МОДЕЛЮВАННЯ ЖИТТЄВОГО ЦИКЛУ РОЗРОБКИ ПРОГРАМНОГО ЗАБЕЗПЕЧЕННЯ ІНТЕЛЕКТУАЛЬНИХ НАВЧАЛЬНИХ СИСТЕМ

Автор(и)

DOI:

https://doi.org/10.35546/kntu2078-4481.2025.4.3.9

Ключові слова:

моделювання життєвого циклу програмного забезпечення, інтелектуальні навчальні системи, машинне навчання, штучний інтелект, метрики оцінювання

Анотація

У статті розглядається концепція, методологія та моделі життєвого циклу розробки програмного забезпечення (Software Development Life Cycle, SDLC) інтелектуальних навчальних систем (ILS). Проаналізовано існуючі підходи, ключові етапи життєвого циклу, виклики та напрями розвитку. Запропоновано гібридну модель SDLC ILS, яка поєднює освітні стратегії, моделі та правила з компонентами штучного інтелекту (Artificial Intelligence, AI) і машинного навчання (Machine Learning, ML) з метою збереження освітнього характеру даного класу систем і водночас отримання користі від статистичної узагальненості, автоматизації прийняття управлінських рішень, адаптивності та можливості безперервного перенавчання системи. У статті представлено формалізовний підхід до SDLC ILS, який синтезує підходи із розробки ILS, адаптивної гіпермедіа та сучасних практик ML. Описано виділені етапи SDLC ILS. Для етапів визначено методологічні підходи, метрики оцінювання та механізми управління. Запропоновано гібридну модель SDLC ILS, яка поєднює освітні стратегії, моделі та правила з компонентами ML, щоб зберегти освітній характер даного класу систем і водночас отримати користь від статистичної узагальненості, автоматизації прийняття управлінських рішень та можливості безперервного перенавчання системи. Розглянутий в роботі процес моделювання SDLC ILS забезпечує структурований підхід до розробки, впровадження та управління ILS. Особливу увагу приділено моделюванню інтеграції когнітивних і педагогічних теорій із системною інженерією, що формує новий стандарт якості освітніх технологій та дозволяє одночасно забезпечити масштабованість, надійність, педагогічну валідність і етичну прозорість систем навчання. Запропонована гібридна модель і покроковий життєвий цикл служать дорожньою картою для дослідників і практиків, які прагнуть реалізувати ILS із високим рівнем якості та безпеки автоматизованих навчальних процесів.

Посилання

Stone J., Patel R., Ghiasi F., Mittal S., Rahimi S. Navigating MLOps: Insights into Maturity, Lifecycle, Tools, and Careers // 2025 IEEE Conference on Artificial Intelligence (CAI). Santa Clara, CA, USA, 2025. P. 643–650. DOI: 10.1109/CAI64502.2025.00118.

Kreuzberger D., Kühl N., Hirschl S. Machine learning operations (MLOps): Overview, definition, and architecture. arXiv, 2022. DOI: 10.48550/arXiv.2205.02302

De Silva D., Alahakoon D. An artificial intelligence life cycle: From conception to production. Patterns. 2022. Vol. 3. Article No. 100017. DOI: 10.48550/arXiv.2108.13861

Юрченко К. Ю., Сивицький Ю. І. Моделі керування життєвими циклами складових освітніх ресурсів компанії. Телекомунікаційні та інформаційні технології. 2024. № 2 (83). С. 85–93. DOI: 10.31673/2412-4338.20 24.029918.

Koedinger, K. R., D'Mello, S., McLaughlin, E. A., Pardos, Z. A., & Rosé, C. P. (2015). Data mining and education. WIREs Cognitive Science, 6(4), P. 333–353. DOI: 10.1002/wcs.1350

Dutchak M., Kozlenko M., Lazarovych I., Lazarovych N., Pikuliak M., Savka I. Methods and Software Tools for Automated Synthesis of Adaptive Learning Trajectory in Intelligent Online Learning Management Systems / M. Dutchak, M. Kozlenko, I. Lazarovych, N. Lazarovych, M. Pikuliak, I. Savka // Lecture Notes in Networks and Systems. 2021. Vol. 183. P. 206–217. DOI: 10.1007/978-3-030-66840-2_16.

##submission.downloads##

Опубліковано

2025-12-31