АНАЛІЗ ІСНУЮЧИХ РІШЕНЬ У ГАЛУЗІ ІНТЕРАКТИВНОГО НАВЧАННЯ - Научное сообщество
Главная
UA PL EN

Вас приветствует Интернет конференция!

Приветствуйем на нашем сайте

Рік заснування видання - 2011

АНАЛІЗ ІСНУЮЧИХ РІШЕНЬ У ГАЛУЗІ ІНТЕРАКТИВНОГО НАВЧАННЯ

10.12.2025 19:25

[1. Systemy i technologie informacyjne]

Автор: Цивіна Ігор Володимирович, студент, Київський національний університет будівництва і архітектури; Терейковська Людмила Олексіївна, доктор технічних наук, професор, Київський національний університет будівництва і архітектури


Стрімкий розвиток цифрових технологій зумовлює трансформацію освітнього процесу та зростання попиту на інтерактивні системи навчання, здатні забезпечувати активну взаємодію між учасниками та підвищувати ефективність засвоєння знань. Традиційні моделі, орієнтовані на пасивне сприйняття інформації, вже не відповідають сучасним вимогам, що підкреслює необхідність упровадження адаптивних і персоналізованих рішень. Попри значний прогрес, аналіз наявних платформ засвідчує їх обмежену гнучкість, недостатню інтеграцію аналітичних інструментів і слабку підтримку індивідуальних освітніх траєкторій. Це формує актуальність дослідження та потребу у створенні методу розроблення інформаційної технології інтерактивного навчання, здатної забезпечувати комплексність, адаптивність і керованість навчального процесу.

Метою дослідження є обґрунтування підходів до створення інтерактивної інформаційної технології, здатної забезпечувати адаптивність, персоналізацію та підвищення ефективності навчального процесу. У статті [1] розглянуто використання штучного інтелекту для формування індивідуальних траєкторій навчання у вищій освіті, зокрема запропоновано архітектуру інтелектуального асистента (AIIA), що поєднує модулі діалогової взаємодії, генерації навчальних матеріалів і аналітики. Система використовує методи NLP та машинного навчання для автоматичного створення рекомендацій і завдань, що сприяє персоналізації та зменшенню когнітивного навантаження студентів. Робота має практичну спрямованість і демонструє потенціал ІІ-орієнтованих рішень, однак містить обмежену кількість емпіричних даних та не приділяє достатньої уваги питанням безпеки й захисту персональних даних.

У дослідженні [2] проаналізовано роль емоційної підтримки та ігрових елементів у підвищенні мотивації та результативності навчання в інтерактивних середовищах. На основі великої вибірки користувачів побудовано модель ELM, що демонструє суттєвий вплив підтримки від NPC і сприйняття гри на інтерес студентів та їх намір продовжувати навчання. Автори підкреслюють важливість емоційного та ігрового компонентів, які здатні підсилювати залученість і покращувати результати, що є актуальним для проєктування сучасних інтерактивних систем. Серед сильних сторін роботи – масштаб дослідження та увага до психологічних аспектів взаємодії, однак специфічність контексту й відсутність довгострокового аналізу обмежують узагальнення отриманих висновків.

У статті [3] досліджено вплив характеру зворотного зв’язку чат-ботів на емоції та мотивацію студентів. Експеримент із двома групами показав, що метакогнітивний зворотний зв’язок сприяє формуванню більш позитивних емоцій і вищій навчальній мотивації порівняно з нейтральною взаємодією. Отримані результати підкреслюють важливість емоційного компонента у проєктуванні освітніх чат-ботів, оскільки саме емоції слугують проміжною ланкою між технологією та навчальною ефективністю. Серед переваг дослідження — чітка експериментальна методологія та фокус на психологічних чинниках, тоді як його обмеження пов’язані з невеликою вибіркою, вузьким предметним контекстом і відсутністю довгострокового аналізу результатів.

У статті [4] розглянуто ефективність упровадження адаптивних освітніх технологій у поєднанні з сучасними методиками, такими як flipped classroom, самоорганізоване навчання та мікронавчання. На базі інтерактивної онлайн-платформи створено механізм формування індивідуальних траєкторій навчання, що враховують поточні результати студентів і забезпечують викладачів аналітичними даними про їхній прогрес. Результати дослідження демонструють зростання академічної успішності, мотивації та зменшення кількості незавершених курсів, що підтверджує потенціал адаптивних стратегій. Водночас автори зазначають, що отримані висновки обмежені однією дисципліною та контекстом окремого університету, а інтерактивність системи поки що недостатньо враховує емоційно-мотиваційні фактори.

