Розробка підходу до формування фреймового словника для персоналізації освітнього чат-боту

Автор(и)

  • Ольга Олександрівна Кряжич Інститут телекомунікацій і глобального інформаційного простору Національної академії наук України, Україна https://orcid.org/0000-0003-1845-5014
  • Василь Васильович Васенко Університет Григорія Сковороди в Переяславі, Україна https://orcid.org/0000-0002-2527-6359
  • Олександр Васильович Васенко Університет Григорія Сковороди в Переяславі, Україна https://orcid.org/0000-0002-8895-4284
  • Анастасія Володимирівна Павленко Університет Григорія Сковороди в Переяславі, Україна https://orcid.org/0000-0002-5863-0385
  • Катерина Сергіївна Ющенко Інститут телекомунікацій і глобального інформаційного простору Національної академії наук України, Україна https://orcid.org/0000-0001-5183-816X

DOI:

https://doi.org/10.15587/2706-5448.2026.356218

Ключові слова:

інженерія підказок, персоналізоване навчання, гнучке формування запитів, таблиця тематичних представлень

Анотація

Об’єктом дослідження є процес функціонування та використання освітніх чат-ботів на основі штучного інтелекту в освітньому середовищі. Вирішувалася проблема навчання чат-ботів за допомогою словників. В роботі представлений підхід до персоналізації чат-боту через звернення до тематичного словника та коригування запиту за допомогою підказок. Побудована фреймова модель словника, який може бути доданий до чат-боту як PDF-документ. Фрейми репрезентують предметну область у вигляді ієрархічно впорядкованої системи. Підказки користувача та обробка фреймових структур поєднуються з чат-ботом за допомогою тематичних представлень. Це забезпечує гнучке формування запитів, масштабованість словникових ресурсів і можливість подальшого розширення предметної області без порушення цілісності мовної моделі.

Розроблені та обґрунтовані схеми поєднання контекстної проекції взаємодії запиту та пошуку у словнику. Для реалізації підказок розроблено алгоритм з відбором за принципом «міченої кулі» терміну або виразу. Персоналізація чат-боту відбувається завдяки формуванню серії підказок від користувача.

За підсумками експериментів з персоналізації ChatGPT до освітніх потреб користувача були реалізовані та апробовані фреймові словники. Для послідовної схеми реалізації словника за рівня точності 10⁻⁶ сумарна трудомісткість становить приблизно 4,67, тоді як при посиленні вимог до точності до рівня 10⁻⁸ цей показник знижується до 3,287. Ієрархічна схема, яка базується на фреймовій організації словника та використанні TemaView, демонструє порівнянні або нижчі значення трудомісткості (за точності 10⁻⁶ значення дорівнює 6,69, а за точності 10⁻⁸ – 4,69).

Практичне застосування полягає у забезпеченні освітнього процесу з використанням персоналізованих освітніх чат-ботів у системах навчання.

Біографії авторів

Ольга Олександрівна Кряжич, Інститут телекомунікацій і глобального інформаційного простору Національної академії наук України

Кандидат технічних наук, старший дослідник, доцент, старший науковий співробітник

Василь Васильович Васенко, Університет Григорія Сковороди в Переяславі

Кандидат педагогічних наук, доцент, завідувач кафедри

Кафедра теорії і методики технологічної освіти та комп’ютерної графіки

Олександр Васильович Васенко, Університет Григорія Сковороди в Переяславі

Кандидат історичних наук, доцент, завідувач кафедри

Кафедра цифрових технологій навчання

Анастасія Володимирівна Павленко, Університет Григорія Сковороди в Переяславі

Кандидат історичних наук, доцент

Кафедра цифрових технологій навчання

Катерина Сергіївна Ющенко, Інститут телекомунікацій і глобального інформаційного простору Національної академії наук України

