Пошук академічних текстів

Інформація × Реєстраційний номер 0826U000361, Дисертація доктора філософії На здобуття Доктор філософії Дата захисту 27-03-2026 Статус Запланована Назва роботи Методи онтологічного аналізу та генеративного штучного інтелекту в персоналізації післядипломної освіти Здобувач Юрченко Костянтин Юрійович, Керівник Сініцин Ігор Петрович Опонент СИРОТА Сергій Вікторович Опонент Сторчак Каміла Павлівна Рецензент Захарова Ольга Вікторівна Рецензент НОВИЦЬКИЙ Олександр Вадимович Опис Об’єкт дослідження: процес післядипломної освіти, її структура та зв’язки між її суб’єктами та ресурсами. Предметом дослідження: засоби персоналізації процесу післядипломної освіти, які використовують онтологічне моделювання та генеративний штучний інтелект. Мета дисертаційної роботи: підвищити ефективність підготовки молодих вчених шляхом персоналізації та цифрової трансформації системи навчання аспірантів. У роботі отримані нові наукові результати: • Вперше розроблено онтологічну модель екосистеми післядипломної освіти, яка формалізує наукову діяльність аспірантів та персоналізує область їх наукових інтересів, та визначено джерела інформаційного поповнення цієї моделі • Вперше розроблено метод автоматизованого формування персонального набору навчальних об’єктів для аспіранта на основі семантичного співставлення його наукових інтересів з іншими компонентами екосистеми післядипломної освіти • Вперше розроблено метод формалізованого пояснення (в термінах онтологічної моделі екосистеми післядипломної освіти) правил та інформаційних джерел для формування персонального набору навчальних об’єктів на основі використання генеративного штучного інтелекту. Теоретичне і практичне значення отриманих результатів Результати дозволили створити програмний прототип гібридної інтелектуальної системи мовою Python із використанням великих мовних моделей та SemanticMediaWiki для формування персонального набору навчальних об’єктів, узгодженого з профілем аспіранта, профілем наукового керівника та іншими інформаційними об’єктами екосистеми, а також для формального пояснення отриманих рекомендацій у термінах онтологічної моделі. Запропонований метод забезпечує покращення якості ранжування у верхній частині списку рекомендацій до Precision@10 +11,1%, nDCG@10 +12,5%, MRR +7,5% порівняно з базовою лінією TEXT та може застосовуватися у задачах персоналізованого добору та ранжування навчальних об’єктів. Результати досліджень прийняті до впровадження у освітню та науково-практичну діяльність Державного університету інформаційно-комунікаційних технологій, Таврійського державного агротехнологічного університету імені Дмитра Моторного та Київського столичного університету імені Бориса Грінченка. Дата реєстрації 2026-02-27 Додано в НРАТ 2026-02-27 Закрити