Дослідження моделей, методів та інформаційних технологій використання AI-агентів для організації інтелектуального освітнього середовища

Метою роботи є підвищення ефективності дистанційного навчання шляхом створення мультиагентної системи, що забезпечує адаптивну подачу матеріалу та моделює групову взаємодію. Об’єктом дослідження є процес організації інтелектуальних освітніх середовищ з використанням технологій штучного інтелекту. Предметом дослідження є методи, математичні моделі та алгоритми взаємодії AI-агентів у мультиагентних системах на базі великих мовних моделей. Методологія – системний аналіз, теорія графів та спектральний аналіз, ймовірнісне моделювання, методи навчання з підкріпленням, об'єктно-орієнтоване проєктування, імітаційне моделювання. У цій роботі проаналізовано сучасні підходи до побудови інтелектуальних освітніх середовищ та обмеження традиційних LLMсистем. Розроблено математичну модель взаємодії агентів, в якій введено структурне обмеження на спектральний радіус матриці суміжності графа для забезпечення стабільності комунікації. Спроєктовано та реалізовано програмний комплекс гібридного навчання на мові Python, що використовує технологію RAG та OpenAI API. Реалізовано рольову модель агентів («Вчитель», «Розумник», «Жартівник») для відтворення соціальної динаміки навчальної групи. Розроблений програмний комплекс дозволяє автоматизувати рутинні завдання викладачів, підвищити залученість студентів та забезпечити цілодобову підтримку навчального процесу. Завдяки модульній архітектурі систему можна адаптувати для викладання інших технічних або гуманітарних дисциплін, а також інтегрувати у наявні платформи дистанційного навчання.

The purpose of the work is to increase the efficiency of distance learning by creating a multi-agent system that provides adaptive presentation of material and simulates group interaction. The object of the study is the process of organizing intelligent educational environments using artificial intelligence technologies. The subject of the study is the methods, mathematical models, and algorithms of AI agent interaction in multi-agent systems based on large language models. Methodology – system analysis, graph theory and spectral analysis, probabilistic modeling, reinforcement learning methods, object-oriented design, simulation modeling. This work analyzes modern approaches to building intelligent educational environments and the limitations of traditional LLM systems. A mathematical model of agent interaction has been developed, introducing a structural constraint on the spectral radius of the graph adjacency matrix to ensure communication stability. A hybrid learning software system was designed and implemented in Python using RAG technology and OpenAI API. A role-based agent model ("Teacher", "Nerd", "Joker") was implemented to reproduce the social dynamics of a learning group. The developed software system enables the automation of routine teaching tasks, increases student engagement through interactive rolebased interaction, and provides continuous availadility of support for the educational process. Due to its modular architecture, the system can be adapted for teaching other technical or humanities disciplines, as well as integrated into existing distance learning platforms.