https://repository.hneu.edu.ua/handle/123456789/154 2026-05-31T18:33:46Z 2026-05-31T18:33:46Z Столяренко Т. Л. https://repository.hneu.edu.ua/handle/123456789/40041 2026-05-17T08:46:58Z 2025-01-01T00:00:00Z

Назва: Архітектура інформаційної системи підтримки дистанційного навчання програмуванню на Python в глобальному середовищі економічної освіти Автори: Столяренко Т. Л. Короткий огляд (реферат): У статті запропоновано архітектуру інформаційної системи (ІС), розроблену для подолання обмежень традиційних систем управління навчанням (LMS). Запропонована архітектура базується на мікросервісному підході, що забезпечує високу відмовостійкість, гнучкість розробки та незалежне масштабування окремих функціональних блоків. Ключовим технологічним рішенням є використання контейнеризації на базі Docker та оркестрації за допомогою Kubernetes. Ця технологічна зв’язка дозволяє реалізувати дві критично важливі підсистеми: 1) Ізольоване браузерне середовище розробки (In-Browser IDE): Кожен користувач отримує персональний, ізольований контейнер (sandbox), який містить необхідні бібліотеки Python, компілятори, інтерпретатори та веб-сервери (для завдань з веб-технологій). Це усуває проблеми, пов'язані з налаштуванням локального середовища, та забезпечує ідентичність середовища навчання та оцінювання. Завдяки контейнеризації, студенти можуть безпечно виконувати складні ООП-проєкти та розгортати повноцінні веб-додатки безпосередньо у веб-браузері. 2) Високопродуктивна підсистема автоматизованого оцінювання (Auto-Grading Engine): Ця підсистема також працює на базі контейнерів. Вона здатна паралельно запускати та тестувати код тисяч студентів, використовуючи ізольовані віртуальні машини або контейнери для запобігання зловживанням. Оцінювання включає не лише функціональні тести, а й перевірку на відповідність принципам ООП (інтерфейси, успадкування, поліморфізм), архітектуру веб-застосунку та якість коду (стиль, ефективність, наявність вразливостей). Крім того, архітектура включає Модуль управління навчальним контентом із підтримкою версіонування коду (наприклад, інтеграція з Git) та Підсистему аналітики, яка відстежує прогрес студента, час, витрачений на вирішення проблем, та виявляє типові помилки, надаючи адаптивний зворотний зв'язок викладачам і самим здобувачам. Впровадження даної ІС в освітній процес сприятиме підготовці кваліфікованих IT-фахівців, які володіють практичними навичками розробки та здатні ефективно вирішувати актуальні економічні та технологічні завдання в умовах глобального ринку. Результати дослідження надають науково-методичну основу для модернізації технічної компоненти глобальної економічної освіти.

2025-01-01T00:00:00Z Столяренко Т. Л. https://repository.hneu.edu.ua/handle/123456789/40040 2026-05-17T08:42:36Z 2026-01-01T00:00:00Z

Назва: Архітектура відкритої цифрової інклюзивної освітньої екосистеми університету на основі принципів Universal Design for Learning Автори: Столяренко Т. Л. Короткий огляд (реферат): У статті здійснено комплексне теоретичне обґрунтування та розроблено архітектурну модель відкритої цифрової інклюзивної освітньої екосистеми сучасного університету, в основу якої покладено принципи Universal Design for Learning (UDL). Актуальність дослідження зумовлена стрімкою диверсифікацією студентського контингенту, що включає осіб з інвалідністю, іноземних студентів та здобувачів із різними когнітивними стилями, що висуває нові вимоги до гнучкості цифрової інфраструктури закладу вищої освіти. Традиційний підхід «одне рішення для всіх», притаманний більшості сучасних систем управління навчанням (LMS), є неефективним для забезпечення справжньої інклюзії. В основу запропонованої архітектури покладено три методологічні стовпи UDL: множинні засоби представлення інформації, множинні засоби дії та вираження, а також множинні засоби залучення. Наукова новизна дослідження полягає у розробці багатошарової моделі екосистеми, яка охоплює чотири взаємопов'язані рівні: інфраструктурний (хмарні ресурси та безпека даних), сервісний (LMS, репозиторії відкритих ресурсів та аналітика), адаптаційний (модулі ШІ та асистивні технології) та комунікаційний (API-інтерфейси та стандарти інтероперабельності). Особливу увагу приділено адаптивному навчальному середовищу, яке функціонує на основі динамічної моделі студента, що враховує профілі доступності, уподобань, компетентностей та мотивації. У роботі деталізовано механізми забезпечення відкритості та інтероперабельності системи через впровадження міжнародних стандартів, таких як IMS Global (LTI, QTI), xAPI та WCAG 2.2 рівня AA . Обґрунтовано організаційну стратегію впровадження архітектури, яка передбачає створення Центру інклюзивної цифрової освіти та трифазний план переходу (від базової інфраструктури до повноцінної екосистеми на основі ШІ). Для оцінювання ефективності запропоновано систему KPI, що базується на показниках доступності, залученості, навчальних результатів та задоволеності користувачів. Практична значущість результатів полягає у створенні концептуального та технічного базису для модернізації університетського цифрового простору з метою забезпечення рівного доступу до якісної освіти для всіх категорій здобувачів.

