
У статті проведено системно-структурний аналіз розвитку і використання відкритого стандарту збору, зберігання та обміну даними про навчальний досвід користувачів – xAPI як ключового інструменту побудови сучасних відкритих освітніх екосистем, здатних забезпечувати збір і накопичення даних про навчання людини впродовж життя для їх подальшого аналізу з використанням технологій великих даних і штучного інтелекту. Проведено аналітичний огляд технічної документації та сучасних публікацій щодо останніх оновлень стандарту xAPI, розробки його нових профілів, а також результати реалізації проєкту CATAPULT, спрямованого на прискорення впровадження стандарту cmi5. Розглянуті аспекти практичного використання стандарту, зокрема наведено огляд доступних програмних засобів для збору даних xAPI-відстеження відео, соціальних мереж і відеоконференцій та їх зберігання в Learning Record Store (LRS). Основну увагу приділено розв’язанню проблеми «семантичного розриву» між сирими даними в LRS та інтелектуальними модулями підтримки навчання завдяки інтеграції стандарту xAPI з новітнім протоколом Model Context Protocol (MCP), що дає змогу великим мовним моделям та ШІ-агентам інтерпретувати контекст діяльності учня в реальному часі. Описано приклад багаторівневої архітектури системи, яка містить Activity Providers (професійно орієнтоване ПЗ), семантичний міст на базі MCP-сервера та спеціалізованих ШІ-оркестраторів. У ній динамічний стан учня (DLS) розглядається як багатофакторна модель, що інтегрує показники поточної продуктивності, когнітивного навантаження та моделей поведінки. Такий підхід дає змогу трансформувати освітню аналітику з інструменту ретроспективної звітності на активний механізм педагогічного супроводу. Розкрито сутність стратегії «Just-in-Time Scaffolding», за якої автономне втручання системи (коригувальний, проактивний або метакогнітивний зворотній зв’язок) ініціюється на основі предиктивного аналізу траєкторії дій учня. У висновках систематизовано прикладні переваги впровадження xAPI для основних стейкхолдерів: від персоналізації досвіду здобувачів освіти до валідації професійної майстерності для роботодавців.
While the role of generative artificial intelligence (GenAI) in English as a foreign language (EFL) writing instruction has received growing research attention, its impact on speaking and pronunciation remains underexplored. This PRISMA-based systematic review examines the challenges associated with using GenAI tools, particularly large language model (LLM)-based chatbots, for EFL speaking and pronunciation practice and synthesizes evidence-based mitigation strategies. Twelve studies that met the eligibility criteria yielded 48 challenges. These were organized into six thematic categories, including technical, pedagogical, learner-related, and equity concerns. The studies also varied in research design and instructional context. Several recurrent patterns emerged across the categories. Output accuracy and reliability represented the most persistent challenge and were linked to concerns about learner trust and uncritical reliance. AI-generated feedback was also repeatedly described as mechanical, formulaic, and lacking contextual sensitivity, highlighting a tension between the accessibility and scalability of these tools and limitations in areas that are important to learners. The studies commonly identified a human-in-the-loop approach as a key mitigation principle, alongside technical improvements and pedagogical interventions, including prompt literacy training. However, important questions remain unresolved, particularly whether GenAI reduces or increases teacher workload and if these tools narrow or widen existing equity gaps. Overall, the findings suggest that effective integration of GenAI into EFL speaking instruction requires attention to technical design, pedagogy, and institutional support, while several aspects of its implementation remain insufficiently understood.
У статті обґрунтовано доцільність адаптивного навчання фонетики іноземної мови, підсиленого технологіями штучного інтелекту, як альтернативи традиційним стандартизованим методикам, що не враховують індивідуальних артикуляційних особливостей здобувачів вищої освіти й спричиняють формування стійких фонетичних помилок. Дослідження є міждисциплінарним і поєднує методологію спеціальностей А4 Середня освіта (А4.021 Англійська мова і література), А5 Професійна освіта (А5.39 Цифрові технології) та F7 Комп'ютерна інженерія. Метою дослідження є розробка та обґрунтування моделі адаптивної навчальної платформи для вдосконалення фонетичних навичок здобувачів вищої освіти через інтеграцію формантного синтезу мовлення з алгоритмами машинного навчання. Розроблено модель формантного синтезатора на основі паралельних цифрових фільтрів, що генерує еталонні звуки голосних шляхом моделювання резонансних частот голосового тракту. Запропоновано підхід до персоналізації навчання на основі нейронної мережі LSTM (Long Short-Term Memory), яка аналізує історію помилок здобувача освіти та динамічно коригує параметри формант у реальному часі. Технічна валідація моделі засвідчила високу точність корекції формантних частот із середньоквадратичною похибкою 45 Гц для першої форманти та 78 Гц для другої, що дозволяє об'єктивно оцінювати якість вимови та адаптувати складність вправ до індивідуального рівня здобувача. Пілотна квазіекспериментальна перевірка платформи за участю експериментальної та контрольної груп здобувачів вищої освіти підтвердила її педагогічний потенціал для реалізації принципів диференційованого навчання на основі об'єктивних акустичних даних. Висновки засвідчують перспективність платформи для модернізації лінгвістичної освіти. Подальші напрями дослідження передбачають розширення емпіричної валідації на більшій вибірці та перцептивне оцінювання якості синтезованого мовлення носіями мови для підтвердження його природності й придатності для навчальних цілей.
