АЛГОРИТМИ ВИЯВЛЕННЯ ТА ЗАПОБIГАННЯ МАНIПУЛЯЦIЯМ У ГЕЙМIФIКОВАНИХ ОСВIТНIХ СЕРЕДОВИЩАХ

Анотація

Гейміфікація освітніх платформ, що використовують інтеграцію балів, досягнень та рейтингів, довела свою ефективність у підвищенні мотивації та залученості учнів. Однак орієнтація на зовнішні винагороди створює нові вразливості – зокрема, явище фармингу, при якому користувачі здобувають винагороди без реального засвоєння знань. У статті представлено алгоритмічний підхід до виявлення та запобігання фармингу в гейміфікованих освітніх середовищах. Мета статті – дослідження та розробка алгоритмів виявлення та запобігання фармингу в геймiфiкованих освітніх середовищах, використовуючи методи штучного інтелекту. Завдання включають формалізацію інформаційної системи, аналіз поведінки користувачів i створення адаптивних механізмів корекції.Методологія дослідження ґрунтується на побудові графової моделі користувацької активності в гейміфікованій освітній інформаційній системі. Для виявлення аномальних патернів застосовано кластеризацію DBSCAN та локальне оцінювання відхилень за допомогою алгоритму LOF. Адаптивна поведінкова корекція реалізована через Q-learning, що дозволяє зберігати мотивацію користувачів без жорсткого втручання. Алгоритм регулярно перенавчається на основі нових даних, адаптуючись до змін у поведінці користувачів.Архітектура рішення базується на побудові графів активності, використанні алгоритму кластеризації DBSCAN, локальному виявленні аномалій (LOF), а також адаптивній корекції системи винагород за допомогою підкріплювального навчання (Q-learning). Запропонований підхід продемонстрував здатність виявляти до 95 % аномальних патернів із мінімальним рівнем хибнопозитивних спрацьовувань. Окрему увагу приділено м’якій корекції – гнучкому механізму адаптації, який дозволяє зберігати мотивацію учнів при втручанні в процес оцінювання.Наукова новизна. Новизна дослідження полягає в адаптації методів кібербезпеки до контексту освітньої аналітики, розробці алгоритмів виявлення та запобігання фармингу для геймiфiкованих освітніх платформ із застосуванням штучного інтелекту з подальшим використанням нейронних мереж (RNN, трансформерів) для прогнозування маніпуляцій та впровадження персоналізованих стратегій корекції на основі профілів користувачів.Висновки. Запропоноване рішення є ефективним кроком до створення більш прозорих, етичних і надійних гейміфікованих систем навчання. Результати дослідження можуть бути застосовані для побудови нових поколінь гейміфікованих платформ, які поєднують адаптивність, стійкість до маніпуляцій і високу якість збирання та інтерпретації освітніх даних.