АВТОМАТИЗОВАНЕ ВИЯВЛЕННЯ ОСВІТНІХ ВТРАТ З ВИКОРИСТАННЯМ ШТУЧНОГО ІНТЕЛЕКТУ
DOI:
https://doi.org/10.37472/v.naes.2026.8122Ключові слова:
штучний інтелект, освітні втрати, національний мультипредметний тест, машинне навчання, теорія тестування, «Smart Monitoring», предиктивна аналітика, людський капіталАнотація
У статті розглянуто проблему автоматизованого виявлення освітніх втрат у системі загальної середньої освіти України в умовах воєнного стану та цифрової трансформації. Обґрунтовано, що традиційні статистичні методи аналізу результатів навчання, зокрема за підсумками національного мультипредметного тесту (НМТ), є недостатньо ефективними для ідентифікації прихованих закономірностей у великих масивах даних. Автор пропонує перехід до нової парадигми управління освітою, що базується на використанні штучного інтелекту (ШІ) як когнітивного ядра аналітики, здатного створювати високоточні предиктивні моделі. У дослідженні детально описано архітектуру системи «Smart Monitoring», яка інтегрує методи машинного навчання із психометричними моделями сучасної теорії тестування. Особливу увагу приділено математичній формалізації інтегральних показників освітніх втрат та використанню індексу просторової автокореляції «Морана» для ідентифікації «зон освітньої вразливості». Розроблена модель дає змогу не лише фіксувати прогалини в знаннях, але й прогнозувати ризики недосягнення результатів навчання, виявляти випадки академічної недоброчесності та оцінювати додану освітню цінність закладів освіти. Практична значущість дослідження полягає у створенні інструментарію для прийняття обґрунтованих управлінських рішень, спрямованих на компенсацію освітніх втрат та збереження людського капіталу держави.
Завантаження
Посилання
Головко, М.В. (2023) Цифрові технології як інструментарій діагностики та компенсації освітніх втрат У І.А. Твердохліб (упоряд.), Теорія і практика використання інформаційних технологій в умовах цифрової трансформації освіти: матеріали Всеукраїнської науково-практичної конференції, 29 червня 2023 року. (203-205). Київ. Вид-во УДУ імені Михайла Драгоманова https://lib.iitta.gov.ua/id/eprint/736744/
Державна служба якості освіти України. (2024, 26 листопада). Діагностика та подолання освітніх втрат: резильєнтність шкіл у сучасних умовах. https://sqe.gov.ua/diagnostika-ta-podolannya-osvitnikh-vt/
Жук, Ю., & Науменко, С. (2023). Інструментарій діагностики освітніх втрат здобувачів загальної середньої освіти. У О.М. Топузов (ред.), Проблеми сучасного підручника: навчально-методичне забезпечення освітнього процесу в умовах воєнного часу та повоєнного відновлення : збірник тез доповідей.(с. 107-109). Київ: Педагогічна думка. https://lib.iitta.gov.ua/id/eprint/738497/
Журавльова, Є.С., & Нічишина, В.В. (2025). Про використання можливостей штучного інтелекту у процесі надолуження освітніх втрат. Наукові записки молодих учених Центральноукраїнського державного університету імені Володимира Винниченка, 14. Кропивницький: РВВ ЦДУ ім В. Винниченка. https://phm.cuspu.edu.ua/ojs/index.php/SNYS/article/view/2193
Інститут цифровізації освіти НАПН України. (2026). Ресурси відкритого доступу. https://iitlt.gov.ua/scientific-activity/researches/resursy-vidkrytoho-dostupu/
Спірін, О.М. (2025). Цифрова трансформація освіти: штучний інтелект у сучасному освітньому просторі : Наукова доповідь загальним зборам НАПН України «Цифрова трансформація освіти: штучний інтелект у сучасному освітньому просторі», 21 листопада 2025 р. Вісник Національної академії педагогічних наук України,7(2), 1-9. https://doi.org/10.37472/v.naes.2025.7221
