Адаптивна комп’ютерна системи оцінювання знань студентів

Abstract

UA : Мета і завдання дослідження полягають у вивченні сучасних підходів до автоматизованого та адаптивного оцінювання знань студентів, а також у створенні комп’ютерної системи, що динамічно підлаштовує складність тестових завдань відповідно до індивідуальних результатів користувача. У процесі роботи були розглянуті методи адаптивного тестування, моделі оцінювання рівня знань та алгоритми формування персоналізованої траєкторії перевірки. На основі проведеного аналізу розроблено адаптивну комп’ютерну систему, здатну автоматично добирати складність питань, обробляти відповіді та формувати індивідуальні профілі студентів. Фронтенд-частина системи реалізована у Flutter мовою Dart, що забезпечує кросплатформність та зручність взаємодії. Бекенд побудовано на Java з використанням Spring Boot, що дозволило створити масштабований серверний застосунок із REST API та підтримкою інтеграції з базою даних. Розроблена система забезпечує стабільну роботу, адаптивність процесу тестування та гнучке керування навчальним контентом.EN : The aim and objectives of the research are to study modern approaches to automated and adaptive knowledge assessment of students and to develop a computer system that dynamically adjusts the difficulty level of test tasks according to the individual performance of each user. During the research, methods of adaptive testing, models for evaluating the level of knowledge, and algorithms for forming a personalized assessment trajectory were examined. Based on the conducted analysis, an adaptive computer system was developed, capable of automatically selecting question difficulty, processing user answers, and generating individual student profiles. The frontend part of the system was implemented using Flutter with the Dart programming language, ensuring cross-platform compatibility and a user-friendly interface. The backend was developed in Java using the Spring Boot framework, which enabled the creation of a scalable server application with a modular architecture, REST API support, and integration with a database. The resulting system provides stable operation, adaptive testing capabilities, and flexible management of educational content.