Моделі персоналізації навчання в цифровому освітньому середовищі

Андрій  Хижняк; Володимир  Казимир

doi:10.25140/2411-5363-2026-1(43)-279-290

Автор(и)

Андрій Хижняк Національний університет «Чернігівська політехніка», Україна http://orcid.org/0009-0008-8655-3736
Володимир Казимир Національний університет «Чернігівська політехніка», Україна https://orcid.org/0000-0001-8163-1119

DOI:

https://doi.org/10.25140/2411-5363-2026-1(43)-279-290

Ключові слова:

персоналізоване навчання; практичні завдання; цифрове освітнє середовище; штучний інтелект; RAG, формальні системи; формальні моделі; інформаційна технологія

Анотація

У статті розглянуто проблему персоналізації практичного навчання у цифрових освітніх середовищах, зокрема в підготовці ІТ-фахівців. Виявлено обмеження існуючих підходів, пов’язані з відсутністю цілісної інтеграції процесів генерації, виконання та перевірки завдань. Метою роботи є розробка формальних моделей персоналізованого навчання та їх реалізація в межах єдиної інформаційної технології.

Запропоновано модель персонального ШІ-асистента на основі BDI-парадигми, яка враховує контекст курсу, історію навчання студента та результати виконання завдань, забезпечуючи адаптивну генерацію практичних завдань. Розроблено концептуальну модель інформаційної технології, що інтегрує всі етапи життєвого циклу завдання. Використання доменно-орієнтованої мови LTDL дозволяє формалізувати структуру завдань та забезпечити їх автоматичну верифікацію. Практичну реалізацію виконано у вигляді мультиагентної системи з інтеграцією у цифрове навчальне середовище. Отримані результати можуть бути використані для створення масштабованих систем персоналізованого навчання.

Посилання

Holdgraf, Chris & Culich, Aaron & Rokem, Ariel & Deniz, Fatma & Alegro, Maryana & Ushizima, Daniela. (2017). Portable learning environments for hands-on computational instruction: Using container- and cloud-based technology to teach data science. DOI: https://doi.org/10.48550/arXiv.1703.04900.

Хижняк А., Милиця А., Казнадій С., Горваль Д., Бобришев Є. Проблеми та перспективи сучасного практичного навчання інженерів. Львівський науковий форум. Матеріали ХVІІ міжнародної науково-практичної конференції «Пріоритетні напрями досліджень в науковій та освітній діяльності». 9-10 січня 2026 року (с. 49-53).

Vorotnykova, I., Dziabenko, O., & Morze, N.(2025). Perspectives of implementation of personalized learning using artificial intelligence in higher education. Information Technologies and Learning Tools, 105(1), 144-157. DOI: https://doi.org/10.33407/itlt.v105i1.5893

Khyzhniak A. V., Kazymyr V. V. (2025). Analysis of methods for supporting personalization in IT education. Herald of Advanced Information Technology, 8(3), 366–381. https://doi.org/10.15276/hait.08.2025.24.

Mollie Jordan - Need a Programming Exercise Generated in Your Native Language? ChatGPT’s Got Your Back: Automatic Generation of Non-English Programming Exercises Using OpenAI GPT-3.5 Mollie Jordan” https://dl.acm.org/doi/pdf/10.1145/3626252.3630897

Jacobs, Sven & Peters, Henning & Jaschke, Steffen & Kiesler, Natalie. (2025). Unlimited Practice Opportunities: Automated Generation of Comprehensive. Personalized Programming Tasks (рр. 319-325). doi.10.1145/3724363.3729089.

Evanfiya Logacheva, Arto Hellas, James Prather, Sami Sarsa, and Juho Leinonen. 2024. Evaluating Contextually Personalized Programming Exercises Created with Generative AI. In Proceedings of the 2024 ACM Conference on International Computing Education Research (Vol. 1, 95–113). (ICER ’24). ACM, New York, NY, USA. doi:10.1145/3632620.3671103.

Roe, J., & Perkins, M. (2024). Generative AI in self-directed learning: a scoping review. arXiv preprint arXiv:2411.07677. https://arxiv.org/abs/2411.07677

Halaweh, Mohanad. (2023). ChatGPT in education: Strategies for responsible implementation. Contemporary Educational Technology. 15.10.30935/cedtech/13036.

