УДК 004.89:004.85:37.018.42
DOI: 10.36871/2618-9976.2025.11-2.017
Авторы
Антон Сергеевич Зинченко,
Кандидат технических наук, доцент кафедры информационных систем и цифровых технологий, Московский государственный университет технологий и управления имени К. Г. Разумовского, Москва, Россия
Светлана Глебовна Николаева,
Кандидат технических наук, доцент кафедры «Цифровые системы и модели», Казанский государственный энергетический университет, Казань, Россия
Мансур Умарович Элипханов,
Старший преподаватель кафедры «Основы безопасности и защиты Родины», Чеченский государственный педагогический университет, Грозный, Россия
Аннотация
В статье представлены подходы к персонализации скорости подачи учебного материала в цифровой среде с применением нейросетевых моделей. Исследование фокусируется на методах анализа персональных данных учащихся: темпа усвоения знаний, уровня умственной нагрузки и динамики ошибок. На основе глубоких нейросетей разработана архитектура адаптивной системы, которая в реальном времени регулирует сложность задач, объем контента и скорость его презентации. Экспериментально доказано, что данный подход усиливает индивидуализацию обучения и ведет к росту академических результатов благодаря оптимизации образовательных траекторий.
Ключевые слова
нейронные сети
адаптивное обучение
темп обучения
персонализация образования
искусственный интеллект
образовательные технологии
электронное обучение
когнитивная нагрузка
Список литературы
[1] Бондаренко А. В. Искусственный интеллект в образовании: современные подходы и перспективы развития.—Москва: Наука, 2021.—248 с.
[2] Воронин А. Н., Сидорова, Е. П. Нейронные сети: теория и практические приложения.— Санкт-Петербург: Питер, 2020.—384 с.
[3] Глушков В. М. Основы кибернетики.—Москва: Финансы и статистика, 2019.—412 с.
[4] Гребенюк О. С. Адаптивные образовательные технологии: теория и практика персонализированного обучения // Педагогика.—2020.—№ 6.—С. 52–61.
[5] Кабардов М. К., Горшкова, Н. В. Индивидуальные особенности учащихся и их учет в процессе обучения.—Москва: Академия, 2018.—304 с.
[6] Калинин И. А., Юрченко, О. Т. Применение методов машинного обучения в электронных образовательных средах // Информатика и образование.—2021.—№ 9.—С. 24–33.
[7] Кравченко С. М. Использование глубоких нейросетей для анализа учебной активности студентов // Информационные технологии.—2022.—Т. 28, № 4.—С. 44–52.
[8] Лапин А. И., Фролова, Д. Е. Педагогические основы адаптивного обучения: современные тенденции и вызовы цифровизации // Вопросы образования.—2020.—№ 2.— С. 97–115.
[9] Носков М. В. Цифровые образовательные платформы и перспективы их развития.— Новосибирск: СибАК, 2021.—176 с.
[10] Поляков И. С., Руденко, Л. В. Анализ данных и предиктивное моделирование в образовательных системах // Открытое образование.—2022.—Т. 26, № 3.—С.
