Інтелектуальні підходи до проєктування хмарно-орієнтованих систем підтримки прийняття рішень в освіті
DOI:
https://doi.org/10.18372/2073-4751.83.20545Ключові слова:
система підтримки прийняття рішень, мікросервісна архітектура, аналітика освітніх даних, життєвий цикл MLOps, адаптивні навчальні системиАнотація
У статті представлено комплексний підхід до проєктування інтелектуальної хмарно-орієнтованої системи підтримки прийняття рішень (СППР) у сфері освіти, в якій поєднано принципи мікросервісної архітектури, когнітивного моделювання та операції машинного навчання. Актуальність роботи обґрунтована зростанням масштабів освітніх даних, потребою в персоналізованих навчальних траєкторіях та необхідністю забезпечення стабільних SLO-показників у динамічних умовах навчального процесу. Аналіз сучасних досліджень виявив обмеження традиційних монолітних LMS, які не забезпечують достатньої гнучкості, масштабованості та можливостей інтеграції інтелектуальних моделей.
Запропонована архітектура система ґрунтується на подієво-орієнтованій взаємодії мікросервісів через Kafka та включає модулі збору й нормалізації навчальних подій, підсистему формування ознак, сервіси рекомендацій та прогнозування ризиків, а також окремий контур моделювання та моніторингу ML-компонентів. Результати дослідження демонструють, що поєднання мікросервісної декомпозиції з інтелектуальними методами аналізу даних підвищує точність рекомендацій, покращує показники продуктивності та забезпечує стійкість освітньої платформи за умов високого навантаження. Представлена архітектура може бути використана як основа для створення масштабованих та адаптивних освітніх екосистем нового покоління.
Посилання
Adel A, Alani N.H.S. Human-centric collaboration and Industry 5.0 framework in smart cities and communities: fostering sustainable development goals 3, 4, 9, and 11 in Society 5.0. Smart Cities. 2024. Vol. 7, 4. P. 1723–1775. DOI: 10.3390/smartcities7040068
Chatzopoulou D.I., Economides A.A. Adaptive assessment of student's knowledge in programming courses. Journal of Computer Assisted Learning. 2010. Vol. 26, 4, P. 258-269. DOI: 10.1111/j.1365-2729.2010.00363.x.
Melesko J, Kurilovas E. Personalised intelligent multi-agent learning system for engineering courses. 2016 IEEE 4th Workshop on Advances in Information, Electronic and Electrical Engineering (AIEEE). 2016. DOI: 10.1109/AIEEE.2016.7821821
Kristensen T., Dyngeland M. Design and Development of a Multi-Agent E-Learning System. 2015. International Journal of Agent Technologies and Systems. Vol. 7, 2, P. 19-74. DOI: 10.4018/IJATS.2015040102
Yanytska L. The rise of human-centric manufacturing in the industry 5.0 era. Int J Adv Manuf Technol. 2025. Vol. 139. P. 5067–5077. DOI: 10.1007/s00170-025-16192-5.
Di Francesco P., Lago P., Malavolta I. Architecting with microservices: A systematic mapping study. Journal of Systems and Software. 2019. P. 77-97. DOI: 10.1016/j.jss.2019.01.001.
Marieska M.D., Yunanta A., Auliam H., Utami A.S. Rizqie M.Q. Performance Comparison of Monolithic and Microservices Architectures in Handling High-Volume Transactions. Jurnal RESTI (Rekayasa Sistem Dan Teknologi Informasi). 2025. Vol. 9, 3. P. 594-600. DOI: 10.29207/resti.v9i3.6183
Dragoni N., Lanese I., Larsen S.T., Mazzara M., Mustafin R., Safina L. Microservices: How to make your application scale. Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics). 2017. 10742 LNCS, 95-104. DOI: 10.1007/978-3-319-74313-4_8.
