Розробка інформаційних систем з урахуванням пізнавальних особливостей здобувачів
DOI:
https://doi.org/10.20535/2077-7264.1(87).2025.326238Ключові слова:
інформаційні системи, адаптивні інтерфейси, персоналізація навчання, штучний інтелект, когнітивне навантаження, цифрове освітнє середовищеАнотація
Стаття присвячена питанням розробки інформаційних систем з урахуванням когнітивних особливостей користувачів, зокрема тих, хто навчається. Розглянуто основні аспекти проєктування інтерфейсів та організації інформаційних потоків таким чином, щоб підвищити ефективність сприйняття та засвоєння інформації. У роботі проаналізовано існуючі методології та підходи до адаптації інтерфейсів з урахуванням індивідуальних особливостей користувачів, включаючи відмінності у стилях навчання, когнітивному навантаженні та перевагах у подачі матеріалу.
Одним із ключових аспектів дослідження є вивчення способів мінімізації когнітивного навантаження при взаємодії з інформаційними системами. Розглядаються механізми персоналізації контенту, адаптивні методи відображення інформації, а також застосування штучного інтелекту для автоматичного підбору найефективніших форм подання знань.
У статті наведено приклади реалізації адаптивних систем навчання та інтелектуальних інтерфейсів, проаналізовано їх переваги та недоліки. Також досліджуються принципи ергономіки цифрових освітніх середовищ та вплив візуального дизайну на сприйняття інформації. Пропонуються рекомендації щодо розробки інтерфейсів освітніх інформаційних систем, що сприяють зниженню когнітивних бар’єрів та покращенню якості навчання.
Проведений аналіз показує, що облік когнітивних особливостей користувачів дозволяє значно підвищити ефективність взаємодії з інформаційною системою, покращити засвоєння навчального матеріалу та знизити рівень стресового навантаження під час навчання. Цей підхід особливо актуальний в умовах зростаючого обсягу інформації та розвитку цифрових освітніх технологій. Ці дослідження сприятимуть більш точному узгодженню навчальних програм із поточними інтересами студентів, а також нададуть викладачам інформацію про чинники, що впливають на популярність окремих дисциплін і викладачів. Окрім цього, варто розглянути можливість розробки моделей кластеризації студентів для формування індивідуально орієнтованих кар’єрних траєкторій, які відповідатимуть їхнім здібностям і вибраному напряму освіти.
Посилання
Babenko, V., Hrabovskyi, Y., Gordyeyev, A., Pushkar, O., & Akhmedova, O. (Lviv, Ukraine, April 12–13, 2024). Development of Database-Driven Multimedia Training Products. Proc. of the 8th International Conference on Computational Linguistics and Intelligent Systems. Volume III: Intelligent Systems Workshop (ISW-CoLInS 2024). Retrieved from https://ceur-ws.org/Vol-3688/paper6.pdf [in English].
Wang, J., Peng, J., & Liu, O. (2015). A classification approach for less popular webpages based on latent semantic analysis and rough set model. Expert Systems with Applications, Vol. 42, Issue 1, 642–648. https ://doi.org/10.1016/j.eswa.2014.08.013 [in English].
Dolot, A. (2018). The characteristic of Generation Z. e-Mentor, 2(74), 44–50. Retrieved from https://www.researchgate.net/publication/328564137_The_characteristics_of_Generation_Z [in English].
Ozkan, M., & Solmaz, B. (2015). Mobile Addiction of Generation Z and its Effects on their Social Lifes: (An Application among University Students in the 18-23 Age Group). Procedia — Social and Behavioral Sciences, Vol. 205, 92–98. https://doi.org/10.1016/j.sbspro.2015.09.027 [in English].
Hamdi, M., & Hamtini, T. (2016). Designing an effective e-content development framework for the enhancement of learning programming. International Journal of Emerging Technologies in Learning, 11(4), 131–141. https://doi.org/10.3991/ijet. v11i04.5574 [in English].
Suartama, I. K., Mahadewi, L. P. P., Divayana, D. G. H., & Yunus, M. (2022). ICARE approach for designing online learning module based on LMS. International Journal of Information Education Technology, 12(4), 305–312. Retrieved from https://www.researchgate.net/profile/I-Kadek-Suartama/publication/355844822_ICARE_Approach_for_Designing_Online_Learning_Module_Based_on_LMS/links/6214dc614be28e145caa35bc/ICARE-Approach-for-Designing-Online-Learning-Module-Based-on-LMS.pdf [in English].
