Registration Number
0826U001416, PhD dissertation
Status
Доктор філософії
Date
23-06-2026
popup.evolution
.
Title
Information technology for automating assessment of higher education learning outcomes of applicants based on artificial intelligence
Author
Serhii V. Vronskyi,
popup.head Yurii V. Andrashko
popup.opponent Olena V. Kryvoruchko
popup.opponent Yuliia V. Riabchun
popup.review Yurii Y. Bilak
popup.review Myroslava I. Hlebena
popup.rada
Uzhhorod National University State Higher Educational Institution
Description
В дисертації представлені результати досліджень моделей, методів та інформаційних технологій автоматизованого оцінювання рівня знань здобувачів вищої освіти на основі використання методів штучного інтелекту, імовірнісного моделювання та агрегованого підходу до формування тестових завдань. В результаті проведених наукових досліджень розроблено інформаційну технологію автоматизації оцінювання результатів навчання здобувачів вищої освіти, що включає нейромережеву модель адаптивного автоматизованого тестування.
Вперше розроблено інформаційну технологію автоматизації оцінювання результатів навчання здобувачів вищої освіти, що включає нейромережеву модель адаптивного автоматизованого тестування. Застосування даної моделі забезпечує зменшення впливу випадкового вгадування правильних відповідей та підвищення діагностичної чутливості оцінювання. Запропонована технологія на відміну від відомих підходів постфактум-аналізу результатів тестування, реалізує динамічне узгодження складності тесту з поточною оцінкою рівня знань у процесі тестування.
Визначено раціональну конфігурацію нейромережевої моделі (вхідний простір 64 ознаки, два приховані шари 128 і 64 нейрони, двошарова LSTM-архітектура по 128 нейронів), при цьому навчання моделі тривало близько 156 хвилин, а збіжність багатошарової складової досягалася менш ніж за 50 епох (≈48 хв). Досліджено режими адаптації (S = 0,687; 1,015; 1,478), встановлено, що значення S = 1,015 забезпечує найбільш збалансований режим функціонування системи.
У реальних умовах на вибірці n = 200 підтверджено можливість автоматизованого виявлення здобувачів групи ризику (27,5 %). Програмна реалізація у вигляді модуля Moodle забезпечує середній час відповіді 0,62 с при навантаженні до 20 користувачів та 1,35 с при 50 користувачах. Показано, що використання адаптивного нейромережевого підходу підвищує повноту контролю знань порівняно з традиційними методами (≈0,3 для класичних тестів і ≈0,4 для інтегрованого контролю), наближаючи її до максимального значення.
Практичне значення одержаних результатів полягає в тому, що вперше розроблену інформаційну технологію адаптивного автоматизованого тестового контролю рівня знань доведено до рівня повноцінної програмної реалізації та впроваджено у вигляді модуля для системи електронного навчання Moodle.
Отримані результати мають безпосередню практичну цінність і можуть бути використані для модернізації існуючих систем комп’ютеризованого контролю знань, підвищення об’єктивності оцінювання та впровадження адаптивних технологій у цифрове освітнє середовище закладів вищої освіти.
Registration Date
2026-05-08
popup.nrat_date
2026-05-08 / 2026-07-02
