ПРОГНОЗУВАННЯ ЗАЛУЧЕНОСТI КОРИСТУВАЧIВОСВIТНIХ ВЕБПЛАТФОРМ ЗА ДОПОМОГОЮ АЛГОРИТМIВМАШИННОГО НАВЧАННЯ

Abstract

У статтi розглянуто технологiчнi пiдходи до реалiзацiї навчальних онлайн-плат-форм iз елементами геймiфiкацiї. Сучасний розвиток цифрових технологiй висуваєновi вимоги до вебзастосункiв, зокрема в контекстi iнтерактивного вiдображення скла-дних даних i статистичних результатiв у режимi реального часу. Це стає особливоважливим у сферi освiти, де актуальними є платформи для дистанцiйного навчання,якi потребують не лише зручного iнтерфейсу, а й ефективних iнструментiв для ана-лiзу та вiзуалiзацiї навчальних результатiв. У статтi було розглянуто використаннярiзноманiтних методiв i алгоритмiв для обробки даних, зокрема для прогнозуваннята аналiзу поведiнки користувачiв онлайн-платформ.У процесi дослiдження проведено аналiз доступних iнструментiв для iнтеграцiїмоделей машинного навчання та аналiтичних iнструментiв у вебзастосунки. Проведе-но порiвняння кiлькох алгоритмiв машинного навчання, зокрема таких як: RandomForest, KNN-регресiї, гребеневої регресiї та еластичної мережi, для аналiзу залучено-стi користувачiв на платформi Prometheus. Для прогнозування активностi користу-вачiв використовувались реальнi аналiтичнi данi, що дозволило побудувати моделi,якi здатнi враховувати змiннi залежностi та обробляти аномальнi данi, пов’язанi зпандемiєю COVID-19 та iншими соцiально-економiчними чинниками. Результати по-казують, що використання рiзних методiв машинного навчання дозволяє здiйснити то-чний прогноз щодо залученостi користувачiв, зокрема з урахуванням змiн у соцiально-демографiчному контекстi.Дослiдження показало, що iнтеграцiя таких iнструментiв дозволяє значно покра-щити ефективнiсть взаємодiї користувачiв з онлайн-платформами, а також створюєумови для подальшої оптимiзацiї навчальних процесiв, зокрема через персоналiзацiюконтенту та методiв взаємодiї.