У статті [5] проаналізовано вплив адаптивних технологій, персоналізованого зворотного зв’язку та інтерактивних інструментів ШІ на академічну залученість студентів, а також роль цифрової грамотності у цьому процесі. На основі даних близько 500 респондентів встановлено, що адаптивний контент і ШІ-сервіси позитивно корелюють із емоційною, поведінковою та когнітивною залученістю, причому ефект є значно сильнішим у студентів з високим рівнем цифрової компетентності. Дослідження вирізняється масштабністю та чіткою моделлю взаємозв’язків, однак має обмеження, пов’язані з використанням самооцінних опитувань, відсутністю довгострокового аналізу та поверхневим розглядом шляхів формування цифрової грамотності.

У статті [6] представлено систему RASEDS, що використовує технології комп’ютерного зору для визначення рівня залученості студентів у реальному часі та автоматичного добору адаптивних STEM-матеріалів. На основі алгоритму YOLOR система класифікує активність студентів за моделлю ICAP і коригує навчальний контент відповідно до виявленого рівня взаємодії. Експериментальні результати демонструють статистично значуще підвищення залученості та самоефективності, що підтверджує ефективність поєднання AI-аналізу поведінки з адаптивними підходами. Сильними сторонами є інтеграція комп’ютерного зору з педагогічними моделями та орієнтація на STEM-курси, тоді як обмеження стосуються вузької предметної специфіки, відсутності тривалого моніторингу та потенційних питань конфіденційності.

У статті [7] оцінюється вплив різних інтерактивних методів на ефективність дистанційного та змішаного навчання на основі масштабної вибірки, що охоплює приблизно 30 000 опитувань студентів із понад тисячі курсів. Результати показують, що регулярне застосування інтерактивних елементів — коротких тестів, опитувань і вправ — позитивно корелює з вищою оцінкою чіткості викладання та загальним сприйняттям курсу. Важливим чинником виявлено також різноманітність форм взаємодії, яка забезпечує значно кращий навчальний досвід порівняно з використанням однотипних методик. Сильними сторонами дослідження є велика вибірка та застосування сучасних аналітичних моделей, тоді як основні обмеження пов’язані з використанням самозвітів і фокусом переважно на суб’єктивному сприйнятті, а не безпосередніх навчальних результатах.

У статті [8] розглянуто застосування доповненої реальності для мовного навчання з адаптивним супроводом, спрямованим на підвищення залученості та покращення навчальних результатів. Дослідження аналізує вплив двох складників адаптивності — кількості гідування та типу асоціацій — і показує, що адаптивні асоціації забезпечують кращі результати як у негайному, так і у відстроченому тестуванні, супроводжуючись нижчим когнітивним навантаженням. Водночас адаптивна кількість гідування не продемонструвала істотних переваг у засвоєнні матеріалу, хоча знижувала ментальне навантаження. Сильними сторонами дослідження є інноваційне поєднання AR із адаптивними механізмами, тоді як його обмеження пов’язані зі специфічністю мовного контексту та складністю масштабування таких рішень у ширші освітні сценарії.

У статті [9] досліджено ефективність адаптивної інтелектуальної системи LIS у повністю онлайн-середовищі, спрямованої на підвищення успішності студентів та зменшення відсіву. Система поєднує механізми раннього виявлення ризиків і персоналізовані рекомендації, що були апробовані на вибірці з понад пів тисячі студентів двох бакалаврських курсів. Отримані результати засвідчують покращення академічних показників і позитивне сприйняття системи користувачами, що підкреслює її практичну цінність для онлайн-університетів. Водночас дослідження має обмеження, пов’язані з аналізом лише двох курсів та відсутністю довготривалої оцінки впливу впровадження LIS.

У статті [10] узагальнено результати 63 досліджень щодо застосування AI/ML у системах адаптивного електронного навчання. Аналіз показує, що алгоритми машинного навчання ефективно підтримують персоналізацію навчального контенту, сприяють підвищенню залученості та здатні позитивно впливати на академічні результати. Разом із тим автори наголошують на масштабних викликах, серед яких — питання конфіденційності даних, складність інтеграції моделей у навчальні платформи та нестача стандартизованих підходів до оцінювання ефективності таких систем. Отримані висновки підкреслюють як потенціал, так і необхідність подолання критичних бар’єрів для широкого впровадження AI-орієнтованих адаптивних технологій.

