Адаптивная система управления обучением на основе искусственного интеллекта: разработка архитектуры, проектирование и внедрение платформы Smart-LMS
Получена: 2026-05-29
Опубликована: 2026-09-16
Аннотация
В статье представлены полная архитектура, функциональные модули и результаты практического внедрения платформы Smart-LMS — адаптивной системы управления обучением, созданной на основе современных информационно-коммуникационных технологий (ИКТ) и искусственного интеллекта (ИИ). Система включает девять основных модулей: автоматическое оценивание на основе обработки естественного языка (NLP — Natural Language Processing); адаптивные учебные траектории и управление графом знаний; прогнозные аналитические панели; геймификацию (система UniCoin); ИИ-прокторинг и обеспечение доступности; интеллектуальное управление контентом (Intelligent CMS); мониторинг посещаемости и цифрового участия; интеграцию с работодателями и генератор мобильного портфолио. Платформа с микросервисной архитектурой использует технологии Python/FastAPI (серверная часть), React.js (веб-интерфейс), Flutter (мобильное приложение) и Gemma 4 / Llama (движок ИИ). Успешная апробация платформы в Научно-исследовательском институте развития цифровых технологий и искусственного интеллекта, снижение нагрузки преподавателей на 65% и повышение эффективности усвоения материала на 9,4% свидетельствуют о высокой концептуальной устойчивости системы. Положительные эмпирические результаты, полученные на базе инфраструктуры данного института, служат фундаментальной основой для дальнейшей унификации и широкого внедрения платформы в многопрофильных высших учебных заведениях республики. В отличие от других ведущих LMS-систем (Moodle, Canvas, Blackboard, Google Classroom), демонстрационная платформа отличается адаптацией к образовательному контексту Узбекистана, поддержкой узбекского языка и возможностями интеграции с местными стандартами.
Ключевые слова
Список литературы
-
Dabbagh, N., & Kitsantas, A. (2012). Personal learning environments, social media, and self-regulated learning. Internet and Higher Education, 15(1), 3–8.
-
Pew Research Center. (2022). Online Learning Engagement Report. Washington D.C.
-
O'zbekiston Respublikasi Prezidentining 2020-yil 6-noyabrdagi PF-6079-son Farmoni «Raqamli O'zbekiston — 2030». Toshkent.
-
Roll, I., & Wylie, R. (2016). Evolution and revolution in artificial intelligence in education. IJAIED, 26(2), 582–599.
-
Bloom, B. S. (1984). The 2 sigma problem. Educational Researcher, 13(6), 4–16.
-
VanLehn, K. (2011). The relative effectiveness of human tutoring, ITS, and other tutoring systems. Educational Psychologist, 46(4), 197–221.
-
Knewton. (2021). Adaptive Learning White Paper: Personalization at Scale. New York.
-
Ramesh, A., et al. (2013). Automated essay scoring in presence of biased ratings. NAACL-HLT 2013, 290–300.
-
Singhal, A., & Bhattacharyya, P. (2020). Short answer grading using BERT-based NLP models. EMNLP 2020 Workshop.
-
Feng, Z., et al. (2020). CodeBERT: A pre-trained model for programming and natural languages. EMNLP Findings 2020.
-
Jayaprakash, S. M., et al. (2014). Early alert of academically at-risk students. Journal of Learning Analytics, 1(1), 6–47.
-
Okubo, F., et al. (2017). A neural network approach for students' performance prediction. LAK'17, 598–599.
-
Hamari, J., et al. (2014). Does gamification work? 47th HICSS, 3025–3034.
-
Deterding, S., et al. (2011). From game design elements to gamefulness. MindTrek'11, 9–15.
-
Cohney, S., et al. (2021). Watching the watchers: Bias and vulnerability in remote proctoring software. arXiv:2109.06243.
-
Hevner, A. R., et al. (2004). Design science in information systems research. MIS Quarterly, 28(1), 75–105.
-
Ismoilov, A., & Xasanov, B. (2023). O'zbekiston oliy ta'limida raqamlashtirish to'siqlari va yechimlar. O'zbek pedagogika jurnali, 4(2), 45–58.
-
Rahimov, S. (2024). O'zbek tilidagi raqamli kontent va onlayn ta'lim: holat tahlili. Axborot texnologiyalari va ta'lim, 3(1), 12–24.
-
Musaev, A., & Tursunov, F. (2023). UzBERT: O'zbek tili uchun transformer modeli. O'zbekiston Milliy universiteti ilmiy axborotnomasi, 2(4), 88–97.
-
Ergashev, J., & Nazarov, D. (2024). Bashoratli tahlil yordamida talabalar akademik xavfini aniqlash. TATU ilmiy jurnali, 1(3), 67–79.
-
Qodirov, N., & Xoliqov, M. (2023). Gamifikatsiyaning oliy ta'limda motivatsiyaga ta'siri: empirik tadqiqot. SamDU ilmiy to'plami, 5, 112–125.
-
Karimov, R., & Yusupov, T. (2022). O'zbekistonda onlayn imtihon o'tkazish tajribasi: muammolar va yechimlar. Raqamli ta'lim, 2(1), 34–46.
Об авторах
Лицензия
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.