Содержание журнала, редколлегия.

Table of contents, editorial board, editors.

В статье рассматриваются двухкритериальные задачи планирования сроков проекта, который состоит в выполнении заданного набора работ при наличии ограничений на время начала и завершения работ. В качестве критериев оптимальности плана для одной из задач берутся максимальное время рабочего цикла и разброс времени начала работ, которые требуется минимизировать. Другая задача состоит в минимизации общей продолжительности проекта и разброса времени начала работ. Решение задач опирается на их представление в терминах тропической алгебры, которая изучает алгебраические системы с идемпотентными операциями. С помощью методов тропической оптимизации получены результаты, которые в аналитической форме описывают все Парето-оптимальные решения рассматриваемых задач, представленные в параметрическом виде. Приведены иллюстративные численные примеры решения двухкритериальных задач для проекта, который состоит из трех работ. С. 5–21.

The paper considers two-criteria problems to schedule a project that consists in performing a given set of activities with restrictions on the start and end times of the activities. The maximum time of the working cycle and the spread of the start time of activities that need to be minimized are taken as the optimality criteria of the plan for one of the problems. The other problem is to minimize the total duration of the project and the spread of the start time of activities. The solution of the problems is based on representation in terms of tropical algebra, which studies algebraic systems with idempotent operations. By applying methods of tropical optimization, results are obtained that analytically describe all Pareto-optimal solutions to the considered problems in parametric form. Illustrative numerical examples of solving two-criteria problems for a project of three activities are given.

Предлагается метод построения картины силовых линий постоянных электрического и магнитного полей, основанный на численном решении системы дифференциальных уравнений, с последующей визуализацией графиками в трехмерном пространстве. Показано, что применение подобного метода позволяет понять и продемонстрировать некоторые качественные особенности силовых линий, обусловленные, в частности симметрией рассматриваемых систем. Рассмотренные примеры показывают, что даже для простейших систем, изучаемых в курсах электростатики и магнитостатики, картина силовых линий может иметь сложный, а иногда и непредсказуемый характер. С. 22-39.

A method is proposed for constructing a picture of the field lines of constant electric and magnetic fields based on the numerical solution of a system of differential equations followed by visualization by graphs in three-dimensional space. It is shown that the application of this method makes it possible to understand and demonstrate some qualitative features of the field lines, due in particular to the symmetry of the systems under consideration. The examples considered show that even for the simplest systems studied in electrostatics and magnetostatics courses, the pattern of field lines can be complex and sometimes unpredictable.

Цель. Исследование применимости гибридного подхода, объединяющего спектральные нейронные операторы и классические численные методы, для ускоренного моделирования сердечной электрофизиологии в бидоменной постановке.
Материалы и методы. Рассматривается бидоменная модель на прямоугольных анизотропных трёхмерных областях с ионной моделью. Исследуется гибридная схема: нелинейная параболическая эволюция трансмембранного потенциала аппроксимируется авторегрессионным нейронным оператором Фурье, а эллиптическое уравнение связи решается методом сопряжённых градиентов. Для повышения точности воспроизведения фронтов возбуждения применяется обучение с градиентной (соболевской) компонентой в функции потерь.
Результаты. На тестовых трёхмерных анизотропных блоках при шаге по времени 2 мс получена ошибка скорости проведения возбуждения 3–6 % относительно референсного конечно-элементного решения. Проведено абляционное исследование вклада отдельных компонент метода. Выявлены ограничения подхода: накопление ошибок при длительном авторегрессионном прогоне и зависимость точности от величины временного шага.
Заключение. Показана принципиальная возможность применения гибридных нейросетевых архитектур для задач вычислительной электрофизиологии на модельных областях. Определены границы применимости подхода и направления дальнейших исследований. С. 40-56.

Purpose. To investigate the applicability of a hybrid approach combining spectral neural operators with classical numerical methods for accelerated cardiac electrophysiology simulation in the bidomain formulation.
Materials and methods. The bidomain model is considered on rectangular anisotropic 3D domains with the ten Tusscher–Panfilov ionic model. A hybrid scheme is investigated: an autoregressive Fourier neural operator (AR-FNO) approximates the nonlinear parabolic evolution of the transmembrane potential, while the elliptic coupling equation is solved by the conjugate gradient method. Gradient-aware training is employed to improve wavefront reproduction accuracy.
Results. On test 3D anisotropic slabs with a 2 ms time step, a conduction velocity error of 3–6 % relative to the reference finite element solution was obtained. An ablation study of individual method components was performed. Limitations were identified: error accumulation during prolonged autoregressive rollout and accuracy dependence on time step size.
Conclusion. The principal feasibility of applying hybrid neural network architectures for computational electrophysiology problems on model domains is demonstrated. The applicability boundaries and directions for further research are identified.

