АГЕНТНАЯ МОДЕЛЬ МОНИТОРИНГА ОБРАЗОВАТЕЛЬНЫХ РЕЗУЛЬТАТОВ В УЧЕБНЫХ СРЕДАХ

В данной статье рассматривается проектирование и практическая реализация интеллектуальной многоагентной системы для мониторинга образовательных достижений в условиях цифровизации среднего образования. Актуальность исследования обусловлена необходимостью перехода от ретроспективного контроля знаний к превентивному управлению индивидуальными образовательными траекториями на основе анализа «цифрового следа» учащегося. Авторами предложена архитектура системы, включающая три типа специализированных агентов: Агента-Диагноста, Агента-Методиста и Агента-Прогнозиста. Математический аппарат системы базируется на использовании иерархических моделей для классификации рисков обучения по четырем ключевым критериям: успеваемость, посещаемость, активность и темп освоения материала. Разработанное программное обеспечение на языке Python реализует концепцию «Объяснимого ИИ» (XAI), обеспечивая прозрачность и интерпретируемость диагностических выводов для педагога. В ходе апробации системы на выборке учащихся выявлены значимые положительные результаты: автоматизация процесса мониторинга позволила сократить временные затраты на подготовку аналитической отчетности класса на 70–80%, одновременно повысив точность прогнозирования итоговых оценок. Система автоматически формирует персонализированные сценарии педагогического вмешательства, адаптированные под конкретный тип выявленного барьера. В разделе дискуссии обозначены нерешенные вопросы, касающиеся динамической настройки весовых коэффициентов функции полезности и необходимости интеграции разработанного решения с государственными информационными системами учета успеваемости.

1. Y.M.N. Revolutionizing education: Harnessing AI for personalized learning pathways and student success / Y.M.N., H.L.P., N.S. // International Journal for Multidisciplinary Research. – 2024. – Vol. 6, № 5. – P. 1-10.

2. Adams J. Health data nexus: An open data platform for AI research and education in medicine / J. Adams et al. – 2024. https://doi.org/10.1101/2024.08.23.24312060.

3. Patel K.K. Predictive modeling of dropout in MOOCs using machine learning techniques / K.K. Patel, K. Amin // The Scientific Temper. – 2024. – Vol. 15, № 2. – P. 2199-2206.

4. Şişianu, A. New technologies and foreign language learning: Transforming language education / A. Şişianu, A. Şişianu // Journal of Social Sciences. – 2024. – Vol. 7, № 1. – P. 91-99. – https://doi.org/10.52326/jss.utm.2024.7(1).07.

5. Yildiz Durak H. Impact of ML-LA feedback system on learners’ academic performance, engagement and behavioral patterns in online collaborative learning environments: A lag sequential analysis and Markov chain approach / H. Yildiz Durak // Education and Information Technologies. – 2025. – Vol. 30, № 3. – P. 2623-2644. https://doi.org/10.1007/s10639-024-12911-9.

6. Walter Y. Embracing the future of artificial intelligence in the classroom: The relevance of AI literacy, prompt engineering, and critical thinking in modern education / Y. Walter // International Journal of Educational Technology in Higher Education. – 2024. – Vol. 21, № 15. – P. 1-29. https://doi.org/10.1186/s41239-024-00448-3.

7. Design and implementation of a personalized text-based recommendation system / A. Aditya et al. // International Journal for Research in Applied Science & Engineering Technology. – 2024. – Vol. 12. – P. 1486-1493. https://doi.org/10.22214/ijraset.2024.64907.

8. Wang D. Research on integrating blockchain and machine learning LPP algorithm in online education platform under COVID-19 environment / D. Wang, M. Wang, X. Xing // Scalable Computing: Practice and Experience. – 2024. – Vol. 25, № 3. – P. 1442-1454.

9. Labadze L. Role of AI chatbots in education: Systematic literature review / L. Labadze, M. Grigolia, L. Machaidze // International Journal of Educational Technology in Higher Education. – 2023. – Vol. 20, № 56. – P. 1-21. https://doi.org/10.1186/s41239-023-00426-1.

10. Digital learning, big data analytics and mechanisms for stabilizing and improving supply chain performance / A. Barhmi et al // International Journal of Information Systems and Project Management. – 2024. – Vol. 12, № 2. – P. 30-47.

11. A digital learning model with artificial intelligence to increase the flexibility and accessibility of education / K. Iklassova et al. // International Journal of Innovative Research and Scientific Studies. – 2025. – Vol. 8, № 6. – P. 1429-1436. https://doi.org/10.53894/ijirss.v8i6.9951.

12. Modelirovanie adaptivnoi obrazovatel'noi sistemy na osnove algoritmov mashinnogo obucheniya / K.E. Iklasova i dr. // Vestnik Universiteta Shakarima. Seriya tekhnicheskie nauki. – 2025. – № 3(19). – S. 135-141. https://doi.org/10.53360/2788-7995-2025-3(19)-15. (In Russian).