Топузов, О.М., & Алєксєєва, С.В. (2024) Штучний інтелект та імерсивні технології в освітніх практиках: компенсація освітніх втрат у загальній середній освіті під час війни в Україні. У В. Кремень, Н. Ничкало, Л. Лук’янова, & Н. Лазаренко, ред., Освіта для цифрової трансформації суспільства : монографія (с. 249-260). Київ: ТОВ «Юрка Любченка». https://lib.iitta.gov.ua/id/eprint/744578/
Український центр оцінювання якості освіти. (2025). ЗВІТИ / ДАНІ. Український центр оцінювання якості освіти підготував офіційний звіт за результатами проведення у 2025 році національного мультипредметного тесту. https://testportal.gov.ua/zvity-dani-2025/
Український центр оцінювання якості освіти. (2026). Головна. https://testportal.gov.ua/
Baker, R., & Siemens, G. (2014). Educational Data Mining and Learning Analytics. In: Sawyer RK, Ed. The Cambridge Handbook of the Learning Sciences. Cambridge Handbooks in Psychology (pp. 253-272). Cambridge University Press. https://doi.org/10.1017/CBO9781139519526.016
Cambridge. Insight. (n.d.). What is value-added in education and how does it help? https://www.cambridge.org/insight/what-is-value-added
Cattell, L., & Bruch, J. (2021). Identifying Students At Risk Using Prior Performance Versus a Machine Learning Algorithm. https://ies.ed.gov/ncee/rel/regions/midatlantic/pdf/REL_2021126.pdf
Institute of Electrical and Electronics Engineers. (n.d.). IEEE Xplore digital library. https://ieeexplore.ieee.org
Kraay, A. (2019). The World Bank human capital index: a guide. The World Bank Research Observer, 34(1), 1-33. https://openknowledge.worldbank.org/server/api/core/bitstreams/92a39786-3d5d-5a28-9e73-ec6b7ea42eff/content
Martinez, A.L.J., Sood, K., Mahto, R. (2025). Early Detection of At-Risk Students Using Machine Learning. In: Arabnia, H.R., Deligiannidis, L., Amirian, S., Ghareh Mohammadi, F., Shenavarmasouleh, F. (eds) Foundations of Computer Science and Frontiers in Education: Computer Science and Computer Engineering. CSCE 2024. Communications in Computer and Information Science, vol 2261. (pp. 396–406) Springer, Cham. https://doi.org/10.1007/978-3-031-85930-4_36
Martinez, A.L.J., Sood, K., & Mahto, R. (2024). Early detection of at-risk students using machine learning. In World Congress in Computer Science, Computer Engineering & Applied Computing (pp. 396-406). Cham: Springer Nature Switzerland. https://arxiv.org/pdf/2412.09483
OECD. (2023). PISA 2022 Results (Volume I): The State of Learning and Equity in Education. PISA, OECD Publishing, Paris. https://doi.org/10.1787/53f23881-en
OECD. (2025, September 9). Education at a Glance 2025. OECD Indicators. Report. https://doi.org/10.1787/1c0d9c79-en
OECD. (2026). Ukraine’s Strategic Response to the Displacement Crisis: Return, Reintegrate, Reconnect. OECD Publishing, Paris. https://doi.org/10.1787/9b773da4-en
Schmidt, A., Cechinel, C., Queiroga, E.M., Primo, T., Ramos, V., Bordin, A.S., Mello, R.F., & Muñoz, R. (2025). Analyzing Intervention Strategies Employed in Response to Automated Academic-Risk Identification: A Systematic Review. IEEE Revista Iberoamericana de Tecnologias Del Aprendizaje, 20, 77–85. https://doi.org/10.1109/rita.2025.3540161
Springer. (n.d.). Springer Nature Link. https://link.springer.com
Ujkani, B., Minkovska, D., & Hinov, N. (2024). Course Success Prediction and Early Identification of At-Risk Students Using Explainable Artificial Intelligence. Electronics, 13(21), 4157. https://doi.org/10.3390/electronics13214157
UNESCO. (2024, April 3). The invisible classroom: Why data is key to solving the learning crisis. https://www.unesco.org/en/articles/invisible-classroom-why-data-key-solving-learning-crisis
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2026 Вісник Національної академії педагогічних наук України
Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial 4.0 International License.
ISSN 
