Классификация и интегральная оценка архитектур ИИС: воспроизводимая методика принятия решений для проектирования адаптивных систем дополнительного профессионального образования
(Стр. 202-211)
Подробнее об авторах
Приходько Никита Алексеевич
аспирант, кафедра прикладной математики
МИРЭА – Российский технологический университет
г. Москва, Российская Федерация
МИРЭА – Российский технологический университет
г. Москва, Российская Федерация
Нажимая на кнопку купить вы соглашаетесь с условиями договора оферты
Аннотация:
В статье предложена воспроизводимая методика выбора архитектуры интеллектуальных информационных систем (ИИС) для дополнительного профессионального образования (ДПО). Выполнены классификация архитектур (централизованная, распределенная/микросервисная, облачная, многоагентная), формализованы шесть критериев оценки (адаптивность, масштабируемость, интероперабельность, надежность, безопасность данных, сложность внедрения) и разработана интегральная метрика, учитывающая внешние ограничения (технические, правовые, финансовые) и фазовый аспект применения (вход, массовое обучение, индивидуальное сопровождение). Методика опирается на аналитический обзор публикаций, сравнительный анализ и кейс-анализ типичных платформ (Moodle, Open edX, Stepik), а также на расчет сводного показателя пригодности архитектур. Научная новизна состоит в интеграции архитектурно-технических и педагогико-технологических требований в единую модель с явным учетом ограничений и фаз использования; практическая значимость – в возможности настройки весов и применимости модели для принятия решений в организациях ДПО. Дополнительно был реализован и зарегистрирован программный продукт, определяющий степень влияния модулей систем ДПО на тип классификации. Работа формирует методологический базис и служит отправной точкой для последующих научных исследований и эмпирической валидации предложенной модели.
Образец цитирования:
ОБРАЗЕЦ ЦИТИРОВАНИЯ: Приходько Н.А. Классификация и интегральная оценка архитектур ИИС: воспроизводимая методика принятия решений для проектирования адаптивных систем дополнительного профессионального образования // Computational Nanotechnology. 2026. Т. 13. № 1. С. 202-211. DOI: 10.33693/2313-223X-2026-13-1-202-211. EDN: MIFYBI
Список литературы:
Босенко Т.М. Анализ микросервисной архитектуры в среде e-learning с многовариантным доступом к учебным материалам // Международный научно-исследовательский журнал. 2024. № 10 (148). DOI: 10.60797/IRJ.2024.148.65. EDN: HIHMRP.
Ершов А.Н., Салатова А.А. Развитие современного российского рынка онлайн-образования с позиций общества знания // Регионология. 2020. Т. 28. № 3 (112). С. 543–569. DOI: 10.15507/2413-1407.112.028.202003.543-569. EDN: XGUUTI.
Жарков Е.А., Малыгин В.Д. Интеллектуальное математическое обеспечение и внутренняя архитектура LMS MAI CLASS.NET // Вестник Южно-Уральского государственного университета. Серия: Математическое моделирование, программирование и программное обеспечение. 2021. Т. 14. № 3. С. 46–60. DOI: 10.14529/mmp210304. EDN: ZFBORF.
Комлева Н.В., Вилявин Д.А. Цифровая платформа для создания персонализированных адаптивных онлайн-курсов // Открытое образование. 2020. Т. 24. № 2. С. 65–72. DOI: 10.21686/1818-4243-2020-2-65-72. EDN: CWBDOO.
Лавриненко И.Ю. Перспективы использования LMS в рамках современного высшего образования // Научно-методический электронный журнал «Концепт». 2023. № 1. С. 17–35. DOI: 10.24412/2304-120X-2023-11002. EDN: JBMUHS.
Мерецков О.В. Электронные учебные курсы как инструмент цифровой трансформации ДПО // Компетентность. 2023. № 5. С. 17–25. DOI: 10.24412/1993-8780-2023-5-17-25. EDN: FVYLEP.
Сидорова А.Д., Гвоздева Т.В. Модели и принципы построения системы адаптивного обучения // Системный анализ в науке и образовании. 2024. № 3. С. 131–139. EDN: SJHGAS.
Скворчевский К.А., Дятлова О.В. Современные адаптивные и интеллектуальные цифровые системы обучения: механизмы и потенциал // Вопросы образования. 2024. № 3 (2). С. 299–337. DOI: 10.17323/vo-2024-19751. EDN: RCYMEL.
Щербаков Н.В., Резединова Е.Ю., Щукин А.В. Адаптивная архитектура для современной системы управления обучением. Системный анализ в проектировании и управлении: сб. науч. трудов XXVIII Междунар. науч.-практ. конф. СПб.: Политех-Пресс, 2024. С. 443–452. DOI: 10.18720/SPBPU/2/id24-482. EDN: KTDZOJ.
Якубов М.С., Расулова Н.Б. Технология личностно-ориентированных адаптивных систем обучения // Universum: технические науки. 2021. № 4-5 (85). С. 28–33. DOI: 10.32743/UniTech.2021.85.4-5.28-33. EDN: BZDDJH.
Abid A., Tufail A.H., Salem O.M.A. et al. An evaluation framework and comparative analysis of the widely used learning management systems // PLoS ONE. 2024. Vol. 19. No. 12. Art. e0311111. DOI: 10.1371/journal.pone.0311111. EDN: JALORY.
Ayouni S., Menzli L.J., Hajjej F. et al. Fuzzy vikor application for learning management systems evaluation in higher education // International Journal of Information and Communication Technology Education. 2021. Vol. 17. No. 2. Pp. 17–35. DOI: 10.4018/ijicte.2021040102. EDN: NZQAOX.
