Інтелектуальна технологія аналізу темпоральної упорядкованості елементів структурно-логічної схеми освітньої програми

Abstract

The article presents an intelligent technology that enables automated analysis of educational components within higher education curriculum and determines the logical sequence of their teaching based on the structuring of key concepts and life cycle processes. The technology relies on modern natural language processing (NLP) methods, particularly involving Large Language Models (LLM), which allows for identification and classification of course order in the educational process according to their content. The approach consists of 4 stages. Initially, data preparation is performed, which includes the ion of educational components relevant to defined specific competencies and learning outcomes. Next, keywords grouped by key concepts are identified in thedescription of topics the syllabi of these components. In the third stage, words that reflect actions and processes related to key concepts are determined. At the final stage, a pre-trained classification AI model is used, capable of determining the stage of a multi-stage teaching process to which the discipline (component) should be assigned in the educational process. Experimental application of the developed technology for an actual bachelor`s degree program in Information Systems and Technologies demonstrated high method effectiveness: 367 keywords were identified, grouped into 30 key concepts covering various aspects of the courses. A training dataset was developed for the concept of \"software product,\" on which classification accuracy for a three-stage process (triads) of 85-87% was achieved using the gradient boosting algorithm. The created pre-trained model was successfully used to develop recommendations for the analyzed educational program. The practical value lies in the possibility of implementing this technology for analyzing structural and logical frameworks, accelerating analysis and improving the qualityof development and periodic s of educational programs. Future prospects include expanding methods for processing large text corpora, improving classification algorithms, and testing the approach in related fields of knowledge to form a universal tool for systematizing the learning process.

У статті представлено інтелектуальну технологію, яка дає змогу автоматизовано аналізувати освітні компоненти освітньої програми вищої освіти й визначати логічну послідовність їхнього викладання на основі структурування ключових понять та процесів життєвого циклу. Технологія спирається на сучасні інтелектуальні методи оброблення природної мови (NLP), зокрема із залученням великих мовних моделей (LLM), що дає змогу ідентифікувати та класифікувати порядок дисципліни в освітньому процесі відповідно до їхнього змісту. Підхід складається з 4 етапів. Спершу виконується підготовка даних, що містить відбір освітніх компонентів, релевантних визначеним спеціальним компетентностям і програмним результатам навчання. Далі в описі тем робочих програм цих компонентів виявляються ключові слова, згруповані по ключових поняттях. На третьому етапі визначаються слова, які відображають дії та процеси, що стосуються ключових понять. На останньому етапі використовується передтренована класифікаційна інтелектуальна модель, що здатна визначати етап багатостадійного процесу викладення, до якого варто віднести дисципліну (компонент) в освітньому процесі. Експериментальне застосування розробленої технології для реальної бакалаврської освітньої програми з інформаційних систем та технологій засвідчило високу результативність методу: ідентифіковано 367 ключових слів, які згруповані по 30 ключових поняттях, що охоплюють різні аспекти навчальних курсів. Розроблено тренувальний датасет для поняття “програмний продукт”, на якому за допомогою алгоритму градієнтного бустингу досягнуто точність класифікації (accuracy) для тристадійного процесу (тріад) на рівні 85–87%. Створена передтренована модель була успішно використана для розроблення рекомендацій для освітньої програми, яка аналізувалась. Практична цінність полягає у можливості впровадження даної технології для аналізу структурно-логічних схем, прискорюючи аналіз та підвищуючи якість розроблення та періодичного оновлення освітніх програм. У перспективі планується розширити методи оброблення великих текстових корпусів, вдосконалити класифікаційні алгоритми й протестувати підхід на суміжних галузях знань, щоб сформувати універсальний інструмент для систематизації навчального процесу.