🧪 🔬 Представленная работа

Доклад 1. «Autonomous Syllabus Generation via LangGraph ReAct and Hierarchical Agentic RAG»
Авторы: Gulshat Amirkhanova, Bauyrzhan Amirkhanov, Alikhan Amirkhanov, Ramilya Aubakirova
Суть: агентная система автоматической генерации силлабуса и структуры учебного курса из неструктурированных документов на основе LLM и иерархического поиска с дополненной генерацией (Agentic RAG). Оркестратор на LangGraph ReAct работает без заданных пользователем целей, используя многоинструментальную стратегию извлечения. На корпусе по охране труда система разложила материал на 4 тематических модуля и 16 уроков.

Доклад 2. «Adaptive Prompting: Using Large Language Models to Generate Real-Time, Personalized Scaffolding for STEM Students»
Авторы: Bauyrzhan Amirkhanov, Azim Aidynuly, Gulshat Amirkhanova, Alikhan Amirkhanov, Dinara Zhaisanova
Суть: система адаптивного промптинга, которая связывает когнитивные диагностические модели с базой взаимодействий студента и внедряет педагогические ограничения в промпт LLM, заставляя модель выдавать подсказки и наводящие вопросы вместо готовых ответов. Протестирована на 120 студентах курса высшей математики: пользователи адаптивной системы показали более высокие результаты на пост-тесте.

Доклад 3. «Automation of Generation of SCORM-Standard E-Learning Courses Based on Large Language Models and Retrieval-Augmented Generation Technology»
Суть: система полностью автоматической генерации учебных курсов в стандарте SCORM 1.2 с использованием LLM и RAG. Фокус — упрощение работы методологов за счёт автоматизации трудоёмкого процесса создания курсов.