Понимание пользовательских предпочтений играет важную роль в персонализированных сервисах и интеллектуальных системах. Достигается это понимание путем организации обратной связи в разных формах, наиболее предпочтительной из которых является форма естественного языка. Но в этом случае необходимо точное определение ключевых признаков пользовательской обратной связи и динамическая оптимизация значимости (весов) этих признаков для повышения точности принятия решений системой. Сегодня существуют значительные ограничения у традиционных методов в области извлечения ключевых признаков обратной связи из текстов на естественном языке и адаптивности распределения весов. В данной работе рассматривается новый метод извлечения ключевых признаков пользовательской обратной связи и распределения их весов на основе предварительного многоитерационного взаимодействия пользователя и системы ИИ. Данный метод интегрирует четыре основных модуля: извлечения признаков на основе модели YAKE, персонализированного моделирования весов с помощью модели TF-IDF, семантического слияния векторных представлений с классификацией признаков и динамического распределения весов по ключевым признакам. Таким образом создается механизм прямого отображения пользовательской обратной связи на совокупность весов признаков, участвующих в построении модели для принятия решений в системах ИИ. Новизна метода заключается в разработке алгоритма извлечения ключевых слов YAKE с улучшенной семантической и признаковой плотностью; алгоритма расчета весов TF-IDF с интеграцией исторических пользовательских предпочтений и персонализацией весов; механизма классификации признаков на основе семантического сходства; оптимизации процессов извлечения признаков и распределения весов по признакам. Для тестирования метода использовалась система прогнозирования эмоционального состояния с непрерывным сбором данных от 16 пользователей в течение 30 дней. Результаты показали, что предложенный метод достигает точности прогнозирования эмоций 78,4 %, что на 23 % выше базовых методов. Отмечается значительное повышение удовлетворенности пользователей прогнозами системы и существенное сокращение времени достижения стабильного распределения весов признаков. С. 57--73.

Understanding user preferences plays a crucial role in personalized services and intelligent systems. This understanding is achieved through feedback mechanisms in various forms, with natural language being the most preferred format. However, this approach requires precise identification of key features from user feedback and dynamic optimization of feature weights to enhance system decision-making accuracy. Traditional methods face significant limitations in extracting key feedback features from natural language texts and adapting weight distribution effectively. This paper presents a novel method for extracting key features from user feedback and optimizing their weights through preliminary multi-iterative user-AI system interactions. The proposed method integrates four core modules: YAKE-based feature extraction, personalized weight modeling using TF-IDF, semantic fusion of vector representations with feature classification, and dynamic weight distribution for key features. This creates a direct mapping mechanism from user feedback to feature weight sets used in AI decision-making models. The method’s novelty lies in developing an enhanced YAKE keyword extraction algorithm with improved semantic and feature density; a TF-IDF weight calculation algorithm incorporating historical user preferences and personalized weighting; a feature classification mechanism based on semantic similarity; and optimized processes for feature extraction and weight distribution. The method was tested using an emotion prediction system with continuous data collection from 16 users over 30 days. Results demonstrate that the proposed method achieves 78.4 % emotion prediction accuracy, representing a 23 % improvement over baseline methods. Significant enhancements in user satisfaction with system predictions and substantial reduction in time to achieve stable feature weight distribution were observed.

Статья посвящена сравнительному анализу моделей автоматической генерации заданий для учебных дисциплин в условиях растущей диспропорции между численностью студентов и преподавателей и растущих случаев академической нечестности. Цель исследования — сравнить существующие модели генерации по трём критериям: вариативность заданий, трудозатраты на применение и объяснимость результатов — для снижения нагрузки на преподавателей при сохранении качества образовательного процесса. Методология включает анализ публикаций 2020-2025 гг. с классификацией моделей на шаблонные, грамматические, статистические, графовые, рекуррентные нейронные сети, эволюционные алгоритмы и большие языковые модели (LLM). Основные результаты: установлено, что LLM превосходят альтернативные подходы по разнообразию генерируемого контента и вычислительной эффективности при использовании предобученных моделей. Шаблонные и грамматические системы ограничены низкой вариативностью, эволюционные алгоритмы требуют на порядки больше времени, а рекуррентные сети уступают в поддержании семантической целостности. Критическими недостатками LLM являются низкая объяснимость результатов и склонность к галлюцинациям, что требует обязательного экспертного контроля результата. Работа представляет практическую ценность для разработчиков образовательных систем и преподавателей, стремящихся к масштабированию учебного процесса при сохранении педагогического контроля. С. 74-90.

The article presents a comparative analysis of models for the automatic generation of assessment tasks for university courses in the context of a growing mismatch between student and instructor numbers and an increase in cases of academic dishonesty. The aim of the study is to compare existing generation models according to three criteria—task variability, effort required for implementation, and explainability of results—in order to reduce instructors’ workload while preserving the quality of the educational process. The methodology includes an analysis of publications from 2020–2025 and a classification of models into template-based, grammar-based, statistical, graph-based, recurrent neural networks, evolutionary algorithms, and large language models (LLMs). Key findings: LLMs outperform alternative approaches in the diversity of generated content and computational efficiency when pre-trained models are used. Template-based and grammar-based systems are constrained by low variability, evolutionary algorithms require significantly more time, and recurrent networks are inferior in maintaining semantic coherence. Critical drawbacks of LLMs are limited explainability and a tendency to hallucinate, which necessitates mandatory expert oversight of outputs. The work has practical relevance for developers of educational systems and for instructors seeking to scale instruction while retaining pedagogical control.