El Fazazi H., Elgarej M., Qbadou M., Mansouri K. Design of an adaptive e-learning system based on multi-agent approach and reinforcement learning // Engineering, Technology and Applied Science Research. 2021. Vol. 11. No. 1. Pp. 6637–6644. DOI: 10.48084/etasr.3905. EDN: OWBPQM.
Kabudi T., Pappas I., Olsen D.H. AI-enabled adaptive learning systems: A systematic mapping of the literature // Computers and Education: Artificial Intelligence. 2021. Vol. 2. Art. 100017. DOI: 10.1016/j.caeai.2021.100017. EDN: LZDWGW.
Mohamedhen A.S., Alfazi A., Arfaoui N. et al. Towards multi-agent system for learning object recommendation // Heliyon. 2024. Vol. 10. No. 20. Art. e39088. DOI: 10.1016/j.heliyon.2024.e39088. EDN: LBBDCY.
Viswanathan N., Meacham S., Adedoyin F.F. Enhancement of online education system by using a multi-agent approach // Computers and Education: Artificial Intelligence. 2022. Vol. 3. Art. 100057. DOI: 10.1016/j.caeai.2022.100057. EDN: FLTZWU.
Ершов А.Н., Салатова А.А. Развитие современного российского рынка онлайн-образования с позиций общества знания // Регионология. 2020. Т. 28. № 3 (112). С. 543–569. DOI: 10.15507/2413-1407.112.028.202003.543-569. EDN: XGUUTI.
Жарков Е.А., Малыгин В.Д. Интеллектуальное математическое обеспечение и внутренняя архитектура LMS MAI CLASS.NET // Вестник Южно-Уральского государственного университета. Серия: Математическое моделирование, программирование и программное обеспечение. 2021. Т. 14. № 3. С. 46–60. DOI: 10.14529/mmp210304. EDN: ZFBORF.
Комлева Н.В., Вилявин Д.А. Цифровая платформа для создания персонализированных адаптивных онлайн-курсов // Открытое образование. 2020. Т. 24. № 2. С. 65–72. DOI: 10.21686/1818-4243-2020-2-65-72. EDN: CWBDOO.
Лавриненко И.Ю. Перспективы использования LMS в рамках современного высшего образования // Научно-методический электронный журнал «Концепт». 2023. № 1. С. 17–35. DOI: 10.24412/2304-120X-2023-11002. EDN: JBMUHS.
Мерецков О.В. Электронные учебные курсы как инструмент цифровой трансформации ДПО // Компетентность. 2023. № 5. С. 17–25. DOI: 10.24412/1993-8780-2023-5-17-25. EDN: FVYLEP.
Сидорова А.Д., Гвоздева Т.В. Модели и принципы построения системы адаптивного обучения // Системный анализ в науке и образовании. 2024. № 3. С. 131–139. EDN: SJHGAS.
Скворчевский К.А., Дятлова О.В. Современные адаптивные и интеллектуальные цифровые системы обучения: механизмы и потенциал // Вопросы образования. 2024. № 3 (2). С. 299–337. DOI: 10.17323/vo-2024-19751. EDN: RCYMEL.
Щербаков Н.В., Резединова Е.Ю., Щукин А.В. Адаптивная архитектура для современной системы управления обучением. Системный анализ в проектировании и управлении: сб. науч. трудов XXVIII Междунар. науч.-практ. конф. СПб.: Политех-Пресс, 2024. С. 443–452. DOI: 10.18720/SPBPU/2/id24-482. EDN: KTDZOJ.
Якубов М.С., Расулова Н.Б. Технология личностно-ориентированных адаптивных систем обучения // Universum: технические науки. 2021. № 4-5 (85). С. 28–33. DOI: 10.32743/UniTech.2021.85.4-5.28-33. EDN: BZDDJH.
Abid A., Tufail A.H., Salem O.M.A. et al. An evaluation framework and comparative analysis of the widely used learning management systems // PLoS ONE. 2024. Vol. 19. No. 12. Art. e0311111. DOI: 10.1371/journal.pone.0311111. EDN: JALORY.
Ayouni S., Menzli L.J., Hajjej F. et al. Fuzzy vikor application for learning management systems evaluation in higher education // International Journal of Information and Communication Technology Education. 2021. Vol. 17. No. 2. Pp. 17–35. DOI: 10.4018/ijicte.2021040102. EDN: NZQAOX.
El Fazazi H., Elgarej M., Qbadou M., Mansouri K. Design of an adaptive e-learning system based on multi-agent approach and reinforcement learning // Engineering, Technology and Applied Science Research. 2021. Vol. 11. No. 1. Pp. 6637–6644. DOI: 10.48084/etasr.3905. EDN: OWBPQM.
Kabudi T., Pappas I., Olsen D.H. AI-enabled adaptive learning systems: A systematic mapping of the literature // Computers and Education: Artificial Intelligence. 2021. Vol. 2. Art. 100017. DOI: 10.1016/j.caeai.2021.100017. EDN: LZDWGW.
Mohamedhen A.S., Alfazi A., Arfaoui N. et al. Towards multi-agent system for learning object recommendation // Heliyon. 2024. Vol. 10. No. 20. Art. e39088. DOI: 10.1016/j.heliyon.2024.e39088. EDN: LBBDCY.
Viswanathan N., Meacham S., Adedoyin F.F. Enhancement of online education system by using a multi-agent approach // Computers and Education: Artificial Intelligence. 2022. Vol. 3. Art. 100057. DOI: 10.1016/j.caeai.2022.100057. EDN: FLTZWU.
Ключевые слова:
интеллектуальные информационные системы, дополнительное профессиональное образование, архитектура интеллектуальных информационных систем, адаптивное обучение, многоагентные системы, облачная архитектура, микросервисная архитектура, интегральная оценка, поддержка принятия решений.
