ПРИМЕНЕНИЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА ДЛЯ АДАПТИВНОГО ПРОГНОЗИРОВАНИЯ УЧЕБНЫХ ТРАЕКТОРИЙ СТУДЕНТОВ
https://doi.org/10.53360/2788-7995-2025-4(20)-8
Аннотация
В современную эпоху, когда быстрая трансформация ландшафтов знаний требует адаптивных механизмов обучения, интеграция искусственного интеллекта в образование больше не является футуристическим видением, а необходимостью. В этой статье представлена сложная интеллектуальная система, предназначенная для мониторинга, анализа и оптимизации приобретения компетенций на протяжении всего процесса обучения. Построенная на архитектуре нейронной сети, дополненной онтологическим моделированием и теоретико-множественными принципами, эта система обеспечивает структурированную, но гибкую основу для непрерывного совершенствования обучения. Используя методологию Six Sigma DMAIC (Определение-измерение-Анализ-Улучшение-контроль), предлагаемая модель систематически совершенствует образовательные траектории посредством анализа на основе данных и итеративных улучшений, обеспечивая точное соответствие отраслевым и институциональным требованиям.
Об авторах
З. К. КадеркееваКазахстан
Зульфия Кенесовна Кадеркеева – старший преподаватель кафедры технологии искусственного интеллекта
10000 Қазақстан, Астана қ., Сәтбаев к-сі, 2
А. С. Омарбекова
Казахстан
Асель Омарбекова – доцент кафедры технологии искусственного интеллекта
10000 Қазақстан, Астана қ., Сәтбаев к-сі, 2
М. Милош
Польша
Марек Милош – PhD. профессор
Польша, Люблинское воеводство, ул. Марии Кюре-Склодовской, 5
Ж. С. Бигалиева
Казахстан
Жанар Серикхановна Бигалиева – старший преподаватель кафедры «Робототехники и технических средств автоматики»
Казахстан, Алматы, ул. Каныша Сатпаева, 22
В. К. Байтурганова
Казахстан
Винера Канапияевна Байтурганова – старший преподаватель кафедры «Робототехники и технических средств автоматики»
Казахстан, Алматы, ул. Каныша Сатпаева, 22
Список литературы
1. Systematic review of research on artificial intelligence applications in higher education – where are the educators? / О. Zawacki-Richter et al // Int J Educ Technol High Educ. – 2019. – № 16. – Р. 39. https://doi.org/10.1186/s41239-019-0171-0.
2. Chen L. Artificial intelligence in education: A review. / L. Chen, P. Chen, Z. Lin // IEEE Access. – 2020. – № 8. – Р. 75264-75278. https://doi.org/10.1109/ACCESS.2020.2988510.
3. Bearman M. Discourses of artificial intelligence in higher education: a critical literature review / M. Bearman, J. Ryan, R. Ajjawi // High Educ. – 2023. – № 86. – Р. 369-385. https://doi.org/10.1007/s10734-022-00937-2.
4. Salas-Pilco S.Z. Artificial intelligence and learning analytics in teacher education: A systematic review / S.Z. alas-Pilco, K. Xiao, X. Hu // Education Sciences. – 2022. – № 12(8). – Р. 569. https://doi.org/10.3390/educsci12080569.
5. Goel A.K. Using AI to teach AI: Lessons from an online AI class. / A.K. Goel, D.A. Joyner // AI Magazine. – 2017. – № 38(2). – Р. 48-59. https://doi.org/10.1609/aimag.v38i2.2732.
6. Doroudi, S. The Intertwined Histories of Artificial Intelligence and Education / S. Doroudi // Int J Artif Intell Educ. – 2023. – № 33. – Р. 885-928. https://doi.org/10.1007/s40593-022-00313-2.
7. Digital Technologies and the Automation of Education – Key Questions and Concerns / N. Selwyn et al // Postdigit Sci Educ. – 2023. – № 5. – Р. 15-24. https://doi.org/10.1007/s42438-021-00263-3.
8. Hoel T. Privacy and data protection in learning analytics should be motivated by an educational maxim – towards a proposal / T. Hoel, W. Chen // RPTEL. – 2018. – № 13. – Р. 20. https://doi.org/10.1186/s41039-018-0086-8.
9. Vision, challenges, roles and research issues of Artificial Intelligence in Education / G.J. Hwang et al // Computers and Education: Artificial Intelligence. – 2020. – № 1. – Р. 100001. https://doi.org/10.1016/j.caeai.2020.100001.
10. Gregor S. Responsible artificial intelligence and journal publishing / S. Gregor // Journal of the Association for Information Systems. – 2024. – № 25(1). – Р. 48-60. https://doi.org/10.1111/joms.13045.
11. Sustainable Project-Based Learning Methodology Adaptable to Technological Advances for Web Programming / J.C. López-Pimentel et al // Sustainability. – 2021. – № 13(15). – Р. 8482. https://doi.org/10.3390/su13158482.
12. A Comprehensive Survey on Deep Learning Techniques in Educational Data Mining / Y. Lin et al // Data Sci. Eng. – 2025. https://doi.org/10.1007/s41019-025-00303-z.
13. Putting learning back into learning analytics: actions for policy makers, researchers, and practitioners / D. Ifenthaler еt al // Education Tech Research Dev. – 2021. – № 69. – Р. 2131-2150. https://doi.org/10.1007/s11423-020-09909-8.
14. Graf S. Identifying Learning Styles in Learning Management Systems by Using Indications from Students' Behaviour / S. Graf, T.-C. Kinshuk, Liu // 2008 Eighth IEEE International Conference on Advanced Learning Technologies, Santander, Spain. – 2008. – Р. 482-486. https://doi.org/10.1109/ICALT.2008.84.
Рецензия
Для цитирования:
Кадеркеева З.К., Омарбекова А.С., Милош М., Бигалиева Ж.С., Байтурганова В.К. ПРИМЕНЕНИЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА ДЛЯ АДАПТИВНОГО ПРОГНОЗИРОВАНИЯ УЧЕБНЫХ ТРАЕКТОРИЙ СТУДЕНТОВ. Вестник Университета Шакарима. Серия технические науки. 2025;1(4(20)):65-72. https://doi.org/10.53360/2788-7995-2025-4(20)-8
For citation:
Kaderkeyeva Z.K., Omarbekova A.S., Milosz M., Bigaliyeva Zh.S., Baiturganova V.K. USING ARTIFICIAL INTELLIGENCE TO ADAPT STUDENTS' LEARNING TRAJECTORIES. Bulletin of Shakarim University. Technical Sciences. 2025;1(4(20)):65-72. https://doi.org/10.53360/2788-7995-2025-4(20)-8
JATS XML