Доктор філософії, молодший науковий співробітник

Посилання

  1. Fillmore, C. J. (1982). Frame semantics. Linguistics in the Morning Calm. Hanshin Publishing Company, 111–137. Available at: https://brenocon.com/Fillmore%201982_2up.pdf
  2. Ruppenhofer, J., Ellsworth, M., Petruck, M. R. L., Johnson, C. R., Scheffczyk, J. (2010). FrameNet II: Extended theory and practice. International Computer Science Institute. Available at: https://my.eng.utah.edu/~cs6961/papers/FrameNet_book.pdf
  3. Chundru, J. K., Poddar, R., Cao, J., Jiang, T. (2025). Do LLMs Encode Frame Semantics? Evidence from Frame Identification. Proceedings of the 2025 Conference on Empirical Methods in Natural Language Processing. Suzhou: Association for Computational Linguistics, 29476–29488. https://doi.org/10.18653/v1/2025.emnlp-main.1499
  4. Kryazhych, O., Ivanov, I., Iushchenko, K., Kupri, O., Vasenko, O., Riznyk, V. et al. (2025). Devising an approach to preventing information chaos in chat bots using generative artificial intelligence. Eastern-European Journal of Enterprise Technologies, 2 (2 (134)), 84–95. https://doi.org/10.15587/1729-4061.2025.324957
  5. Hase, P., Diab, M. T., Celikyilmaz, A., Li, X., Kozareva, Z., Stoyanov, V. et al. (2021). Do Language Models Have Beliefs? Methods for Detecting, Updating, and Visualizing Model Beliefs. ArXiv. Available at: https://www.semanticscholar.org/paper/Do-Language-Models-Have-Beliefs-Methods-for-and-Hase-Diab/4a247cbfca9dcf91e2da24e6d2d84601a9041a8f
  6. Millière, R., Buckner, C. (2024). A philosophical introduction to language models – Part I: Continuity with classic debates. arXiv. https://doi.org/10.48550/arXiv.2401.03910
  7. Li, Y., Qu, S., Shen, J., Min, S., Yu, Z. (2023). Curriculum-Driven Edubot: A Framework for Developing Language Learning Chatbots Through Synthesizing Conversational Data. arXiv. Available at: https://arxiv.org/abs/2309.16804
  8. Bayraktar, R., Sarıtürk, B., Elmas Erdem, M. (2024). Assessing Fine-Tuning Efficacy in LLMs: A Case Study with Learning Guidance Chatbots. International Journal of Innovative Science and Research Technology, 2461–2471. https://doi.org/10.38124/ijisrt/ijisrt24may1600
  9. Aldhafeeri, L., Aljumah, F., Thabyan, F., Alabbad, M., AlShahrani, S., Alanazi, F. et al. (2025). Generative AI Chatbots Across Domains: A Systematic Review. Applied Sciences, 15 (20), 11220. https://doi.org/10.3390/app152011220
  10. McGrath, C., Farazouli, A., Cerratto-Pargman, T. (2024). Generative AI chatbots in higher education: a review of an emerging research area. Higher Education, 89 (6), 1533–1549. https://doi.org/10.1007/s10734-024-01288-w
  11. Memarian, B., Doleck, T. (2024). Human-in-the-loop in artificial intelligence in education: A review and entity-relationship (ER) analysis. Computers in Human Behavior: Artificial Humans, 2 (1), 100053. https://doi.org/10.1016/j.chbah.2024.100053
  12. Wölfel, M., Shirzad, M. B., Reich, A., Anderer, K. (2023). Knowledge-Based and Generative-AI-Driven Pedagogical Conversational Agents: A Comparative Study of Grice’s Cooperative Principles and Trust. Big Data and Cognitive Computing, 8 (1), 2. https://doi.org/10.3390/bdcc8010002
  13. Peng, B., Galley, M., He, P., Cheng, H., Xie, Y., Hu, Y. et al. (2023). Check Your Facts and Try Again: Improving Large Language Models with External Knowledge and Automated Feedback. arXiv. https://doi.org/10.48550/arXiv.2302.12813
