесты созданы при участии профориентолога.

На выходе школьник получает персонализированный список треков и образовательную траекторию, родители и школа — прозрачную картину прогресса, университет — мотивированных абитуриентов.

Результаты: почти 10 000 школьников вовлечены; в 2025 году 733 подали документы в СибГМУ, 317 зачислены (из них 123 на бюджет). Формируется многоуровневая воронка 8–11 классов, растёт число заявок и качество поступающих.
География проекта от Томской области до Казахстана.

Как проект изменил жизнь пользователей

Школьники получили инструмент для осознанного выбора профессии: вместо случайного поступления «куда хватит баллов» они открывают для себя новые медицинские специальности и понимают, какие из них им подходят. Предуниверсарий позволяет заранее погрузиться в профессию и представить, как будет выглядеть рабочий день врача, фармацевта или биоинформатика. Это снижает стресс при поступлении.

Благодаря углубленной профориентации в сочетании с математической моделью, разработанной совместно с учёными СО РАН, подростки вовлекаются в медицину через доступные видео, геймификацию (баллы, которые обменивают на мерч, гаджеты от университета) и практические задания. Это снижает риск разочарования и отчислений, формирует устойчивый интерес к профессии и уверенность в себе.

Родители получили прозрачность: видят прогресс ребёнка и могут поддерживать его выбор. Школы — готовый цифровой инструмент профориентации. Университет — мотивированных студентов, которые приходят учиться осознанно, а не «по остаточному принципу».

Бизнес-задача и ее решение

Мы совместно с учёными Сибирского отделения РАН разработали математическую модель, которая на вход получает:
• результаты профориентационных тестов (базовый и короткие пост-курсовые опросы «понравилось/что было сложно»),
• активность школьника (выбор треков, посещаемость, выполнение заданий, число пересдач),
• показатели успеваемости без внешнего выставления оценок (чтобы не травмировать поколение альфа).

Данные качественно размечены внутри предуниверсария «МедКласс» (разработка Паравеб):
• каждая тема связана с образовательным треком и направлением подготовки;
• каждый вопрос привязан к дисциплине;
• преподаватели размечают эталонные параметры ответа, включая время до ответа как прокси качества/уверенности (например: ~10 сек — высокий балл; ~35 сек — «удовлетворительно»; существенно дольше — «неуд.»), что помогает детектировать «долгое гугление»;
• учитывается количество пересдач («не сдал тему — попробуй ещё»).

На стороне модели формируется вектор признаков: интересы × вовлечённость × успеваемость × поведенческие метрики. Он сопоставляется с «портретами студента» для каждого направления (например, для лабораторных — усидчивость, аккуратность, готовность к кропотливой работе; для клинических — скорость принятия решений и т. п.).

Выход модели — ранжированный список направлений подготовки с рекомендациями по первичной образовательной траектории и курсам-усилителям. Это позволяет:
• школьнику — увидеть «свои» специальности заранее;
• родителям/школе — получать прозрачную картину прогресса;
• университету — подбирать соответствующих абитуриентов под различные направления и снижать риск отчислений.

Крафт (мастерство), реализация, технические детали

Чтобы проект стал возможным, мы несколько лет выстраивали цифровую инфраструктуру СибГМУ: от основного сайта, личных кабинетов студентов, преподавателей, пациентов, до предуниверсария и личного кабинета школьника. На этой базе запущен сайт digitaltwins.ssmu.ru с математической моделью, которая обрабатывает данные об интересах и активности, формирует персонализированные образовательные траектории и синхронизируется с профориентационными «портретами студентов».

Особое внимание уделено геймификации: школьники получают баллы за тесты, курсы и активность в личном кабинете, а затем могут обменять их на мерч и гаджеты университета. Баллы начисляются и за предоставление контактных данных, что помогает выстраивать долгосрочную коммуникацию с будущими абитуриентами.

Интеграция с Telegram-ботом позволяет еженедельно отправлять участникам подборки материалов и новостей по выбранному треку (например, «биоинформатика»). Такой «лайтовый» формат поддерживает интерес и удерживает внимание школьников.

Проект стал первым шагом к управлению на основе данных в университете: теперь можно видеть эффективность профориентации, проверять гипотезы, анализировать цифры приёмной кампании и сегментировать аудитории для таргетированных рассылок. Это не просто образовательный продукт, а технологический фундамент для цифровой трансформации вуза.

Инсайты, гипотезы, процесс создания и взаимодействия с заказчиком

Проект «Цифровые двойники» стал возможен только потому, что несколько лет шла кропотливая работа с СибГМУ над цифровой инфраструктурой. Университет постепенно готовился к переходу к управлению на основе данных.

Инсайты:
– При первых тестах стало ясно: подростки не хотят видеть «академические лекции» — им нужны видео в «обывательском» стиле, доступный язык, лёгкая геймификация. Именно после этого появились ролики «от первого лица», больший упор на систему баллов за активность.
– Мы поняли, что для этого поколения учеников не стоит выставлять оценки напрямую, так как это демотивирует подростков. Тогда появилась идея учитывать время ответа, количество пересдач и траекторию прохождения курсов — это дало данные для матмодели, но не травмировало детей.
– Сегментация по образовательным трекам показала неожиданный эффект: те, кто рассматривал одну специальность, часто лучше подходили для другой, о которой ранее не задумывались или не знали.

Гипотезы:
– A/B-тесты с форматами заданий. Одни курсы показывали высокий интерес, другие ученики бросали на середине. В результате отказались от сухих текстовых блоков и добавили больше практики и квизов.
– Сбор данных пошел лучше после добавления баллов за контактную информацию, и конверсия резко выросла.

Взаимодействие с заказчиком:
– В университете было сопротивление: преподаватели не понимали, зачем тратить время на съёмку роликов и разметку данных. Университет разработал и внедрил систему мотивации и прозрачный процесс согласования.
– Часть преподавателей «халтурила» при подготовке курсов. В процессе разработка дашбордов с показателями досматриваемости и брошенных курсов — это станет наглядным внутренним KPI.

Триумф:
Первый поток школьников, прошедших через модель, показал: она действительно работает. Из почти 10 000 участников многие узнали о профессиях, о которых никогда не слышали. Родители начали смотреть ролики вместе с детьми, обсуждать специальности и выбирать путь осознанно. Для СибГМУ это стало одним из первых проектов, который прозрачно и измеримо влияет на цифры приема.

Скриншоты

Комментарий заказчика

Это наш первый проект, в котором воплотились две большие задачи современных университетов — борьба за таланты и управление на основе данных. Объединились новейшие технологии для помощи в принятии одного из самых важных решений в жизни — выбора будущей профессии и образовательного пути.