Висновок Аналіз наукових джерел засвідчує, що інтерактивні та адаптивні технології навчання стрімко розвиваються, однак наявні рішення все ще демонструють низку суттєвих обмежень. Попри значний потенціал штучного інтелекту, персоналізованих траєкторій, емоційно-орієнтованих підходів і систем поведінкового моніторингу, більшість сучасних платформ характеризуються недостатньою гнучкістю, слабкою інтеграцією аналітичних механізмів та обмеженою підтримкою емоційно-мотиваційних аспектів навчання. Виявлені проблеми — фрагментарність функціоналу, складність масштабування, обмеженість предметних контекстів, відсутність довготривалих досліджень ефективності та ризики приватності — підтверджують потребу у створенні комплексного методу розроблення інтерактивних систем. Такий метод має поєднувати педагогічні принципи, адаптивні алгоритми, інструменти ШІ та механізми емоційної підтримки, забезпечуючи персоналізацію, аналітичну керованість і підвищену результативність освітнього процесу.

Список використаних джерел

1. Ramteja Sajja, Yusuf Sermet, Muhammed Cikmaz, David Cwiertny, Ibrahim Demir — „Artificial Intelligence-Enabled Intelligent Assistant for Personalized and Adaptive Learning in Higher Education“ 

https://arxiv.org/abs/2309.10892

2. Yushuo Yang, Jiacheng Lin, Tong Chen, Shuyuan Lin, Jiangjie Chen, Wei Miao, Wei Wei, Hanchu Sun, Jie Sun, Chao Gu - A study on the effects of perceived playfulness and emotional support in interactive learning environments for German language acquisition—A role-playing library system case

https://www.frontiersin.org/journals/psychology/articles/10.3389/fpsyg.2022.1073985/full

3. Jiaqi Yin, Tiong-Thye Goh, Yi Hu - Interactions with educational chatbots: the impact of induced emotions and students’ learning motivation

https://educationaltechnologyjournal.springeropen.com/articles/10.1186/s41239-024-00480-3

4. Elvira G. Rincon-Flores, Leticia Castano, Sadie Lissette Guerrero Solis, Omar Olmos Lopez, Carlos Felipe Rodríguez Hernández, Laura Angélica Castillo Laraб Laura Patricia Aldape Valdés - Improving the learning-teaching process through adaptive learning strateg

https://slejournal.springeropen.com/articles/10.1186/s40561-024-00314-9

5. Husam Yaseen, Abdelaziz Saleh Mohammad, Najwa Ashal, Hesham Abusaimeh, Ahmed Ali, Abdel-Aziz Ahmad Sharabati - The Impact of Adaptive Learning Technologies, Personalized Feedback, and Interactive AI Tools on Student Engagement: The Moderating Role of Digital Literacy

https://www.researchgate.net/publication/388536909_The_Impact_of_Adaptive_Learning_ Technologies_Personalized_Feedback_and_Interactive_AI_Tools_on_Student_Engagement_ The_Moderating_Role_of_Digital_Literacy

6. Ting-Ting Wu, Hsin-Yu Lee, Wei-Sheng Wang, Chia-Ju Lin, Yueh-Min Huang - Leveraging computer vision for adaptive learning in STEM education: effect of engagement and self-efficacy

https://educationaltechnologyjournal.springeropen.com/articles/10.1186/s41239-023-00422-5

7. Zohar Barnett-Itzhaki, Dizza Beimel, Arava Tsoury - Using a Variety of Interactive Learning Methods to Improve Learning Effectiveness: Insights from AI Models Based on Teaching Surveys

https://files.eric.ed.gov/fulltext/EJ1408273.pdf

8. Maheshya Weerasinghe, Aaron Quigley, Klen Čopič Pucihar, Alice Toniolo, Angela Miguel, Matjaž Kljun - Arigatō: Effects of Adaptive Guidance on Engagement and Performance in Augmented Reality Learning Environments

https://arxiv.org/abs/2207.00798

9. Ana-Elena Guerrero-Roldán, M. Elena Rodríguez-González, David Bañeres, Amal Elasri-Ejjaberi, Pau Cortadas - Experiences in the use of an adaptive intelligent system to enhance online learners' performance: a case study in Economics and Business courses

https://educationaltechnologyjournal.springeropen.com/articles/10.1186/s41239-021-00271-0

10. Ilie Gligorea Marius Cioca Romana Oancea Andra-Teodora Gorski Hortensia Gorski Paul Tudorache - Adaptive Learning Using Artificial Intelligence in e-Learning: A Literature Review

https://www.mdpi.com/2227-7102/13/12/1216



Creative Commons Attribution Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License
допомога Знайшли помилку? Виділіть помилковий текст мишкою і натисніть Ctrl + Enter

Другие научные работы даной секции

Конференции

Конференции 2025

Конференции 2024

Конференции 2023

Конференции 2022

Конференции 2021



Міжнародна інтернет-конференція з економіки, інформаційних систем і технологій, психології та педагогіки

Наукова спільнота - інтернет конференції

:: LEX-LINE :: Юридична лінія

Інформаційне суспільство: технологічні, економічні та технічні аспекти становлення