ПЛАТФОРМА LEARNLY НА ОСНОВЕ МАШИННОГО ОБУЧЕНИЯ ДЛЯ АДАПТИВНОГО И ПЕРСОНАЛИЗИРОВАННОГО ОБУЧЕНИЯ

Аннотация

. Данное исследование рассматривает применение машинного обучения в персонализированном обучении на интерактивных платформах на примере Learnly. Цель работы — показать, как адаптивное планирование повторений, генерация контента и поведенческая персонализация могут быть объединены в единую масштабируемую архитектуру продукта. Исследование использует проектно-аналитический подход, основанный на моделях интервального повторения (spaced repetition), адаптивной логике оценки и современных практиках распределённых систем. В разделе методов объясняется, как алгоритм SM-2 оценивает следующий интервал повторения через коэффициент лёгкости (easiness factor), а также как SM-17 расширяет эту логику с использованием переменных стабильности (stability), извлекаемости (retrievability) и сложности (difficulty). В статье также вводится концепция Learnly Intelligence Layer как проприетарной адаптивной модели, объединяющей динамику памяти, сигналы вовлечённости пользователя и генерацию контента с помощью искусственного интеллекта. Результаты показывают, что такой подход повышает релевантность учебных сессий, снижает избыточные повторения и способствует ускоренному созданию образовательного контента. Кроме того, архитектура платформы, основанная на Java, Spring Boot, WebFlux, микросервисах, MongoDB, PostgreSQL, Redis, Kafka и Elasticsearch, обеспечивает надёжную основу для масштабирования персонализации в реальном времени. В заключении отмечается, что ценность продукта формируется не за счёт отдельных AI-функций, а благодаря согласованному взаимодействию математического планирования, аналитики обучения, генеративного искусственного интеллекта и устойчивой архитектуры системы.