МЕТОДИ ІНТЕГРАЦІЇ ОНТОЛОГІЧНО ОРІЄНТОВАНИХ МУЛЬТИАГЕНТНИХ СИСТЕМ У ГІБРИДНЕ ОСВІТНЄ СЕРЕДОВИЩЕ

Анотація

У статті запропоновано методологію побудови мультиагентної онтологічно орієнтованої гібридної пошукової системи для адаптивних розподілених освітніх платформ. Актуальність дослідження зумовлена гетерогенністю метаданих між онлайн-ресурсами та локальними сховищами, що ускладнює персоналізацію навчальних траєкторій. Традиційні дескрипторні моделі на основі ключових слів не забезпечують достатньої семантичної глибини, тоді як класичні онтологічні підходи мають обмежену масштабованість і не охоплюють офлайн-компоненти. Запропонована архітектура базується на п’яти типах агентів (краулер, локальний сканер, оцінювач, індексатор і координатор), які забезпечують повний цикл пошуку – від збору метаданих до обчислення релевантності й подання результатів. Особливістю системи є дворівнева онтологічна модель, що поєднує загальні класи ресурсів з дисциплінарними онтологіями. Це дозволяє точніше фільтрувати результати пошуку з урахуванням навчального контексту. Метод компараторної ідентифікації, який поєднує семантичну подібність та TF-IDF дескриптори, доповнюється контекстуальною популярністю – метрикою, що враховує активність користувачів у межах схожих тем. Такий підхід покращує якість пошуку в міждисциплінарних і гібридних запитах. Реалізовано прототип системи на базі FastAPI, RabbitMQ, PostgreSQL і OWL API, із веб-компонентом і локальним застосунком. У тестовому середовищі (3500 онлайн-статей і 700 локальних PDF-файлів) досягнуто покращення точності результатів (Precision@10) на 37% при гібридному пошуку, із помірним збільшенням часу відповіді на 19%. Запропонована модель демонструє ефективність мультиагентного підходу для інтеграції онлайн та офлайн компонентів в єдину адаптивну освітню систему. Перспективами подальших досліджень є оптимізація обчислювального навантаження, підтримка розподіленого кешування та адаптація системи до мобільного й офлайн-режимів.