2026-01-01T00:00:00Z Столяренко Т. Л. https://repository.hneu.edu.ua/handle/123456789/40039 2026-05-17T08:36:59Z 2026-01-01T00:00:00Z

Назва: Дослідження еволюції Python-фреймворків та їх впливу на розвиток інформаційних технологій Автори: Столяренко Т. Л. Короткий огляд (реферат): У статті проаналізовано розвиток екосистеми Python-фреймворків та оцінено їхній вплив на різні напрями інформаційних технологій. Досліджено перехід від ранніх протоколів CGI до сучасних асинхронних архітектур на базі ASGI, що забезпечують високу продуктивність у високонавантажених системах. Виявлено закономірності впливу архітектурних рішень (монолітних та мікросервісних) на стабільність, масштабованість та безпеку інформаційних систем. У фокусі – категорії веб-фреймворків (Django, Flask, FastAPI тощо), фреймворків для машинного та глибокого навчання (TensorFlow, PyTorch), засобів автоматизації тестування (Selenium, Robot Framework) і DevOps-інструментів (Ansible, Fabric), а також інструментарій для створення API та графічних інтерфейсів. Детально висвітлено ключові етапи еволюції цих фреймворків, напрями їхнього застосування (розробка ПЗ, наука про дані, хмарні обчислення, автоматизація, кібербезпека, системна інтеграція) та приклади впливу на ІТ-галузь. Згідно з опитуваннями спільноти Python за 2024–2025 рр., лідерами серед веб-фреймворків є FastAPI (38 %), Django (35 %) і Flask (34 %), а серед бібліотек ML – scikit-learn (68 %), PyTorch (66 %) та TensorFlow (49 %). Наприклад, Django (створений у 2003–2005 рр.) спроєктовано для швидкого створення складних базоорієнтованих сайтів, а Flask (перший реліз 2010 р.) став надпопулярним мікрофреймворком (використовується у Pinterest, LinkedIn тощо). TensorFlow (2015) і PyTorch (2016) забезпечили шалену експансію засобів штучного інтелекту. У сфері автоматизації Selenium (від 2004) і Robot Framework (від 2005) стали де-факто стандартами тестування веб- та системних інтерфейсів, а DevOps-інструменти Ansible (2012) та Fabric суттєво спростили конфігурування систем і розгортання ПЗ. З іншого боку, Python-фреймворки для наукових обчислень (пакети Pandas, NumPy, SciPy) й ML-завдань надали ключові інструменти науки про дані. Загалом, вивчено сучасні тенденції та практичні приклади застосування Python-фреймворків у ІТ, що демонструють їхню важливість у прискоренні розробки та впровадженні інновацій [1-6,10].

2026-01-01T00:00:00Z Столяренко Т. Л. https://repository.hneu.edu.ua/handle/123456789/40038 2026-05-15T10:06:16Z 2025-01-01T00:00:00Z

Назва: Автоматизоване конструювання та оцінка навчальних траєкторій з ООП і web технологій для STEM освіти Автори: Столяренко Т. Л. Короткий огляд (реферат): У контексті динамічного розвитку STEM-галузей, традиційні універсальні навчальні плани стають менш ефективними. Ця стаття присвячена методиці автоматизованого конструювання та оцінки навчальних траєкторій, що дозволяє персоналізувати процес навчання, адаптуючи його під індивідуальні потреби та темп студента. Основний фокус статті — практична реалізація цього підходу для дисциплін об'єктно-орієнтованого програмування (ООП) та Web-технологій. Сучасна STEM освіта переживає період значних трансформацій, зумовлених інтеграцією передових технологій штучного інтелекту та автоматизованих систем навчання. Дана робота присвячена аналізу методологій та інструментів автоматизованого конструювання і оцінки навчальних траєкторій, спеціалізованих для навчання об'єктно-орієнтованого програмування (ООП) та веб-технологій у контексті STEM освіти. Особливу увагу приділено розробці та впровадженню інструментів на базі мов програмування Python та JavaScript, які забезпечують персоналізацію навчального процесу та адаптивне навчання. У роботі досліджуються сучасні підходи до використання генеративного штучного інтелекту (GenAI) та великих мовних моделей (LLM) для створення динамічного навчального контенту, що адаптується до індивідуальних потреб та рівня знань студентів у реальному часі. Аналізуються методології багатовимірної оцінки ефективності навчальних траєкторій, включаючи автоматизоване виявлення проблем у засвоєнні ООП концепцій та механізми зворотного зв'язку. Практичний аспект дослідження охоплює архітектуру систем на основі Python для алгоритмів машинного навчання та JavaScript для інтерактивних користувацьких інтерфейсів, що сприяє підвищенню ефективності навчання та мотивації студентів порівняно з традиційними методами викладання STEM дисциплін. Робота вносить вклад у розвиток теоретичних основ адаптивного навчання та надає практичні рекомендації для розробників освітніх технологій та викладачів STEM дисциплін, щоб краще оснастити студентів навичками, необхідними для майбутньої кар'єри в галузі технологій.

2025-01-01T00:00:00Z