В данной статье изучается потенциал использования методов машинного обучения для прогнозирования уровня критического мышления учащихся на основе академических и поведенческих данных. Хотя критическое мышление широко признано важнейшим навыком в современном образовании, его прямая оценка по-прежнему затруднена. Целью исследования является выявление взаимосвязи между уровнем развития критического мышления и измеримыми факторами, такими как академическая успеваемость, участие во внеклассных мероприятиях и выбор учебных курсов. Был собран и обработан набор данных из 500 анонимных профилей учащихся для извлечения ключевых характеристик. Были разработаны и оценены с использованием стандартных метрик эффективности три модели: линейная регрессия, дерево решений и случайный лес-регрессор. Модель случайного леса продемонстрировала превосходную прогностическую эффективность, достигнув значения R² 0,84 по сравнению с 0,65 для дерева решений и 0,37 для линейной регрессии. Результаты исследования свидетельствуют о том, что академические достижения учащихся, выбор курсов и уровень их внеклассной активности в совокупности дают ценную информацию об их способностях к критическому мышлению. В целом результаты подтверждают эффективность подходов, основанных на данных, для косвенной оценки когнитивных навыков, что имеет практическое значение для разработки учебных программ, инициатив раннего вмешательства и планирования образовательной политики. Используя доступные образовательные данные, этот подход способствует разработке более масштабируемых, объективных и персонализированных методов оценки в области аналитики обучения.