Дисертація доктора філософії. Юрченко Костянтин Юрійович. Методи онтологічного аналізу та генеративного штучного інтелекту в персоналізації післядипломної освіти

Реєстраційний номер

0826U000361, Дисертація доктора філософії

На здобуття

Доктор філософії

Дата захисту

07-04-2026

Статус

Захищена

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

Установа, організація, у вченій раді якої відбудеться/відбувся захист

Інститут програмних систем Національної академії наук України

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/оновлено в НРАТ

2026-02-27 / 2026-07-01