СТРАТЕГІЯ, ЗМІСТ ТА НОВІ ТЕХНОЛОГІЇ ПІДГОТОВКИ ФАХІВЦІВ У СФЕРАХ КОМП’ЮТЕРНИХ НАУК, ІНФОРМАЦІЙНИХ ТЕХНОЛОГІЙ, ЕЛЕКТРОНІКИ ТА АВТОМАТИЗАЦІЇ

НЕЛІНІЙНА ДИНАМІЧНА МОДЕЛЬ ОСВІТНЬОГО ПРОЦЕСУ

Автор(и)

О. П. Чорний ORCID 0000-0001-8270-3284
Кременчуцький національний університет імені Михайла Остроградського ROR
Л. В. Герасименко ORCID 0000-0003-3725-8681
Кременчуцький національний університет імені Михайла Остроградського ROR
О. А. Чорна ORCID 0000-0002-7113-1572
Кременчуцький національний університет імені Михайла Остроградського ROR

Ключові слова

динаміка навчального процесу нелінійне моделювання кібернетична модель другого порядку паралельне моделювання розподілена обробка даних освітнє середовище

Анотація

Метою статті є обґрунтування підходу до нелінійного моделювання динаміки освітнього процесу як керованої системи, де результат навчання досягається під дією низки навчальних стимулів та чинників, що дестабілізують освітнє середовище (інерційності, забування, перевантаження). У дослідженні використано методи математичного та імітаційного моделювання, теорії динамічних систем, локальної лінеаризації та чисельного інтегрування диференціальних рівнянь. Запропоновано керовану нелінійну модель типу «знання–завади», у якій процес навчання описується через взаємодію двох змінних стану: нормованого рівня засвоєння навчального матеріалу та інтегрального показника інтенсивності процесів, що знижують ефективність засвоєння. Такий показник узагальнює вплив зовнішніх організаційних чинників, когнітивного перевантаження, нестійкості уваги, втоми, стресу та інших чинників, що зумовлюють нерівномірність навчальних досягнень у часі.

У роботі показано, що класична лінійна кібернетична модель другого порядку є придатною для опису інерційності, демпфування та ефективних втрат навчального процесу, проте потребує розширення для відтворення нелінійних ефектів насичення, фонових збурень і зміни режиму у разі покращення умов навчання. Для цього запропоновано узгодження нелінійної керованої моделі з кібернетичною моделлю другого порядку шляхом локальної лінеаризації в околі рівноваги. Встановлено, що параметри еквівалентного рівняння другого порядку можуть бути інтерпретовані через похідні правих частин нелінійної системи, а характер перехідних процесів визначається власними значеннями матриці Якобі.

Чисельне моделювання проведено для сценарію керованої зміни умов навчання у визначений момент часу. Результати демонструють наявність трьох характерних режимів: початкової адаптації, квазістаціонарного навчального процесу з флуктуаціями та переходу до нового робочого режиму після покращення умов. Показано, що зменшення інтенсивності дестабілізвальних чинників і підвищення ефективності навчального впливу приводять до зростання середнього рівня засвоєння та зменшення варіативності процесу. Фазова траєкторія у просторі станів запропонована як інформативний індикатор зміни режиму навчання, оскільки вона відображає не лише середній результат, а й співвідношення між досягнутим рівнем засвоєння та ресурсними витратами системи.

Наукова новизна роботи полягає в узгодженні керованої нелінійної моделі навчального процесу з кібернетичною моделлю другого порядку, що дозволяє поєднати педагогічну інтерпретацію процесів засвоєння, забування та дії завад з формальним апаратом аналізу стійкості й перехідних режимів. Запропонований підхід може бути використаний для імітаційного аналізу освітніх процесів, оцінювання впливу організаційних і методичних втручань, порівняння сценаріїв навчального навантаження, а також як теоретична основа для побудови адаптивних і персоналізованих систем навчання.

1 0

Біографії авторів

автор О. П. Чорний , афіліація Кременчуцький національний університет імені Михайла Остроградського

д-р техн. наук, професор, професор кафедри систем автоматичного управління та електроприводу

автор Л. В. Герасименко, афіліація Кременчуцький національний університет імені Михайла Остроградського

д-р пед. наук, професор, професор кафедри психології, педагогіки та філософії

автор О. А. Чорна, афіліація Кременчуцький національний університет імені Михайла Остроградського

