Оценка эффективности обучения в иммерсивных средах методом построения преобразования Лапласа на основе статусных функций

Сформулирована постановка задачи описания эффективности обучения в иммерсивной системе обучения, которая представлена динамической системой управления с обратной связью. Обратная связь реализуется с использованием измерений значений переменных, соответствующих психофизическому состоянию обучающегося как объекта управления. Полученные данные интерпретируются на основе комплекснозначных статусных функций, которые образуют ортонормированный базис допустимых состояний системы. На основе этих данных формируется преобразование Фурье состояния системы «обучающийся – система XR». Трансформация после воздействия описывается передаточной функцией на основе преобразования Лапласа. Предложены критерии оценки эффективности обучения, полученные на основе интерпретации возможных вариантов поведения.

1. Гордиенко Т.П., Марченко С.Г. Имитация реальности как инструмент обучения // Пробл. совр. пед. обр. 2025. № 86-1. С. 112–114.

2. Итинсон К.С. Информационно-когнитивные технологии: современный образовательный тренд // БГЖ. 2020. Т. 9, № 4 (33). С. 84–86. https://doi.org/10.26140/bgz3-2020-0904-0022.

3. Зупарова В.В. Мониторинг и анализ прогресса обучения в нейросимвольных адаптивных образовательных системах // XXI век: итоги прошл. и пробл. наст. плюс. 2025. Т. 70, № 2. С. 108–114.

4. Давыдов А.Б., Дыбля А.Ю., Лядова Е.Ф., Замятин П.А., Минкин А.В. Использование технологий искусственного интеллекта и виртуальной реальности при создании адаптивной системы мобильного обучения // Науч. мысль. 2021. Т. 18, № 4-1 (42). С. 12–18.

5. Индустрия 4.0. Шесть ключевых трендов в сфере виртуальной и дополненной реальности. РБК Тренды, 2025. URL: https://trends.rbc.ru/trends/industry/64ef000a9a79471c1bbf46be.

6. Тенденции в индустрии 2025: погружающие технологии меняют правила игры. Unity, 2025. URL: https://unity.com/ru/blog/industry-trends-report-2025.

7. Углев В.А., Смирнов Г.А. Визуализация динамики учебного процесса с помощью когнитивных карт диагностики знаний в интеллектуальных обучающих системах // Информ. и матем. технол. в науке и упр. 2025. № 1 (37). С. 122–129. https://doi.org/10.25729/ESI.2025.37.1.012.

8. Кетова В.Д., Столбова И.Д. Организационная модель развития когнитивных способностей обучающихся // Упр. обр.: теория и практ. 2024. № 1–2. С. 106–116. https://doi.org/10.25726/t9659-6814-4735-q.

9. Елшанский С.П. Школа будущего: может ли искусственный интеллект обеспечить когнитивную эффективность обучения? // Вестн. ТГУ. 2021. № 462. С. 192–201. https://doi.org/10.17223/15617793/462/23.

10. Kamaleeva A.R., Mukhametzyanova L.Yu., Nigmetzyanova V.M., Nozdrina N.A., Pokaninova E.B. Cognitive organization of cognitive activities of students on the basis of effective harmonization of logical and emotional aspects of acquiring of scientific knowledge // SHS Web Conf. 2021. V. 101. Art. 03037. https://doi.org/10.1051/shsconf/202110103037.

11. Баланев Д.Ю., Смешко Е.В., Кох Д.А. Диагностические возможности программноаппаратного комплекса «двигательные компоненты процесса решения познавательной задачи» // СПЖ. 2022. № 85. С. 100–117. https://doi.org/10.17223/17267080/85/5.

12. Евсеенко И.Н., Выжгин Д.Ю., Титов К.Б. Методы и инструменты систем оценки деятельности обучающихся, основанные на цифровом следе // Науч. тр. СЗИУ РАНХиГС. 2022. Т. 13, № 3 (55). С. 175–185.

13. Veshneva I.V., Singatulin R.A. The status functions application for multispectral data images processing in virtual reality systems // Kravets A.G., Bolshakov A.A., Shcherbakov M.V. (Eds.) Cyber-Physical Systems: Digital Technologies and Applications. Ser.: Studies in Systems, Decision and Control. V. 350. Cham: Springer, 2021. P. 225–235. https://doi.org/10.1007/978-3-030-67892-0_19.

14. Фахми Ш.С., Соколов Ю.М., Костикова Е.В. Новые подходы к изучению студентами интеллектуальных видеосистем: от видеоинформации к когнитивным системам // Совр. обр.: содерж., технол., качество. 2021. Т. 1. С. 137–140.

15. Гальтяев А.В., Сварник О.Е. Применение технологий виртуальной реальности для оценки когнитивной активности мышей // Когнитивная наука в Москве: новые исследования: сб. тр. конф. М.: Буки Веди, 2023. С. 564–570.

16. Гальтяев А.В., Сварник О.Е. Разработка средств анализа когнитивной активности мышей в виртуальной реальности // Психология познания: сб. матер. Всерос. науч. конф. памяти Дж. С. Брунера. Ярославль: Филигрань, 2023. С. 60–62.

17. Вешнева И.В., Чистякова Т.Б., Большаков А.А. Метод обработки и интерпретации данных измерения взаимодействий в образовательной среде на основе статусных функций // Тр. СПИИРАН. 2016. № 6 (49). С. 144–166. https://doi.org/10.15622/sp.49.8.

18. Veshneva I.V., Bolshakov A.A., Fedorova A.E. Organization of engineering education for the development of cyber-physical systems based on the assessment of competences using status functions // Kravets A., Bolshakov A., Shcherbakov M. (Eds.) Cyber-Physical Systems: Industry 4.0 Challenges. Ser.: Studies in Systems, Decision and Control. V. 260. Cham: Springer, 2020. P. 277–288. https://doi.org/10.1007/978-3-030-32648-7_22.