Mwambe, O., & Kamioka, E. (2019). Utilization of learners’ metacognitive experiences to monitor learners’ cognition states in e-learning platforms. International Journal of Information Education Technology, 9, 362–365. https://doi.org/10.18178/ ijiet.2019.9.5.1227 [in English].
Suartama, I. K., Setyosari, P., Sulthoni, S., Ulfa, S., Yunus, M., & Sugiani, K. (2021). Ubiquitous Learning vs. Electronic Learning: A Comparative Study on Learning Activeness and Learning Achievement of Students with Different Self-Regulated Learning. International Journal of Emerging Technologies in Learning (iJET), 16, 36–56. Retrieved from https://www.researchgate.net/publication/349239455_Ubiquitous_Learning_vs_Electronic_Learning_A_Comparative_Study_on_Learning_Activeness_and_Learning_Achievement_of_Students_with_Different_Self-Regulated_Learning [in English].
Dorça, F. A., Araújo, R. D., de Carvalho, V. C., Resende, D. T., & Cattelan, R. G. (2016). An automatic and dynamic approach for personalized recommendation of learning objects considering students learning styles: An experimental analysis. Informatics in Education, 15, 45–62. Retrieved from mhttps://eric.ed.gov/? id=EJ1097513 [in English].
Mwambe, O. O., Tan, P. X., & Kamioka, E. (2020). Bioinformatics-based adaptive system towards real-time dynamic E-learning content personalization. Education in Science, 10(2), 42. https://doi.org/10.3390/educsci10020042 [in English].
Liu, N.-H., Chiang, C.-Y., & Chu, H.-C. (2013). Recognizing the degree of human attention using EEG signals from mobile sensors. Sensors, 13(8), 10273–10286. DOI: 10.3390/2Fs130810273 [in English].
Gazzaley, A., & Nobre, A. C. (2012). Top-down modulation: Bridging selective attention and working memory. Trends in Cognitive Sciences, 16(2), 129–135. https://doi.org/ 10.1016/j.tics.2011.11.014 [in English].
Bauer, M., Brauer, C., Schuldt, J., & Kromker, H. (2018). Adaptive E-learning technologies for sustained learning motivation in engineering science — acquisition of motivation through self-reports and wearable technology. In Proc. of the 10th international conference on computer supported education, Vol. 2, 418–425). https://doi.org/10.5220/0006787104180425 [in English].
Mwambe, O. (2022). Adaptive e-learning multimedia content personalization approach based on learner’s cognitive processes. Doctoral Dissertation. Shibaura Institute of Technology, 377.5/O85. Retrieved 7 Apr. 2023, from https://shibaura.repo.nii.ac. jp/?action=repository_action_common_download&item_id=201&item_no=1&attri bute_id=20&file_no=1 [in English].
Akputu, O. K., Seng, K. P., Lee, Y., & Ang, L.-M. (2018). Emotion recognition using multiple kernel learning towards E-learning applications. ACM Transactions on Multimedia Computing, Communications, and Applications, 14, 1–20. https://doi.org/ 10.1145/3131287 [in English].
Lehman, B. A., & Zapata-Rivera, D. (2018). Student emotions in conversation-based assessments. IEEE Transactions on Learning Technologies, 11, 41–53. Retrieved 6 June. 2023 from https://eric.ed.gov/?id=EJ1174704 [in English].
Suartama, I. K., Setyosari, P., Sulthoni, S., & Ulfa, S. (2020). Development of ubiquitous learning environment based on moodle learning management system. International Journal of Interaction Mobile Technology, 14(14), 182–204. https://doi.org/10.3991/ ijim.v14i14.11775 [in English].
Scheiter, K., Schubert, C., Schüler, A., Schmidt, H., Zimmermann, G., Wassermann, B., Krebs, M. C., & Eder, T. (2019). Adaptive multimedia: Using gaze-contingent instructional guidance to provide personalized processing support. Computer Education, 139, 31–47. https://doi.org/10.1016/j.compedu.2019.05.005 [in English].
Benyon, D., & Hook, K. (1997). Navigation in information spaces: Supporting the individual. In Human-computer interaction INTERACT’97. Berlin, Germany: Springer.
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2025 Андрій Сергійович Гордєєв, Володимир Пилипович Ткаченко
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
Наше видання використовує положення про авторські права Creative Commons CC BY для журналів відкритого доступу.
Автори, які публікуються у цьому журналі, погоджуються з наступними умовами:
1. Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons CC BY, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов’язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
2. 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.
