Детальная информация

В работе проведён анализ современных систем управления обучением (LMS), таких как Moodle, Google Classroom и Microsoft Teams, выявлены их ограничения в части автоматизации и индивидуализации распределения учебных заданий. Особое внимание уделено анализу подходов к адаптивному обучению, методам оценки результатов (CTT, IRT) и применению систем на основе правил (RBAL). На основе результатов анализа спроектирован и реализован программный прототип автономной системы. Прототип разработан на базе Java с использованием Spring Boot и реляционной СУБД PostgreSQL. Система поддерживает импорт студентов через CSV-файл, загрузку внешнего алгоритма распределения заданий в виде подключаемого Java-класса, создание и редактирование курсов, формирование тестов из банка заданий, прохождение тестирования студентами и автоматизированный учёт результатов с ведением журнала. В ходе реализации акцент сделан на автономности, простоте эксплуатации, минимальных требованиях к инфраструктуре и базовой защите персональных данных. Предложенное решение демонстрирует возможность повышения эффективности учебного процесса за счёт автоматизации распределения заданий и может служить основой для дальнейшего расширения, масштабирования и интеграции с другими образовательными платформами.

The final qualification work analyzes modern Learning Management Systems (LMS) such as Moodle, Google Classroom, and Microsoft Teams, highlighting their limitations in automating and individualizing assignment distribution. Special attention is given to approaches in adaptive learning, assessment methods (CTT, IRT), and rule-based adaptive learning systems (RBAL). Based on the results of the analysis, a software prototype of an autonomous system was designed and implemented. The prototype was developed using Java with the Spring Boot framework and a relational PostgreSQL database. The system supports importing students via CSV files, loading an external task distribution algorithm as a pluggable Java class, creating and editing courses, generating tests from a task bank, conducting student assessments, and automatically recording results that are available for review in the instructor’s interface. During implementation, emphasis was placed on autonomy, ease of use, minimal infrastructure requirements, and basic personal data protection. The proposed solution demonstrates the potential for increasing the efficiency of the educational process through automated assignment distribution and can serve as a foundation for further development, scaling, and integration with other educational platforms.