УДК 37.046:004.89
DOI: 10.36871/26189976.2026.04-2.011

Авторы

Людмила Вячеславовна Голощапова,
Российский экономический университет им. Г.В. Плеханова, Москва, Россия
Елена Ивановна Зацаринная,
Российский экономический университет им. Г.В. Плеханова, Москва, Россия
Оксана Вячеславовна Зинченко,
Ивановский государственный университет» (Шуйский филиал), Шуя, Россия

Аннотация

Теоретические и практические аспекты разработки интеллектуальных учебных систем, основанных на методах машинного обучения, а также оценка их эффективности в образовательном процессе составляют предмет настоящей статьи. Актуальность применения интеллектуальных технологий в условиях цифровой трансформации образования, направленной на повышение качества обучения и индивидуализацию образовательных траекторий, получила обоснование. Проанализированы архитектура интеллектуальных учебных систем, принципы их проектирования и особенности интеграции в образовательную среду.
В работе раскрыты основные подходы к использованию методов машинного обучения для адаптации образовательного контента, автоматизации оценки знаний и прогнозирования учебных результатов обучающихся. Рассмотрены критерии и показатели эффективности функционирования интеллектуальных учебных систем: академическая успеваемость, уровень вовлеченности обучающихся, степень персонализации обучения. На основе анализа существующих практик выявлены преимущества и ограничения использования подобных систем в образовательной деятельности.
Внедрение интеллектуальных учебных систем, основанных на машинном обучении, способствует повышению качества образовательного процесса при условии их педагогически обоснованного использования. Требуется дальнейшее совершенствование методов разработки и оценки эффективности таких систем с учётом педагогических, технологических и этических факторов.

Ключевые слова

интеллектуальные учебные
системы, машинное обучение,
цифровое образование, адаптивное
обучение, персонализация обучения,
образовательные технологии,
оценка эффективности, анализ
данных в образовании.

Список литературы

[1] Бринк Х., Ричардс Дж., Феверолф М. Машинное обучение.—Санкт-Петербург: Питер, 2021.—336 с.

[2] Бурков А. Машинное обучение. Краткое, но содержательное введение. — СанктПетербург: Питер, 2020.—240 с.

[3] Гудфеллоу И., Бенджио Й., Курвилль А. Глубокое обучение. — Москва: ДМК Пресс, 2020.—652 с.

[4] Кузнецов С. О. Интеллектуальный анализ данных.—Москва: ЛЕНАНД, 2019.—312 с.

[5] Рассел С., Норвиг П. Искусственный интеллект: современный подход.—Москва: Вильямс, 2020.—1408 с.

[6] Жукова Н. А., Тихомиров В. П. Анализ образовательных данных для прогнозирования академической успеваемости студентов // Информатика и образование.—2020.— № 6.—С. 45–51.