Показати скорочену інформацію

dc.contributor.authorПаламарчук, Є. А.uk
dc.contributor.authorДенесяк, О. І.uk
dc.date.accessioned2023-12-08T21:14:21Z
dc.date.available2023-12-08T21:14:21Z
dc.date.issued2023
dc.identifier.citationПаламарчук Є. А. Побудова агентної моделі з адаптаційними властивостями в інформаційних технологіях аналізу контексту в системах оцінювання знань [Текст] / Є. А. Паламарчук, О. І. Денесяк // Вісник Вінницького політехнічного інституту. – 2023. – № 5. – С. 32–40.uk
dc.identifier.issn1997-9266
dc.identifier.urihttp://ir.lib.vntu.edu.ua//handle/123456789/38565
dc.description.abstractThe article analyzes the architecture of electronic educational systems (EES) and the possibility of decomposition into subsystems according to the implementation of the functionality they perform. The types of connections and the possibility of interaction of subsystems are considered. The dynamic features of the EES architecture and the influence of factors that may arise during its operation are highlighted. The types of agents and the interaction between them were studied to ensure the adaptive components of the work of knowledge assessment systems. The types of agents and their interaction with EES are considered in detail, examples are given. The working principles and interaction schemes of independent agents and agents united in groups have been studied, their interaction schemes are given. The effectiveness of combining agents into groups and the expediency of such an approach are highlighted. The scheme of the work of an independent agent with an adaptive component and the influence of its work on the result and input data of other agents are shown. Weighting factors are added to each of the agents, which are responsible for adjusting the work of each of the input factors, which in turn form the overall result. The weighting factors are static elements that are based on expert data and are defined between 0 and 1. Based on the agent approach, an adaptive quasi-static mathematical model has been developed, on which the adaptive component of information technologies for the analysis of the context of knowledge assessment systems will be based. The developed model is takes into account the dynamism of the architecture of knowledge assessment systems and includes management of the adaptive functions. The developed agent model reflects an iterative process in time, the result of which consists of the sum of the results of the work of groups of agents over the entire range of knowledge evaluation. The model includes the possibility of emergency shutdown of the system in case of a corresponding command of the agent. The main advantages of the designed model are universality, provision of an adaptive component, i.e., considering the dynamics of changes in parameters over time and the possibility of their rating. Such a model autonomizes the components of information technologies of context analysis in knowledge assessment systems, providing opportunities to change its own functionality and independent functioning.en
dc.description.abstractПроаналізовано архітектуру електронних освітніх систем (ЕОС) та можливість їхньої декомпозиції на підсистеми відповідно до реалізації функціональності, яку вони здійснюють. Розглянуто види зв`язків та можливість взаємодій підсистем. Виділено динамічну особливість архітектури ЕОС та вплив факторів, які можуть виникати під час її роботи. Досліджено види агентів та взаємодію між ними для забезпечення адаптаційних складових роботи систем оцінювання знань. Детально розглянуто види агентів та їхню взаємодію з ЕОС, наведено приклади. Досліджено принципи роботи та схеми взаємодії незалежних агентів та агентів, об`єднаних у групи, наведено схеми їхніх взаємодій. Виділено ефективність об`єднання агентів у групи та доцільність такого підходу. Показана схема роботи незалежного агента з адаптаційної складовою та його вплив на результат та вхідні дані інших агентів. До кожного з агентів додані вагові коефіцієнти, що відповідають за коригування роботи кожного з вхідних факторів, які також формують загальний результат. Вагові коефіцієнти є статичними елементами, які базуються на експертних даних та визначаються на проміжку від 0 до 1. На основі агентного підходу розроблено адаптивну квазістатичну математичну модель, яка стане основою для реалізації адаптаційної складової