Взято з Вип. 118, Ч. 2, 2025
Сторінки 211 -216
Отримано 22.07.2025
Доопрацьовано 25.10.2025
Прийнято 15.12.2025
Взято з Вип. 118, Ч. 2, 2025
Сторінки 211 -216
Анотація
У статті розглянуто метод формування індивідуальної траєкторії навчання в адаптивних освітніх системах, що функціонують у цифровому та інтернет-орієнтованому середовищі. Актуальність дослідження зумовлена зростанням потреби в персоналізації освітнього процесу в умовах цифровізації освіти, різнорівневої підготовки здобувачів освіти та динамічної зміни вимог до результатів навчання. У традиційних освітніх моделях навчальний контент подається за фіксованою програмою, що не враховує індивідуальні особливості, рівень підготовленості та темп засвоєння матеріалу кожного здобувача освіти, що знижує ефективність навчання. У роботі запропоновано метод формування індивідуальної траєкторії навчання на основі аналізу знаннєвих, поведінкових та результативних показників діяльності здобувачів освіти в адаптивній освітній системі. Метод передбачає інтеграцію освітнього контенту, профілю користувача та механізмів адаптації, що забезпечують динамічну перебудову навчального маршруту відповідно до рівня сформованості знань, умінь і компетентностей [1]. Формування індивідуальної траєкторії здійснюється шляхом поетапного коригування структури та складності навчального матеріалу, вибору темпу навчання, типів навчальних ресурсів і форм контролю результатів навчальної діяльності. У межах дослідження розроблено концептуальну модель методу формування індивідуальної траєкторії навчання, яка ґрунтується на взаємодії трьох ключових компонентів: освітнього контенту, здобувача освіти та аналітичного ядра адаптивної системи. Аналітичне ядро забезпечує збір, обробку та інтерпретацію даних про навчальну активність користувачів, результати контролю знань та динаміку навчального прогресу, що є основою для прийняття рішень щодо адаптації навчального процесу. Запропонований метод дозволяє гнучко формувати індивідуальні навчальні маршрути з урахуванням як поточного стану знань, так і прогнозування подальших освітніх потреб [2]. Практична значущість отриманих результатів полягає у можливості впровадження запропонованого методу в цифрові освітні платформи та системи дистанційного і змішаного навчання для підвищення ефективності засвоєння навчального матеріалу. Використання методу сприяє підвищенню мотивації здобувачів освіти, зменшенню навчальних перевантажень та забезпечує підтримку індивідуальних освітніх траєкторій упродовж усього періоду навчання.
Ключові слова:
інтелектуалізація, персоналізація, модель, алгоритм, системний аналіз, адаптивне навчання, метод, індивідуалізація, цифровізаціяSysoieva S.O. Indyvidualna osvitnia traiektoriia yak faktor pidvyshchennia yakosti vyshchoi osvity (Individual educational trajectory as a factor of improving the quality of higher education). Pedahohichna osvita: teoriia i praktyka. Kyiv, 2020. Is. 28. P. 15–23 [in Ukrainian].
Kremen V.H., Luhovyi V.I., Reheilo I.Yu. Osvita v umovakh tsyfrovoi transformatsii suspilstva (Education in the conditions of digital transformation of society): Monograph. Kyiv: Polihrafservis, 2021. 320 p. [in Ukrainian].
Bykov V.Yu. Tsyfrove osvitnie seredovyshche: kontseptualni zasady ta napriamy rozvytku (Digital educational environment: conceptual foundations and development directions). Information Technologies and Learning Tools. Kyiv, 2020. Vol. 76, No. 2. P. 1–15 [in Ukrainian].
Kulbovskyi I.I., Kozachuk O.I. Analytical aspects of the IT education system in the electronic environment. Science and Technology Today. Kyiv, 2023. No. 8 (22). P. 309–323. https://doi.org/10.52058/2786-6025-2023-8(22)
Morze N., Buinytska O., Varchenko-Trotsenko L. Digital competence of teachers as a prerequisite for the development of adaptive learning environments. Information Technologies and Learning Tools. Kyiv, 2021. Vol. 83, No. 3. P. 22–38.
Samuels S., McDonald K. Adaptive learning systems and personalized learning paths in higher education. Educational Technology Research and Development. 2020. Vol. 68, No. 2. P. 945–965.
Drachsler H., Kalz M., Van Bruggen J. Learning analytics as a tool for shaping personalised learning trajectories. British Journal of Educational Technology. 2021. Vol. 52, No. 4. P. 1648–1664.
Holmes W., Bialik M., Fadel C. Artificial intelligence in education: Promises and implications for teaching and learning. Boston: Center for Curriculum Redesign, 2021. 195 p.
UNESCO. Artificial intelligence in education: Challenges and opportunities. Paris, 2021. URL: https://unesdoc.unesco.org (Last accessed: 12.11.2025).
OECD. Personalised learning and digital technologies. Paris: OECD Publishing, 2020. URL: https://www.oecd.org (Last accessed: 20.11.2025).