В статье представлена формальная модель мультимодального образовательного графа знаний (MEKG), предназначенного для структурированного представления знаний в интеллектуальных обучающих системах. Предложена математическая модель MEKG = ⟨E, R, A, M, T, F⟩ интегрирующая гетерогенные сущности (концепции, навыки, учебные материалы, задания), типизированные отношения (предшествования, вхождения, оценивания), мультимодальные атрибуты и темпоральную динамику. Определены формальные свойства модели: ацикличность отношений предшествования, полнота покрытия компетенций, согласованность мультимодальных представлений. Разработаны алгоритмы верификации целостности графа и механизмы версионирования. Проведён сравнительный анализ с существующими подходами, включая отечественные работы по инженерии знаний. Экспериментальная оценка на образовательном курсе по программированию (215 концепций, 312 связей предшествования) подтвердила применимость модели для автоматизации диагностики знаний и персонализации обучения: интеграция с системой трассировки знаний повысила точность прогнозирования (AUC) на 2,5 процентных пункта. С. 91-104.

The paper presents a formal model of a Multimodal Educational Knowledge Graph (MEKG) designed for structured knowledge representation in intelligent tutoring systems. A mathematical model MEKG = ⟨E, R, A, M, T, F⟩ is proposed, integrating heterogeneous entities (concepts, skills, learning materials, assignments), typed relations (prerequisite, part-of, assessment), multimodal attributes, and temporal dynamics. Formal properties of the model are defined: acyclicity of prerequisite relations, competency coverage completeness, and consistency of multimodal representations. Graph integrity verification algorithms and versioning mechanisms are developed. A comparative analysis with existing approaches, including Russian knowledge engineering research, is conducted. Experimental evaluation on a programming course (215 concepts, 312 prerequisite relations) confirmed the model’s applicability for automated knowledge diagnostics and learning personalization: integration with a knowledge tracing system improved prediction accuracy (AUC) by 2.5 percentage points.

Стандарт GraphBLAS API описывает примитивы и операции разреженной линейной алгебры для построения параллельных алгоритмов анализа графов. Использование GraphBLAS является перспективным подходом к высокопроизводительному анализу графов, но у него есть ряд недостатков, таких как сложный API, сложность реализации для GPGPU и проблема явного использования нулей. В данной работе мы показываем, что использование возможностей функционального программирования может помочь решить некоторые проблемы проектирования GraphBLAS-подобных API. (На англ.) С. 105-114.

GraphBLAS API standard describes linear algebra based blocks to build parallel graph analysis algorithms. While it is a promising way to high-performance graph analysis, there are a number of drawbacks such as complicated API, hardness of implementation for GPGPU, and explicit zeroes problem. We show that the utilization of techniques from functional programming can help to solve some GraphBLAS design problems.

В статье рассматриваются педагогические возможности цифровых образовательных ресурсов типа Wise Tasks и их роль в реализации технологий продуктивного обучения. Актуальность исследования связана с распространенной практикой использования цифровых средств преимущественно для организации учебного процесса или контроля знаний, что часто приводит к пассивной роли обучающихся и ограничивает развитие их исследовательской и творческой активности. В работе анализируются ограничения таких подходов и обосновывается необходимость создания образовательных сред, в которых учащиеся выступают не только потребителями готовых заданий и решений, но и активными участниками их постановки и разработки. В качестве решения предлагается использование формализованных средств представления задач предметной области и цифровых инструментов, позволяющих автоматически проверять решения конструктивных задач. Такой подход реализуется в ресурсах типа Wise Tasks, где обучающийся может экспериментировать с различными способами решения, проверять гипотезы и формулировать новые задачи. На примере разработки образовательного ресурса по теории графов показано, как подобные системы могут поддерживать технологию «обучение через обучение», развивать алгоритмическое и вычислительное мышление и вовлекать студентов в совместную разработку учебных материалов и программных модулей. Полученные результаты демонстрируют, что использование подобных цифровых сред способствует более глубокому освоению содержания дисциплины и формированию исследовательских навыков. (На англ.) С. 115--128.

The article examines the pedagogical potential of digital educational resources such as Wise Tasks and their role in implementing productive learning technologies. The relevance of the study stems from the widespread practice of using digital tools primarily for organizing the learning process or knowledge assessment, which often leads to a passive role for students and limits the development of their research and creative activity. The paper analyzes the limitations of such approaches and substantiates the need to create educational environments in which students act not only as consumers of ready-made tasks and solutions, but also as active participants in their formulation and development. As a solution, the use of formalized means for representing subject area problems and digital tools that allow for the automatic verification of solutions to constructive tasks is proposed. This approach is implemented in resources like Wise Tasks, where the learner can experiment with different solution methods, test hypotheses, and formulate new problems. Using the example of developing an educational resource on graph theory, it is shown how such systems can support the “learning by teaching” technology, develop algorithmic and computational thinking, and engage students in the collaborative development of learning materials and software modules. The obtained results demonstrate that the use of such digital environments contributes to a deeper mastery of the discipline's content and the formation of research skills.