Статьи в выпуске: 7
В статье проанализированы различные LMS-системы и их подход к проведению дистанционных занятий, сформированы требования к разрабатываемому модулю видеоконференций. Проанализированы различные архитектуры видеоконференций. Предложено архитектурное решение, которое впоследствии было реализовано и внедрено в Lmsdot. В рамках работы была изменена клиентская часть, создан сигнальный сервер, внедрён Pusher сервер, добавлен медиасервер mediasoup и использован его API для организации сигнального сервера. Проведено тестирование модуля видеоконференций. Модуль встроен в систему Lmsdot и показал стабильную и качественную работу
В работе проанализированы популярные платформы, позволяющие решать алгоритмические задачи. Выбраны технологии реализации модуля и изучена структура приложения «Lmsdot». Созданы диаграмма последовательности и диаграмма классов модуля. Спроектирована база данных. Модуль решения алгоритмических задач реализован с помощью фреймворков Elysia. js и Next. js. Произведена интеграция модуля с уже существующими серверами и базой данных в приложении «Lmsdot». Проведено тестирование модуля и представлены рекомендации для дальнейшего масштабирования и улучшения работы модуля.
В статье исследованы функционал и применяемые технологии в современных системах тестирования; проанализированы системы тестирования оценки знаний Moodle, Mirapolis LMS, Teachbase, и WebTutor; сформулированы требования к системе тестирования, различные сценарии взаимодействия и дизайн системы, описаны основные модули системы.
В статье исследуются проблемы управления индивидуальной образовательной траекторией (ИОТ) студентов, базирующейся на анализе цифрового профиля и цифрового следа. Авторы подчеркивают значимость персонализации образовательного процесса для повышения его эффективности и адаптации к уникальным потребностям учащихся. Рассматриваются основные вызовы, связанные с использованием цифрового следа, включая его ограниченность, неполноту данных и сложности при прогнозировании академической успешности. Особое внимание уделено вопросам интеграции цифрового профиля в системы управления обучением, где отсутствие единой стандартизированной структуры затрудняет анализ и перенос данных между различными образовательными учреждениями. Также обсуждаются угрозы конфиденциальности и этические аспекты, связанные с хранением и обработкой личных данных студентов. Авторы подчеркивают необходимость разработки универсальных стандартов для структуры цифрового профиля, а также внедрения более эффективных методов сбора и анализа данных, включая использование данных социальных сетей и видеоаналитики. В заключение статьи акцентируется внимание на необходимости нахождения баланса между глубоким уровнем персонализации и сохранением способности студентов адаптироваться к разнообразным образовательным контекстам, чтобы избежать риска гиперперсонализации.
Данная работа посвящена разработке и реализации веб-приложения облачного хранилища файлов. Целью являлось создание удобного и функционального инструмента для хранения и управления файлами в облаке. В работе проводится анализ существующих облачных хранилищ, выявляются их основные особенности и недостатки. На основе этого анализа определяются требования к разрабатываемому приложению, проектируется архитектура приложения, выбор технологий и инструментов разработки. В ходе реализации уделяется особое внимание аспектам масштабируемости и отказоустойчивости системы. В результате создается полнофункциональное веб-приложение, позволяющее пользователям загружать, хранить и организовывать файлы в облаке.
В работе рассмотрена правовая точка зрения на использование бесплатных аудиофайлов, рассмотрены популярные инструменты, позволяющие формировать домашнюю аудиотеку. Проработаны варианты использования, спроектирована схема данных. Разработана серверная часть приложения с интерфейсом REST API для взаимодействия с клиентскими приложениями, а также проведено тестирование.
В данной работе представлена разработка и внедрение системы мониторинга для рекомендательной системы, интегрированной в единую цифровую платформу «Работа в России». Система использует современные методы анализа данных и модели больших языковых моделей (LLM), а также методы A/B тестирования для оптимизации и улучшения функционирования рекомендательных систем. Разработка включает проектирование клиентской и серверной частей приложения, определение функционально-технических требований и проведение тестирования.