УДК 37.018.43
DOI: 10.36871/2618-9976.2025.12.017
Авторы
Залина Майрбековна Ибрагимова,
Ассистент кафедры «Программирование и инфокоммуникационные технологии», Чеченский государственный университет им. А.А. Кадырова, г. Грозный, Россия
Светлана Якубовна Ачмизова,
Кандидат педагогических наук, доцент кафедры английской филологии, Адыгейский государственный университет, г. Майкоп, Россия
Тамара Константиновна Филимонова,
Кандидат физико-математических наук, доцент кафедры цифровые системы и модели, Казанский государственный энергетический университет, г. Казань, Россия
Аннотация
Статья посвящена использованию алгоритмов машинного обучения (МО) в контексте адаптивного обучения. Рассматриваются основные принципы и методы, позволяющие интегрировать МО в образовательные технологии для создания гибких, персонализированных учебных процессов. Анализируются различные подходы к адаптивному обучению, включая алгоритмы классификации, регрессии и кластеризации, а также нейронные сети, которые могут быть использованы для определения уровня знаний студентов, предсказания их дальнейших успехов и адаптации учебного контента. Особое внимание уделяется применению машинного обучения для создания интерактивных и динамических образовательных систем, способных подстраиваться под индивидуальные потребности обучаемых. Оценены перспективы и вызовы внедрения таких технологий в образовательные учреждения, а также обсуждаются этические и технологические вопросы, связанные с их использованием.
Ключевые слова
алгоритмы машинного обучения
адаптивное обучение
персонализированное образование
нейронные сети
классификация
Регрессия
Кластеризация
образовательные технологии
динамические системы
предсказание успеваемости
индивидуальные образовательные
траектории
Список литературы
[1] Бродский А.В. Методы и алгоритмы машинного обучения для анализа образовательных данных // Научные труды Пермского государственного университета. Серия: Математика. 2018. № 21(4). С. 46–59. https://doi.org/10.17072/2079475220182144659.
[2] Гусева Е.И., Степанова Н.И. Использование машинного обучения в образовательных технологиях // Вопросы образования. 2021. № 1. С. 40–51. https://doi.org/10.32233/21840564202114051.
[3] Капанадзе Н.Т. Адаптивные обучающие системы и использование машинного обучения в их создании // Журнал вычислительных технологий. 2017. № 12(3). С. 78–92. https://doi.org/10.21599/0000000020171237892.
[4] Лаврентьев И.П., Шмакова А.В. Адаптивное обучение в контексте цифровизации образования // Образование и наука. 2019. № 3(156). С. 67–80. https://doi.org/10.17853/19945639201936780.
[5] Михайлова Л.С., Павлова Е.А. Использование алгоритмов машинного обучения в адаптивных образовательных системах // Вестник Российского университета дружбы народов. Серия: Информатика. 2020. № 24(4). С. 112–120. https://doi.org/10.22363/086970882020244112120.
[6] Петров И.Н., Кузнецов О.Ю. Методы машинного обучения в образовательных системах нового поколения // Проблемы информатизации в образовании. 2019. №6. С. 25–35. https://doi.org/10.18611/pie201962535.
[7] Сергеева И.В., Яковлева Е.Ю. Применение технологий машинного обучения для адаптации образовательных программ // Информационные технологии в образовании. 2020. № 2. С. 89–103. https://doi.org/10.15293/22260850.2002.10.
[8] Соловьёв П.А. Машинное обучение и адаптивные образовательные системы: Перспективы и вызовы // Известия вузов. Серия: Информатика и вычислительная техника. 2017. № 60(2). С. 85–96. https://doi.org/10.24253/0048454820176028596.
[9] Филиппов П.М. Интеллектуальные образовательные системы: применение машинного обучения для персонализации обучения // Вопросы компьютерной лингвистики. 2018. № 9(1). С. 110–123. https://doi.org/10.18454/vkl.2018.1.110.
[10] Шевчук А.А., Горбачев В.С. Использование алгоритмов машинного обучения для диагностики уровня знаний студентов // Современные проблемы науки и образования. 2018. № 4. С. 152–163. https://doi.org/10.24820/2542107320184152163.