  14. Gao, Y., Xiong, Y., Gao, X., Jia, K., Pan, J., Bi, Y. et al. (2023). Retrieval-Augmented Generation for Large Language Models: A Survey. arXiv. https://doi.org/10.48550/arXiv.2312.10997
  15. El mourabit, I., Jai Andaloussi, S., Ouchetto, O., Miyara, M. (2025). AI Chatbots in Higher Education: Opportunities and Challenges for Personalized and Mobile Learning. International Journal of Interactive Mobile Technologies (IJIM), 19 (12), 19–37. https://doi.org/10.3991/ijim.v19i12.54163
  16. Chen, D.-L., Aaltonen, K., Lampela, H., Kujala, J. (2024). The Design and Implementation of an Educational Chatbot with Personalized Adaptive Learning Features for Project Management Training. Technology, Knowledge and Learning, 30 (2), 1047–1072. https://doi.org/10.1007/s10758-024-09807-5
  17. Davar, N. F., Dewan, M. A. A., Zhang, X. (2025). AI Chatbots in Education: Challenges and Opportunities. Information, 16 (3), 235. https://doi.org/10.3390/info16030235
  18. Labadze, L., Grigolia, M., Machaidze, L. (2023). Role of AI chatbots in education: systematic literature review. International Journal of Educational Technology in Higher Education, 20 (1). https://doi.org/10.1186/s41239-023-00426-1
  19. Huang, Q., Liu, X., Ko, T., Wu, B., Wang, W., Zhang, Y. et al. (2024). Selective Prompting Tuning for Personalized Conversations with LLMs. Findings of the Association for Computational Linguistics ACL 2024, 16212–16226. https://doi.org/10.18653/v1/2024.findings-acl.959
  20. Raj, K., Roy, K., Bonagiri, V., Govil, P., Thirunarayan, K., Goswami, R. et al. (2024). K-PERM: Personalized Response Generation Using Dynamic Knowledge Retrieval and Persona-Adaptive Queries. Proceedings of the AAAI Symposium Series, 3 (1), 219–226. https://doi.org/10.1609/aaaiss.v3i1.31203
  21. Krouska, A., Troussas, C., Voyiatzis, I., Mylonas, P., Sgouropoulou, C. (2024). ChatGPT-based Recommendations for Personalized Content Creation and Instructional Design with a Tailored Prompt Generator. 2024 2nd International Conference on Foundation and Large Language Models (FLLM). Dubai: IEEE, 295–299. https://doi.org/10.1109/fllm63129.2024.10852487
Development of an approach to forming a frame-based dictionary for the personalization of an educational chatbot

##submission.downloads##

Опубліковано

2026-04-30

Як цитувати

Кряжич, О. О., Васенко, В. В., Васенко, О. В., Павленко, А. В., & Ющенко, К. С. (2026). Розробка підходу до формування фреймового словника для персоналізації освітнього чат-боту. Technology Audit and Production Reserves, 2(2(88), 6–14. https://doi.org/10.15587/2706-5448.2026.356218

Номер

Том 2 № 2(88) (2026): Інформаційно-керуючі системи

Розділ

Інформаційні технології

Ліцензія

Авторське право (c) 2026 Olha Kryazhych, Vasyl Vasenko, Oleksandr Vasenko, Anastasiia Pavlenko, Kateryna Iushchenko

Creative Commons License

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.

Закріплення та умови передачі авторських прав (ідентифікація авторства) здійснюється у Ліцензійному договорі. Зокрема, автори залишають за собою право на авторство свого рукопису та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons CC BY. При цьому вони мають право укладати самостійно додаткові угоди, що стосуються неексклюзивного поширення роботи у тому вигляді, в якому вона була опублікована цим журналом, але за умови збереження посилання на першу публікацію статті в цьому журналі.