Метод оцінювання ефективності інтелектуалізації адміністрування системи дистанційного навчання
DOI: 10.31673/2412-9070.2023.064953
Анотація
Обґрунтовано проблему розроблення адекватного методу оцінювання ефективності інтелектуалізованої системи дистанційного навчання як часткову проблему загальної проблеми підвищення ефективності цієї системи. Доведено, що для забезпечення високого рівня системи дистанційного навчання за сучасних умов активно використовують прогресивні організаційні, апаратні та програмні рішення. Надано аналіз закордонного та вітчизняного досвіду розроблення та впровадження штучного інтелекту в системи дистанційного навчання та зроблено висновок щодо можливості підвищення їх ефективності завдяки розвитку математичного і програмного забезпечення як основи моделей і методів автоматизації процесів адміністрування. Обґрунтовано, що найбільш перспективним у цьому напрямі є використання моделей штучного інтелекту. Представлено матеріали дослідження щодо розроблення методу оцінювання ефективності системи дистанційного навчання, яка використовує моделі та методи інтелектуалізації задач адміністрування. Метод базується на ймовірнісному підході, трирівневій декомпозиції процесу дистанційного навчання та на відміну від наявних бере до уваги вплив нових моделей і методів інтелектуалізації адміністрування системи дистанційного навчання в процесі використання реальної системи на практиці. Застосування методу під час використання статистичних даних підтверджує вірогідність моделей і методів та показує підвищення ефективності дистанційного навчання завдяки інтелектуалізації адміністрування системи дистанційного навчання на 13 %. Наведено результати комп’ютерного моделювання.
Ключові слова: метод; дистанційне навчання; декомпозиція; адміністрування.
Список використаної літератури
1. Махно Є., Шапран О. Напрямки інтелектуалізації в освіті // Сучасні інформаційні технології у сфері безпеки та оборони. 2022. № 3 (45). С. 91–96. URL: https://doi.org/10.33099/2311-7249/2022-45-3-91-96
2. Vasiliki Matzavela, Efthimios Alepis. Decision tree learning through a Predictive Model for Student Academic Performance in Intelligent M-Learning environments // Computers and Education Artifical Intelligence. 2021. Vol. 2. URL: https://www.sciencedirect.com/science/article/pii/S2666920X21000291.
3. Tumaini Kabudi, Ilias Pappas, Dag Håkon Olsen. AI-enabled adaptive learning systems: A systematic mapping of the literature // Computers and Education Artifical Intelligence. 2021. Vol. 2. URL: https://www.sciencedirect.com/science/ article/pii/S2666920X21000114.
4. Руденко Є. Г., Гогонянц С. Ю. Методика обґрунтування структури експертно-навчальної системи військового призначення // Сучасні інформаційні технології у сфері безпеки та оборони. 2021. № 2 (41). С. 31–40. URL: https://doi.org/10.33099/2311-7249/2021-41-2-31-40.
5. Модель інтелектуалізації планування часу на виконання навчального завдання у системі дистанційного навчання / Є. Махно, Ю. Кравченко, М. Тищенко, О. Шапран // Сучасні інформаційні технології у сфері безпеки та оборони. 2021. № 1 (40). С. 143–152. URL: https://doi.org/10.33099/2311-7249/2021-40-1-143-152
6. Модель інтелектуалізації оптимальної траєкторії проходження дистанційного курсу / Є. Махно, Ю. Кравченко, М. Тищенко, О. Шапран // Сучасні інформаційні технології у сфері безпеки та оборони. 2022. № 1 (43). С. 105–114. URL: https://doi.org/10.33099/2311-7249/2022-43-1-105-114