інформаційних технологій аналізу контексту систем оцінювання знань. Розроблена модель враховує динамічність архітектури систем оцінювання знань та включає менеджмент адаптаційними функціями. Розроблена агентна модель відображає ітераційний процес в часі, результат якого складається з суми результатів роботи груп агентів на всьому проміжку оцінювання знань. Модель включає можливість екстреного завершення роботи системи у разі надходження відповідної команди агента. Головними перевагами спроектованої моделі є універсальність, забезпечення адаптаційної складової, тобто врахування динаміки зміни параметрів у часі та можливість їхнього рейтингування. Така модель автономізує складові інформаційних технологій аналізу контексту в системах оцінювання знань, забезпечивши можливості зміни власного функціоналу і самостійного функціонування.uk
dc.language.isouk_UAuk_UA
dc.publisherВНТУuk
dc.relation.ispartofВісник Вінницького політехнічного інституту. № 5 : 32–40.uk
dc.relation.urihttps://visnyk.vntu.edu.ua/index.php/visnyk/article/view/2929
dc.subjectагентuk
dc.subjectмультиагентні системиuk
dc.subjectадаптаціяuk
dc.subjectматематична модельuk
dc.subjectсистеми оцінювання знаньuk
dc.subjectелектронні освітні системиuk
dc.subjectосвітній процесuk
dc.subjectagenten
dc.subjectmulti-agent systemsen
dc.subjectadaptationen
dc.subjectmathematical modelen
dc.subjectknowledge assessment systemsen
dc.subjectelectronic educational systemsen
dc.subjecteducational processen
dc.titleПобудова агентної моделі з адаптаційними властивостями в інформаційних технологіях аналізу контексту в системах оцінювання знаньuk
dc.title.alternativeConstruction of an Agent Model with Adaptive Properties in Information Technologies for Context Analysis in Knowledge Assessment Systemsen
dc.typeArticle
dc.identifier.udc004.42
dc.relation.referencesA. Fedonuyk, V. Yunchyk, T. Cheprasova, and S. Yatsyuk, “The Models of Data and Knowledge Representation in Educational System of Mathematical Training of IT-specialists,” in 2020 IEEE 15th International Conference on Computer Sciences and Information Technologies (CSIT), Zbarazh, Ukraine, 2020, pp. 269-272. https://doi.org/10.1109/CSIT49958.2020.9321899.en
dc.relation.referencesA. Fedonuyk, V. Yunchyk, I. Mukutuyk, O. Duda, and S. Yatsyuk, “Application of the hierarchy analysis method for the choice of the computer mathematics system for the IT sphere specialists preparation,” in XII International Conference on Mathematics, Science and Technology Education, Kryvyi Rih, Ukraine, 2021. https://doi.org/10.1088/1742-6596/1840/1/012065en
dc.relation.referencesW. Jiao, and Y. Sun, “Self-adaptation of multi-agent systems in dynamic environments based on experience exchanges,” Journal of Systems and Software, pp. 165-179, 2016.en
dc.relation.referencesD. Y. Bugaychenko, “MASL: A logic for the specification of multiagent real-time systems”, in Proc. 5th International Central and Eastern European Conference on Multi-Agent Systems, Leipzig, Germany, 2017, pp. 183-192.en
dc.relation.referencesT. Preisler, and W. Renz, “Structural Adaptations for Self-Organizing Multi-Agent Systems”, in The Seventh International Conference on Adaptive and Self-Adaptive Systems and Applications (ADAPTIVE 2015), At Nice, France, 2015, pp 1-8.en
dc.relation.referencesYe. A. Palamarchuk, “Methods of building microservice architecture of e-learning systems,” Інформаційні технології та комп'ютерна інженерія, vol. 53, no. 1, pp. 43-54, February, 2022en
dc.relation.referencesJ. P. Műller, and K. Fisher, “Application Impact of Multi-agent Systems and Technologies: ASurvey”, in AgentOriented Software Engineering: Reflections on Architectures, Methodologies, Languages, and Frameworks, O. Shehony and A. Strum, Springer-Verlag, 2014, pp. 27-53. [Electronic resource]. Available: https://link.springer.com/book/10.1007/978-3- 642-54432-3.en
dc.relation.referencesO. V. Bisikalo, O. O. Kovalenko, and Y. A. Palamarchuk, “Models of Behavior of Agents in the Learning Management System,” in 2019 IEEE 14th International Conference on Computer Sciences and Information Technologies (CSIT), Lviv, Ukraine, 2019, pp. 222-227.en
dc.identifier.doi10.31649/1997-9266-2023-170-5-32-40
dc.identifier.orcidhttps://orcid.org/0000-0002-7443-099X


Файли в цьому документі

Thumbnail

Даний документ включений в наступну(і) колекцію(ї)

Показати скорочену інформацію