Інформаційні технології тестового контролю знань здобувачів вищої освіти: варанти їх модернізації

Автор(и)

DOI:

https://doi.org/10.24144/2616-7700.2026.48(1).113-126

Ключові слова:

академічне тестування, рівень знань, інформаційна технологія, нейронні мережі, Moodle

Анотація

У статті розглянуті різноманітні підходи до обробки та оцінювання результатів тестового контролю за допомогою інформаційних систем. Досліджено принципи побудови тестових завдань для перевірки рівня знань та технічна складова системи оцінювання, що дозволяють зрозуміти ефективність, переваги та недоліки тестового методу оцінювання рівня знань. Розглянуто використання штучних нейронних мереж в процесі створення тестових завдань та опрацювання результатів тестування на базі архітектури інформаційної системи Moodle. Досліджено ефективність належного оцінювання рівня знань та навичок здобувачів вищої освіти модифікованою системою академічного тестування на основі інтегрованого нейромережевого блоку.

Спонсор дослідження

  • Дослiдження здiйснено в рамках кафедральної науково-дослiдної роботи «Моделi i методи системного аналiзу в мiждисциплiнарних дослiдженнях» (державний облiковий номер 0125U003246)

Біографії авторів

С. В. Вронський, ДВНЗ «Ужгородський нацiональний унiверситет»

Аспiрант кафедри системного аналiзу та теорiї оптимiзацiї

Ю. В. Андрашко, ДВНЗ «Ужгородський нацiональний унiверситет»

Доцент кафедри комп’ютерних систем та технологiй. Кандидат технiчних наук, доцент

Посилання

  1. Vorotnikova, Z. Ye. (2019). Modern Informational Technologies Application in Educational Process. European Humanitarian Studies: State and Society, 3(I), 43–51. https://doi.org/10.38014/ehs-ss.2019.3-i.04 [In Ukrainian].
  2. Osmiatchenko, V. O., Hrabariev, A. V., & at al. (2023). Peculiarities of Informational Technologies Implementation into Educational Process. Actual Issues of Modern Science, 7(13), 60–74. https://doi.org/10.52058/2786-6300-2023-7(13)-60-74 [In Ukrainian].
  3. Shubin, I. Yu. (2019). Logical Networks and Its Usage for Morfological Tasks Solution. In III International Conference «Innovational Technologies in Science and Education». Amsterdam: Netherlands, 402–405. https://ceur-ws.org/Vol-2604/paper75.pdf [In Ukrainian].
  4. Baker, R. (2019). Educational data mining and learning analytics. The Cambridge handbook of the learning sciences. https://doi.org/10.1201/b10274-15
  5. Corbett, A. T., & Anderson, J. R. (1995). Knowledge tracing: Modeling the acquisition of procedural knowledge. User Modeling and User-Adapted Interaction, 4, 253–278. https://doi.org/10.1007/bf01099821
  6. Fincham, E., Whitelock-Wainwright, A., Kovanovi´c, V., Joksimovi´c, S., van Staalduinen, J. P., & Gaˇsevi´c, D. (2019). Counting clicks is not enough: Validating a theorized model of engagement in learning analytics. In Proceedings of the 9th International Conference on Learning Analytics & Knowledge, 501–510. https://doi.org/10.1145/3303772.3303775
  7. Bigler, D., & Hagel, G. (June, 2023). Technical report: Define a customized course and import it into moodle without changes to the configuration of the moodle system. In Proc. 5th Eur. Conf. Softw. Eng. Educ., 180–183. https://doi.org/10.1145/3593663.3593668
  8. Shilowaras, M., & Jusoh, N. A. (2022). Implementing artificial intelligence chatbot in moodle learning management system. Eng., Agricult., Sci. Technol. J. (EAST-J), 1(1), 70–75. https://doi.org/10.37698/eastj.v1i1.122
  9. Lohmann, M. J., Riggleman, S., & Higgins J. P. (Feb., 2024). Using a mobile device for early childhood classroom behavior data collection. Early Childhood Educ. J., 52(2), 427–434. https://doi.org/10.1007/s10643-023- 01443-5
  10. Wang, X., Maeda, Y., & Chang, H.-H. (2025). Development and techniques in learner model in adaptive e-learning system: A systematic review. Comput. Educ., 225, 105184. https://doi.org/10.1016/j.compedu.2024.105184
  11. Pikuliak, M. V., Savka, I. Ya., & Dutchak, M. S. (2022). Neural Networks Apparatus Usage for Adaptive Study Trajectory Research. Komp’iuterno-intehrovani tekhnolohii: osvita, nauka, vyrobnytstvo, 47, 91–97. https://doi.org/10.36910/6775-2524-0560-2022-47-14
  12. Otto, P., Bodyanskiy, Y., & Kolodyazhniy, V. (2003). A new learning algorithm for a forecasting neuro-fuzzy network. Integrated Computer-Aided Engineering, 10, 399–409. https://doi.org/10.3233/ica-2003-10409
  13. Piech, C., Bassen, J., Huang, J., Ganguli, S., Sahami, M., Guibas, L. J., & Sohl-Dickstein, J. (2015). Deep knowledge tracing. In Advances in neural information processing systems, 505–513. https://doi.org/10.1145/2724660.2724668
  14. Zakharchenko, T., Bell, A., Drushchak, N., Konopatska, O., Khan, F. A., & Stoyanovich, J. (2025). Estimating the impact of the Russian invasion on the displacement of graduating high school students in Ukraine. Humanities and Social Sciences Communications, 12, Article 836. https://doi.org/10.1057/s41599-025-04675-5
  15. Ukrainian Center for Educational Quality Assessment. (2025). National multidisciplinary test: Mathematics program content. Retrieved from https://testportal.gov.ua/matematyka-2025

##submission.downloads##

Опубліковано

2026-01-29

Як цитувати

Вронський, С. В., & Андрашко, Ю. В. (2026). Інформаційні технології тестового контролю знань здобувачів вищої освіти: варанти їх модернізації. Науковий вісник Ужгородського університету. Серія «Математика і інформатика», 48(1), 113–126. https://doi.org/10.24144/2616-7700.2026.48(1).113-126

Номер

Том 48 № 1 (2026)

Розділ

Iнформатика, комп’ютернi науки та прикладна математика

Ліцензія

Авторське право (c) 2026 С. В. Вронський, Ю. В. Андрашко

Creative Commons License

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.

Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.