У статті представлено результати емпіричного дослідження взаємозв’язку адаптивних стратегій навчання волонтерів та показників емоційного вигорання в умовах цифрового освітнього середовища. Актуальність дослідження зумовлена зростанням психологічного навантаження на волонтерів у ситуаціях соціальної нестабільності, інтенсивної допомагаючої діяльності та необхідністю пошуку ефективних освітніх механізмів підтримки їх психологічної стійкості й професійної ресурсності. У сучасних умовах цифровізації освіти інформаційно-комунікаційні технології створюють нові можливості для розвитку адаптивних навчальних стратегій, персоналізації освітнього процесу та підтримки саморегуляції суб’єктів навчання. Мета дослідження полягала у виявленні взаємозв’язку між показниками емоційного вигорання, стилями навчання та адаптивністю волонтерів у цифровому освітньому середовищі, а також у розробленні моделі цифрової адаптивної підтримки волонтерів у системі профілактики емоційного вигорання. У дослідженні взяли участь 713 волонтерів, залучених до різних напрямів соціальної та гуманітарної допомоги. Для збору емпіричних даних використано опитувальник Maslach Burnout Inventory та методику Learning Style Inventory. Статистичну обробку результатів здійснено за допомогою методів описової статистики, дисперсійного та кореляційного аналізу. Результати дослідження засвідчили, що високий рівень емоційного вигорання супроводжується домінуванням ригідних логіко-аналітичних стратегій навчання, зниженням когнітивної гнучкості та обмеженою варіативністю пізнавальної діяльності. Натомість волонтери з низьким рівнем вигорання демонструють більш збалансований профіль навчальної діяльності, вищий рівень рефлексивності та більшу відкритість до використання цифрових освітніх інструментів. Обґрунтовано доцільність використання адаптивних онлайн-курсів, навчальної аналітики, цифрових інструментів зворотного зв’язку та персоналізованих освітніх траєкторій як засобів профілактики емоційного вигорання та розвитку навчальної адаптивності волонтерів. Практичне значення дослідження полягає у можливості інтеграції цифрових освітніх рішень у програми підготовки та супроводу волонтерів, а також у системи неперервної освіти дорослих.
The relevance of this study is determined by the growing role of distance learning systems and the need to expand interaction modalities with them, particularly in situations of limited access to traditional input devices or within the context of inclusive education. The aim of this study is to design and assess the practical feasibility of a computer vision-based contactless interface for LMS control through operating-system input events, considering robustness under varying lighting, distance, viewpoint, and resolution and comparison with conventional mouse-and-keyboard interaction. To achieve this aim, the following tasks were formulated: to develop a model of a gesture-based LMS control method; to implement both a single-hand gesture mode and a bimanual interaction mode for different control scenarios; to conduct a series of experiments evaluating the accuracy and robustness of gesture recognition under varying recording conditions; and to perform a comparative analysis of the effectiveness of gesture-based control versus the classical “mouse and keyboard” interface. The research methods include computer vision techniques based on hand landmark detection, algorithmic interpretation of gestures using geometric and dynamic features, as well as experimental measurements of recognition accuracy, task execution time, and the number of interaction errors. The evaluation involved five static hand poses, 30 repetitions per pose, and three representative interaction scenarios. The results demonstrate that the proposed system provides stable recognition of large static hand poses across a wide range of lighting conditions and camera distances. Changes in hand orientation were identified as the most critical factor affecting recognition accuracy. All three scenarios were successfully completed in the baseline trials at a resolution of 1280×720, with no critical interaction errors recorded. The practical feasibility of gesture-based control was demonstrated through its integration with a real learning management system, dl.nure.ua, via operating system–level input events. The practical significance lies in its applicability for controlling educational web platforms in distance learning environments, during presentations, and in inclusive education scenarios.