канд техн. наук, доцент, доцент кафедри комп’ютерної інженерії та електроніки

Посилання

[1] S. Li, T. Wang, J. Zheng, and S. P. Lajoie, “A complex dynamical system approach to student engagement,” Learning and Instruction, vol. 98, Art. no. 102120, 2025. https://doi.org/10.1016/j.learninstruc.2025.102120 .
[2] Y. Cong, L. Yang, and A. L. Proietti Ergün, “Exploring the relationship between burnout, learning engagement and academic self-efficacy among EFL learners: A structural equation modeling analysis,” Acta Psychologica, vol. 248, Art. no. 104394, 2024. https://doi.org/10.1016/j.actpsy.2024.104394 .
[3] S. R. Earl, I. M. Taylor, C. Meijen, and L. Passfield, “Trajectories in cognitive engagement, fatigue, and school achievement: The role of young adolescents’ psychological need satisfaction,” Learning and Individual Differences, vol. 101, Art. no. 102248, 2023. https://doi.org/10.1016/j.lindif.2022.102248 .
[4] G. Paulon, R. Reetzke, B. Chandrasekaran, and A. Sarkar, “Functional logistic mixed-effects models for learning curves from longitudinal binary data,” Journal of Speech, Language, and Hearing Research, vol. 62, no. 3, pp. 543-553, 2019. https://doi.org/10.1044/2018_JSLHR-S-ASTM-18-0283 .
[5] M. Chen, K. Bian, Y. He, Z. Li, and H. Zheng, “Enhanced learning and forgetting behavior for contextual knowledge tracing,” Information, vol. 14, no. 3, Art. no. 168, 2023. https://doi.org/10.3390/info14030168 .
[6] I. Šarić-Grgić, A. Grubišić, and A. Gašpar, “Teacher noticing of students’ mathematical thinking: The role of mathematical content knowledge and professional expertise,” Interchange, 2023. https://doi.org/10.1007/s11257-023-09389-4 .
[7] B. Tabibian, U. Upadhyay, A. De, A. Zarezade, B. Schölkopf, and M. Gomez-Rodriguez, “Enhancing human learning via spaced repetition optimization,” Proceedings of the National Academy of Sciences, 2019, https://doi.org/10.1073/pnas.1815156116 .
[8] W. Ma, Z. Gao, Z. Chen, and Y. Xu, “Each encounter counts: Modeling language learning and forgetting,” in Proceedings of the ACM Conference, 2023. https://doi.org/10.1145/3576050.3576062 .
[9] M. Chen, Q. Guan, Y. He, Z. He, L. Fang, and W. Luo, “Knowledge tracing model with learning and forgetting behavior,” in Proceedings of the ACM International Conference on Information and Knowledge Management (CIKM), 2022. https://doi.org/10.1145/3511808.3557622 .
[10] R. Elmoazen, et al., “Learning analytics in virtual laboratories: A systematic literature review of empirical research,” Smart Learning Environments, vol. 10, Art. no. 23, 2023. https://doi.org/10.1186/s40561-023-00244-y .
[11] Z. Qin, et al., “The impact of academic burnout on academic achievement,” Frontiers in Psychology, 2025. https://doi.org/10.3389/fpsyg.2025.1559330 .
[12] E. Panadero, “A review of self-regulated learning: Six models and four directions for research,” Frontiers in Psychology, 2017. https://doi.org/10.3389/fpsyg.2017.00422 .
[13] J. Kaplan, “Swapping learning management systems: Self-regulated learning, program completion and academic achievement,” in Lecture Notes in Computer Science. Communications in Computer and Information Science. Cham, Switzerland: Springer, 2021. https://doi.org/10.1007/978-3-030-81350-5_6 .
[14] О. М. Спірін, і К. Р. Колос, «Технологія організації масового дистанційного навчання учнів на базі Moodle,» Інформаційні технології і засоби навчання, т. 79, № 5, с. 29-58, 2020. https://doi.org/10.33407/itlt.v79i5.4090 .
[15] V. M. Demianenko, “The model for adaptive learning systems of open education information environment,” Information Technologies and Learning Tools, vol. 77, no. 3, pp. 27-38, 2020. https://doi.org/10.33407/itlt.v77i3.3603 .
[16] N. Morze, O. Kuzminska, O. Glazunova, V. Korolchuk, M. Mokriiev, L. Varchenko-Trotsenko, and R. Zolotukha, “Moodle tools for educational analytics of the use of electronic resources of the university’s portal,” in Proceedings of the 1st Symposium on Advances in Educational Technology (AET), vol. 2, 2022, pp. 444-451. https://doi.org/10.5220/0010932700003364 .
[17] О. М. Спірін, та ін. «Експеримент з розвитку інформаційно-дослідницької компетентності науковців і викладачів на основі відкритих електронних систем,» Інформаційні технології і засоби навчання, т. 80, № 6, 2020. https://doi.org/10.33407/itlt.v80i6.4201 .
[18] O. Barkovska, Y. Liapin, I. Ruban, D. Rosinskiy, and V. Tkachov, “Analysis of neural network hyperparameters for predicting user gaze direction in adaptive learning systems,” Information Technologies and Learning Tools, vol. 108, no. 4, 2025. https://doi.org/10.33407/itlt.v108i4.6145 .

Статті цього автора (цих авторів), які найбільше читають