Zarour M., Alzabut H., Al-Sarayreh K.T. MLOps best practices, challenges and maturity models: A systematic literature review. Information and Software Technology. 2025. Vol. 183. 107733. DOI: 10.1016/j.infsof.2025.107733.
Barbudo R., Ventura S., Romero J.R. Eight years of AutoML: categorisation, review and trends. Knowl Inf Syst. 2023. 65. 5097–5149. DOI: 10.1007/s10115-023-01935-1
Artamonov Y., Golovach I., Zymovchenko V. Use analysis of microserves in e-learning system with multi-variant access to educational materials. Technology Audit and Production Reserves. 2021. 4 (2 (60)), 45–50. DOI: 10.15587/2706-5448. 2021.237760.
Artamonov E.B, Zholdakov O.O. Concept of creating a software environment for automated text manipulation. Scientific journal “Proceedings of the National Aviation University”. 2010 . Vol. 3 (44), 111-115.
Fu Y., Gu S., Cheng L., Liu L. Performance evaluation of resource management schemes for cloud-native platforms with computing containers. 2022 IEEE International Performance, Computing, and Communications Conference (IPCCC). 2022. DOI: 10.1109/ipccc55026. 2022.9894300.
Mustyala A. Dynamic resource allocation in Kubernetes: Optimizing cost and performance. EPH – International Journal of Science and Engineering. 2021. 7, 3. DOI: 10.53555/ephijse.v7i3.237.
González S. Modular software design in distributed systems: Strategic approaches for building scalable, maintainable, and fault-tolerant architectures in modern microservice environments. Eigenpub Review of Science and Technology. 2023. 7, 1. DOI: 10.1007/s10916-020-1195-x.
Hang Y., Xiulei W., Changyou X., Bo X. A Microservice Resilience Deployment Mechanism Based on Diversity. Security and Communication Networks. 2022. 7146716. DOI: 10.1155/2022/7146716.
Kazanavičius J., & Mažeika D. The Evaluation of Microservice Communication While Decomposing Monoliths. Computing and Informatics. 2023. 42(1), 1–36. DOI: 10.31577/cai_2023_1_1
Mejía P. Best practices for microservice framework design. Advances in Intelligent Information Systems. 2022. 7, 1. URL: https://questsquare.org/index.php/JOURNALAIIS/article/view/70.
Bravetti M., Giallorenzo S., Mauro J., Talevi I., Zavattaro G. Optimal and automated deployment for microservices. Fundamental Approaches to Software Engineering. 2019 . 351–368. DOI: 10.1007/978-3-030-16722-6_21.
Gnatyuk S. Multilevel Unified Data Model for Critical Aviation Information Systems Cybersecurity. 2019 IEEE 5th International Conference Actual Problems of Unmanned Aerial Vehicles Developments (APUAVD). 2019. 242-247. DOI: 10.1109/APUAVD47061.2019.8943833.
Auer F., Lenarduzzi V., Felderer M., Taibi D. From monolithic systems to Microservices: An assessment framework. Information and Software Technology. 2021. Vol. 137.
Gnatyuk S., Sydorenko V., Polihenko O., Sotnichenko Y., Nechyporuk O. Studies on the disasters criticality assessment in aviation information infrastructure. CEUR Workshop Proceedings. 2020. 282–296. ISSN: 16130073.
Artamonov Y.B., Plotytsia S.V., Radchenko K.M., Kotsiur A.B. Microservice Architecture of Intelligent Educational Platforms with ML Pipeline Self-Optimization. Science and technology today. 2025. 10, 51. P. 1059-1073. DOI: 10.52058/2786-6025-2025-10(51)-1059-1073.
##submission.downloads##
Опубліковано
Номер
Розділ
Ліцензія
Автори, які публікуються у цьому журналі, погоджуються з наступними умовами:- 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.
- Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
- Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису роботи, як до подання цього рукопису до редакції, так і під час його редакційного опрацювання, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи (див. The Effect of Open Access).
