Registration Number
2124U015153, Article
popup.category
Стаття
Title
Intelligent technology for analyzing the temporal ordering of elements of the structural and logical scheme of an educational program
popup.author
Білецький Б. С.
Мокін В. Б.
Biletskyi B.
Mokin V.
Biletskyi B.
Mokin V.
popup.publication
01-01-2024
popup.source_user
Вінницький національний технічний університет
popup.source
https://ir.lib.vntu.edu.ua/handle/123456789/49888
popup.publisher
Хмельницький національний університет
Description
У статті представлено інтелектуальну технологію, яка дає змогу автоматизовано аналізувати освітні компоненти освітньої програми вищої освіти й визначати логічну послідовність їхнього викладання на основі структурування ключових понять та процесів життєвого циклу. Технологія спирається на сучасні інтелектуальні методи оброблення природної мови (NLP), зокрема із залученням великих мовних моделей (LLM), що дає змогу ідентифікувати та класифікувати порядок дисципліни в освітньому процесі відповідно до їхнього змісту. Підхід складається з 4 етапів. Спершу виконується підготовка даних, що містить відбір освітніх компонентів, релевантних визначеним спеціальним компетентностям і програмним результатам навчання. Далі в описі тем робочих програм цих компонентів виявляються ключові слова, згруповані по ключових поняттях. На третьому етапі визначаються слова, які відображають дії та процеси, що стосуються ключових понять. На останньому етапі використовується передтренована класифікаційна інтелектуальна модель, що здатна визначати етап багатостадійного процесу викладення, до якого варто віднести дисципліну (компонент) в освітньому процесі. Експериментальне застосування розробленої технології для реальної бакалаврської освітньої програми з інформаційних систем та технологій засвідчило високу результативність методу: ідентифіковано 367 ключових слів, які згруповані по 30 ключових поняттях, що охоплюють різні аспекти навчальних курсів. Розроблено тренувальний датасет для поняття “програмний продукт”, на якому за допомогою алгоритму градієнтного бустингу досягнуто точність класифікації (accuracy) для тристадійного процесу (тріад) на рівні 85–87%. Створена передтренована модель була успішно використана для розроблення рекомендацій для освітньої програми, яка аналізувалась. Практична цінність полягає у можливості впровадження даної технології для аналізу структурно-логічних схем, прискорюючи аналіз та підвищуючи якість розроблення та періодичного оновлення освітніх програм. У перспективі планується розширити методи оброблення великих текстових корпусів, вдосконалити класифікаційні алгоритми й протестувати підхід на суміжних галузях знань, щоб сформувати універсальний інструмент для систематизації навчального процесу.
popup.nrat_date
2026-11-02
