Інтелектуальна система перевірки знань з програмування

Abstract

Актуальність теми зумовлена об'єктивною потребою IT-галузі у фахівцях, які володіють високим рівнем практичних навичок програмування. Існуючі освітні підходи, що базуються на ручній перевірці коду, характеризуються суттєвою затримкою зворотного зв'язку та обмеженою масштабованістю, що негативно впливає на ефективність навчання. З огляду на це, критично важливим є створення інтелектуальної навчальної вебплатформи, яка здатна забезпечити миттєву, об'єктивну оцінку коду та мотивувати користувачів через механізми гейміфікації. Об'єктом дослідження виступає процес проектування та розробки такої вебплатформи з адаптивним модульним підходом, тоді як предметом дослідження є методи та принципи побудови архітектури програмного забезпечення, графічного інтерфейсу, системи обробки даних та алгоритмів автоматичної перевірки коду. Метою магістерської роботи є проектування та розробка масштабованої інтелектуальної платформи, що поєднує структурований навчальний контент із системою автоматичної перевірки коду, рейтинговими таблицями та адаптивним інтерфейсом. Для досягнення поставленої мети було послідовно вирішено низку дослідницьких та проектних завдань. Спочатку було досліджено особливості побудови графічного інтерфейсу для мінімізації когнітивного навантаження та забезпечення крос-платформної адаптації. Паралельно було проаналізовано методи побудови рейтингових таблиць та синтезовано ефективний метод навчання, що комбінує модульність, адаптивність та механізми гейміфікації. Ключовим етапом стало обґрунтування вибору інструментальних засобів (стек React, NestJS, PostgreSQL) та розробка адаптивної архітектури, включаючи аналіз методів обробки даних, використання кешування (KeyDB) для оптимізації доступу до рейтингової інформації та інтеграцію зовнішніх сервісів. Завершальні завдання включали розробку програмного забезпечення платформи з реалізацією REST API та алгоритму взаємодії із сервісом виконання коду PistonAPI, а також проведення всебічного тестування. В процесі роботи використовувалися методи системного аналізу для дослідження предметної області, об'єктно-орієнтоване моделювання (UML) для візуалізації архітектури та сутностей, а також компонентний підхід у поєднанні з тестуванням для верифікації коректності роботи модулів. Наукова новизна отриманих результатів полягає у синтезі методу побудови навчального процесу, який об'єднує модульне навчання, гейміфікаційні елементи на основі рейтингу та адаптивний підхід до вибору складності завдань. Особливо вагомою є розробка та обґрунтування спрощеної високопродуктивної архітектури, де внутрішній Judge System, що потребує складної інфраструктури (Docker/Kubernetes Sandbox), замінено на синхронну інтеграцію із зовнішнім Code Execution Service (PistonAPI). Таке рішення підвищує стабільність системи та знижує експлуатаційні витрати, зберігаючи при цьому ключову вимогу ізоляції виконання коду. Розроблені та реалізовані структури REST API оптимізовані для забезпечення безшовної взаємодії між адаптивним фронтендом (React) та бекендом (NestJS). Основні положення та результати магістерської роботи були апробовані в рамках ХVІ Міжнародної науково-практичної конференції молодих вчених «Інформаційні технології: Економіка, Техніка, Освіта» (2025 р.) у секції «Наука про дані: технології OLTP і OLAP, машинне навчання, методи штучного інтелекту» (доповідь «ІНТЕЛЕКТУАЛЬНА СИСТЕМА ОЦІНКИ ЗНАНЬ З ПРОГРАМУВАННЯ»). Структурно магістерська робота складається зі вступу, трьох основних розділів, висновків, переліку використаних джерел та додатків, охоплюючи системний аналіз, моделювання та безпосередню розробку системи