ПРОГНОЗУВАННЯ ОСВІТНЬОЇ ДІЯЛЬНОСТІ У ВВНЗ ЗА ДОПОМОГОЮ ШТУЧНОГО ІНТЕЛЕКТУ НА ОСНОВІ СТАТИСТИЧНОГО АНАЛІЗУ ПОВІТРЯНИХ ТРИВОГ
DOI:
https://doi.org/10.33099/2617-1783/2026-53/221-228Ключові слова:
повітряні тривоги; освітня діяльність; військова освіта; освітній процес; статистичний аналіз; воєнний стан.Анотація
У статті розглядаються особливості прогнозування освітньої діяльності у Національному університеті оборони України в умовах воєнного стану на основі статистичного аналізу повітряних тривог. Обґрунтовано актуальність використання статистичних даних для підвищення ефективності організації освітнього процесу в умовах постійних безпекових загроз. Проаналізовано вплив повітряних тривог на тривалість, безперервність та якість проведення навчальних занять. Визначено основні показники статистичного аналізу, зокрема частоту, тривалість та часову структуру повітряних тривог. Розглянуто можливості застосування штучного інтелекту для визначення найбільш ризикових часових інтервалів. Запропоновано підходи до адаптації освітнього процесу шляхом гнучкого планування розкладу занять, використання змішаних форм навчання та резервування навчального часу. Впровадження систем прогнозування на основі статистики повітряних тривог сприятиме підвищенню стійкості та адаптивності системи військової освіти, забезпеченню безперервності навчання й ефективнішому управлінню освітнім процесом.
Посилання
Бочарніков В., Свешніков С. (2023). Використання методів штучного інтелекту для розв’язання наукових задач у сфері оборони Національна безпека та оборона: методичний аспект К. Наука і оборона, № 4 2023. С. 29 - 40. DOI: https://doi.org/10.33099/2618-1614-2023-23-4-29-40.
Зельницький А., Заболотний О., Васильєв О., Шабатіна Н. Теоретико-методологічні засади управління змінами в системі військової освіти : монография. – К. : НУОУ, 2022. – 312 с.
Павлишенко Д., Павлишенко Б. (2024). Predictive Analytics of Air Alerts in the Russian-Ukrainian War, arXiv:2411.14625v1 [cs.LG] 21 Nov 2024. С. 1-21 DOI: https://doi.org/10.48550/arXiv.2411.14625
Савченко С., Луцька Н., Власенко Л., Томенко Н. (2025). Аналіз ефективності виявлення аномалій межевого трафіку на основі моделей машиннного навчання. – К.: Кібербезпека: освіта, наука, техніка, № 1 (29) 2025. С. 465 – 478. DOI: https://doi.org/10.28925/2663-4023.2025.29.898
Skladannyi P., Kostiuk Y., Rzaeva S., Samoilenko Y., Savchenko T. (2025). Development of modular neural networks for detecting different classes of network attacks. Cybersecurity: Education, Science, Technique, 3(27), 534–548. DOI: https://doi.org/10.28925/2663-4023.2025.27.7722.
Haidur H., Gakhov S., Bryhynets A. (2023). Detection of network anomalies with neural networks algorithms. Telecommunication and Information Technologies, 78(1). DOI: https://doi.org/10.31673/2412-4338.2023.0161734.
##submission.downloads##
Опубліковано
Номер
Розділ
Ліцензія
Авторське право (c) 2026 Віталій Рахманов

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