Asosiy kontentga oʻtish
Maqola

Модель управления когнитивными траекториями ИИ-агентов на основе машинного обучения

А.А.у. ТлеубергеновRussian Economic University after G.V. PlekhanovД. ДеминРоссийский экономический университет имени Г. В. ПлехановаА.Т. МахмадбековRussian Economic University after G.V. PlekhanovА.А. ГретченкоРоссийский экономический университет имени Г. В. Плеханова
2026ru

Ochiq kirish: yoʻq

ABI

Annotatsiya

В статье анализируются подходы к разработке концептуальной модели управления знаниями для интеллектуальных образовательных систем, фокусирующейся на контроле и оптимизации когнитивных траекторий ИИ-агентов для академической поддержки обучающихся. Акцент делается на преодолении недетерминированности агентов через управление процессом рассуждений, а не только конечным результатом. В рамках исследования выполнены декомпозиция проблематики, синтез концептуальной модели и ее верификация путем сопоставления с ключевыми принципами управления знаниями (Knowledge Management). Предложена концептуальная модель KMT-AE (Knowledge-Managed Trajectories for Academic Enhancement), формализующая процесс трансляции «сырых» данных логирования в структурированные знания для непрерывного улучшения агента и позволяет перейти от создания функциональных образовательных агентов к построению надежных, самообучающихся систем, способных к осмысленному академическому взаимодействию. The article analyzes approaches to the development of a conceptual knowledge management model for intelligent educational systems, focusing on the control and optimization of cognitive trajectories of AI agents for academic support of students. The emphasis is on overcoming the indeterminacy of agents through the management of the reasoning process, and not just the end result. Within the framework of the research, the decomposition of the problematic, the synthesis of the conceptual model and its verification by comparison with the key principles of knowledge Management were carried out. The KMT-AE (Knowledge-Managed Trajectories for Academic Enhancement) conceptual model is proposed, which formalizes the process of translating “raw” logging data into structured knowledge for continuous agent improvement and allows moving from creating functional educational agents to building reliable, self-learning systems capable of meaningful academic interaction.

Hali tarjima qilinmagan

Identifikatorlar

Iqtiboslar va manbalar