http://hdl.handle.net/123456789/10931 доктор філософії Fri, 17 Apr 2026 11:13:43 GMT 2026-04-17T11:13:43Z http://hdl.handle.net/123456789/10937 Використання елементів гейміфікації в процесі дистанційного навчання здобувачів вищої освіти Козуб, Г. О.; Козуб, В. Ю.; Бондаренко, Л. І.; Бобень, І. Ю. У роботі розглянуто різні наукові погляди на гейміфікацію та ігрові технології в українській освіті, особливу увагу приділено впровадженню актуальних ігрових форм співпраці зі студентами в період змін у українській освіті, зокрема в освітньому процесі під час воєнного стану. Дослідження засвідчило, що гейміфікація та ігрові технології можуть позитивно впливати на розвиток особистості здобувача освіти, мотивацію до навчання, взаємини всередині студентської спільноти, академічну успішність, а також здобуття необхідних знань і навичок для майбутнього розвитку та кар’єри. Результати дослідження підкреслюють корисність упровадження гейміфікації та ігрових технологій в освітній процес закладу вищої освіти. Наведено приклади успішної практики з упровадження технології гейміфікації в сучасну вищу освіту через створення нових гейміфікованих дидактичних додатків. Робота демонструє свідчення про якісну трансформацію в освітній процес ігрових технологій та елементів гейміфікації при використанні Moodle у дистанційному навчанні при застосуванні методу коучингу та проведенні занять з фізики. Козуб Г. О. Використання елементів гейміфікації в процесі дистанційного навчання здобувачів вищої освіти / Г. О. Козуб, В. Ю. Козуб, Л. І. Бондаренко та ін. // Освіта та педагогічна наука. – 2024. — №2 (186). — C. 38-50. Mon, 01 Jan 2024 00:00:00 GMT http://hdl.handle.net/123456789/10937 2024-01-01T00:00:00Z http://hdl.handle.net/123456789/10936 Аналіз ефективності алгоритмів машинного навчання в обробці великих даних Бондарчук, О. І.; Козуб, В. Ю.; Козуб, Ю. Г. Метою статті є аналіз ефективності алгоритмів машинного навчання та пошук оптимальних підходів для їх використання в умовах високого навантаження і великих обсягів інформації. Особливу увагу приділено завданням, які потребують високої точності та швидкості, зокрема фінансові прогнози, медична діагностика та аналіз поведінкових даних. Методологія дослідження включала порівняльний аналіз різних алгоритмів машинного навчання, таких як лінійна регресія, дерева рішень, метод опорних векторів та глибокі нейронні мережі. Оцінювалися ключові фактори, що впливають на швидкість та точність обробки даних, зокрема розмір даних, складність моделей, обчислювальні ресурси та якість вхідних даних. Було проведено серію експериментів на реальних наборах даних, щоб оцінити результативність кожного алгоритму з погляду точності, часу навчання та потреби в обчислювальних ресурсах. У результатах дослідження встановлено, що глибокі нейронні мережі забезпечують високу точність на неструктурованих даних, але мають значні вимоги до обчислювальних ресурсів і часу навчання. Алгоритми, такі як лінійна регресія та дерева рішень, показали високу швидкість обробки на простіших наборах даних, проте їх точність знижується зі збільшенням складності завдань. Метод опорних векторів продемонстрував ефективність у завданнях класифікації та прогнозування, зокрема у фінансових та медичних застосуваннях. Випадкові ліси виявилися ефективними для текстової класифікації та забезпечили баланс між швидкістю і точністю. Висновки свідчать, що вибір алгоритму залежить від специфіки завдання, розміру даних та вимог до точності. Оптимізація моделей для роботи в умовах розподілених обчислень є ключовим напрямом для підвищення продуктивності, оскільки дозволяє паралелізувати процеси й зменшити час навчання. Бондарчук О. І. Аналіз ефективності алгоритмів машинного навчання в обробці / О. І. Бондарчук, В. Ю. Козуб, Ю. Г. Козуб // Комп’ютерно-інтегровані технології: освіта, наука, виробництво. — Луцьк, 2024. — № 56. — С. 107-116. Mon, 01 Jan 2024 00:00:00 GMT http://hdl.handle.net/123456789/10936 2024-01-01T00:00:00Z http://hdl.handle.net/123456789/10935 Моделі паралельних обчислень у паралельному програмуванні Козуб, Г. О.; Козуб, В. Ю. У статті розглянуто моделі паралельних обчислень, описано загальновизнані структури паралельного програмування: OpenMP, MPI. OpenMP є стандартом для паралельного програмування в системах зі спільною пам'яттю. MPI є промисловим стандартом для систем розподіленої пам'яті. Розглянуто та наведено аналіз характеристики та продуктивність парадигм при правильному виборі інструменту. Козуб Г. О. Моделі паралельних обчислень у паралельному програмуванні / Г. О. Козуб , В. Ю. Козуб // Грааль науки : Міжнар. наук. журнал. - 2024. — № 39, травень. — С. 322-325. Mon, 01 Jan 2024 00:00:00 GMT http://hdl.handle.net/123456789/10935 2024-01-01T00:00:00Z http://hdl.handle.net/123456789/10934 Етичні аспекти використання штучного інтелекту в аналізі даних Козуб, В. Ю.; Бобень, І. Ю.; Боярінова, Ю. Є. Інтеграція штучного інтелекту (ШІ) в аналіз даних спричинила цілу низку змін у різних галузях, підвищивши ефективність, точність і можливості для прийняття рішень. Однак цей розвиток викликає значні етичні проблеми, які необхідно розв’язати для забезпечення відповідального використання. Актуальність цієї теми зумовлюється все більшою популярністю систем штучного інтелекту в різних галузях, де етичні порушення можуть призвести до значних соціальних, економічних і правових наслідків. Метою статті є дослідження етичних аспектів, пов’язаних з аналізом даних за допомогою штучного інтелекту, з акцентом на таких питаннях, як упередженість, прозорість, підзвітність і конфіденційність. У статті розглядаються способи, за допомогою яких алгоритми ШІ можуть випадково сприяти збереженню наявних упереджень або створювати нові, часто відображаючи необ’єктивність, присутню в даних, що використовуються для аналізу. Наголошується на важливості розробки відкритих систем штучного інтелекту, у яких процеси прийняття рішень є доступними й зрозумілими для користувачів, що сприятиме зміцненню довіри та підзвітності. У дослідженні також ідеться про наслідки недотримання конфіденційності даних, зокрема про те, як системи штучного інтелекту можуть порушувати права людини на приватне життя через масштабний збір та аналіз даних без чітко визначеної згоди на це. Основні результати дослідження свідчать про те, що хоча ШІ має потенціал для зменшення кількості людських помилок і упереджень, він водночас створює нові етичні проблеми, які потребують надійних механізмів управління. Ці рамки мають містити правила й керівні принципи для забезпечення справедливості, запобігання дискримінації та захисту приватності. У статті наголошується на необхідності міждисциплінарної співпраці між розробниками ШІ, фахівцями з етики, політиками та іншими учасниками процесу для створення етичних стандартів, які розвиватимуться разом із технологічним прогресом. Висновки, зроблені в дослідженні, вказують на критичну необхідність постійного моніторингу й оцінки систем штучного інтелекту для виявлення та проактивного виправлення етичних проблем. Етичні практики ШІ мають бути інтегровані на етапах розробки та впровадження з акцентом на інклюзивність та суспільний добробут. Акцентується, що розвиток етичної екосистеми ШІ – це не просто технологічний виклик, а суспільний імператив. Козуб В. Ю. Етичні аспекти використання штучного інтелекту в аналізі даних / В. Ю. Козуб, І. Ю. Бобень, Ю. Є. Боярінова // Наука і техніка сьогодні. — 2024. — № 6(34). — С. 880-893. Mon, 01 Jan 2024 00:00:00 GMT http://hdl.handle.net/123456789/10934 2024-01-01T00:00:00Z