Alkafaween, U., Albluwi, I., & Denny, P. (2025). Automating autograding: Large language models as test suite generators for introductory programming. Journal of Computer Assisted Learning, 41(1), e13100. https://doi.org/10.1111/jcal.13100.

Ichida, A.Y., & Meneguzzi, F. (2023). Modeling a Conversational Agent using BDI Framework. Proceedings of the 38th ACM/SIGAPP Symposium on Applied Computing.

Casali, A., Godo, L., & Sierra, C. (2006, August). Modeling travel assistant agents: a graded bdi approach. In IFIP International Conference on Artificial Intelligence in Theory and Practice (pp. 415-424). Boston, MA: Springer US.

Blair Archibald, Michele Sevegnani, Mengwei Xu. (2025). Modelling and verifying BDI agents under uncertainty. Science of Computer Programming, 242, 103254. https://doi.org/10.1016/j.scico.2024.103254.

Nowakowski, Grzegorz & Telenyk, Sergii & Vovk, Yevhenii. (2023). Chatbots Lifecycle Support Platform. Proceedings of the IEEE International Conference on Intelligent Data Acquisition and Advanced Computing Systems: Technology and Applications, IDAACSConference Paper 2023 (pp 308-319). https://doi.org/10.1109/IDAACS58523.2023.10348794.

Zabasta, A., Kazymyr, V., Kunicina, N., Velihorskyi, O. (2024). Digital Learning Ecosystem: Online Concept for Engineering Education . 2024 IEEE 65th Annual International Scientific Conference on Power and Electrical Engineering of Riga Technical University, RTUCON 2024 - Proceedings.

Khyzhniak A. V., Kazymyr V. V. (2025). Integrated task generation, execution, and assessment methods for enhancing personalized learning. Nauka i tehnica syogodni, 13(54), 1650-1664. https://doi.org/10.52058/2786-6025-2025-13(54)-1650-1664.

Хижняк, А., Казимир, В. (2025). Доменно-орієнтована мова опису персоналізованих практичних завдань для інженерних спеціальностей. Технічні науки та технології, (3(41)), 261–271. https://doi.org/10.25140/2411-5363-2025-3(41)-261-271.

Jurado, Francisco & Rodríguez, Francy & Chavarriaga, Enrique & Rojas, Luis. (2025). Blending Language Models and Domain-Specific Languages in Computer Science Education. A Case Study on API RESTFul. International Journal of Interactive Multimedia and Artificial Intelligence. 9. 86-104. 10.9781/ijimai.2025.09.005.ґ.

Paul Denny, Juho Leinonen, James Prather, Andrew Luxton-Reilly, Thezyrie Amarouche, Brett A. Becker, and Brent N. Reeves. 2024. Prompt Problems: A New Programming Exercise for the Generative AI Era. In Proceedings of the 55th ACM Technical Symposium on Computer Science Education V. 1 (SIGCSE 2024). Association for Computing Machinery, New York, NY, USA, 296–302. https://doi.org/10.1145/3626252.3630909.

Kazymyr, V., Horval, D., Drozd, O., Zabašta, A. (2023). Shared Modeling and Simulation Environment for Online Learning with Moodle and Jupyter. In: Shkarlet, S., et al. Mathematical Modeling and Simulation of Systems. MODS 2022. Lecture Notes in Networks and Systems, vol 667. Springer, Cham. https://doi.org/10.1007/978-3-031-30251-0_11.

Yuvzhenko D., Chymshyr V., Shymkovych V., Znova K., Nowakowski G., Telenyk S. (Sep. 2025). A Multimodal Retrieval-Augmented Generation System with ReAct Agent Logic for Multi-Hop Reasoning. Inf. Comput. and Intell. syst. j., 6, 42–57.

Zabasta, A., Kazymyr, V., Drozd, O., Verslype, S., Espeel, L., & Bruzgiene, R. (2024). Development of Shared Modeling and Simulation Environment for Sustainable e-Learning in the STEM Field. Sustainability, 16(5), 2197. https://doi.org/10.3390/su16052197.