Дослідження моделі штучного інтелекту для прогнозування поведінки користувачів у цифрових системах
Автор: Пшеничка Василина Василівна
Кваліфікаційний рівень: магістр
Спеціальність: Системне адміністрування телекомунікаційних мереж
Інститут: Інститут інформаційно-комунікаційних технологій та електронної інженерії
Форма навчання: денна
Навчальний рік: 2025-2026 н.р.
Мова захисту: українська
Анотація: Магістерська кваліфікаційна робота присвячена дослідженню, розробці та експериментальній валідації моделі штучного інтелекту для прогнозування поведінки користувачів у цифрових системах. З цифровою трансформацією сучасного суспільства поведінка користувачів стала ключовим фактором успіху для інформаційних сервісів, маркетингових платформ та систем аналізу даних. Водночас, динамічність та непередбачуваність поведінкових процесів вимагають використання нових інтелектуальних інструментів, які можуть автоматично виявляти закономірності, прогнозувати майбутню поведінку користувачів та підтримувати управлінські рішення. Метою роботи є створення адаптивної моделі штучного інтелекту на основі даних про активність користувачів, яка точно прогнозує їхню поведінку та забезпечує ефективний розподіл цифрових взаємодій. Перший розділ містить комплексний теоретичний аналіз поведінки користувачів у цифрових середовищах, досліджуючи складність цього явища, яке інтегрує технологічні, соціальні, психологічні та інформаційні фактори. На основі структурованого підходу дослідження описує етапи побудови моделі поведінки, механізми взаємодії користувачів з інформаційними системами та класифікацію реакцій на цифрові стимули. Крім того, наголошується на ролі цифрових платформ як джерел поведінкових даних та механізмів реального часу, що формують основу для побудови прогностичних моделей. Розділ також зосереджується на етичних, безпекових та прозорих питаннях використання персональної інформації, які мають вирішальне значення для розвитку сучасних систем штучного інтелекту [1-3]. У другому розділі аналізуються теоретичні та практичні аспекти розробки ШІ, його класифікація та основні методології. У ньому детально розглядаються принципи алгоритмів класифікації, ансамблевих методів, нейронних мереж та методів опорних векторів для прогнозування складних моделей поведінки. Також описано переваги та недоліки кожного методу, а також їхню застосовність до великих наборів даних та динамічних поведінкових процесів. У цьому розділі наголошується на важливості забезпечення інтерпретованих результатів та відповідального використання технологій ШІ в сферах, що стосуються персональних даних користувачів. У третьому розділі розглядається проблема прогнозування поведінки користувачів та детально описується, як побудувати модель. У четвертому розділі представлені результати практичного дослідження ефективності розробленої моделі. У дослідженні протестовано три алгоритми машинного навчання: випадковий ліс, метод опорних векторів та штучну нейронну мережу. Порівняльний аналіз показав, що моделі випадкового лісу та нейронної мережі досягли найвищої точності, що демонструє високу застосовність комбінованого підходу до прогнозування поведінки користувачів. Аналіз важливості ознак показав, що історія відповідей користувача, рівень активності та частота взаємодії були вирішальними факторами. Комплексний часовий аналіз виявив стабільні моделі поведінки, що забезпечило основу для розрізнення груп користувачів з різними часовими уподобаннями (ранок та вечір). Незалежне тестування підтвердило стабільність цих моделей та продемонструвало потенціал використання часових ознак як фундаментального інструменту для персоналізованих цифрових стратегій. Розроблена модель продемонструвала високу прогностичну точність, адаптивність та економічну ефективність, оскільки персоналізуючи контент та час комунікації, вона може зменшити витрати на інформацію та підвищити ефективність маркетингових кампаній [4-9]. Проведене дослідження розширює наукове розуміння механізмів поведінки користувачів у цифрових екосистемах, інтегруючи методи соціології, інформатики та математики. Практично, дослідження пропонує комплексний підхід до створення адаптивних прогностичних моделей, які можна застосовувати в таких галузях, як електронна комерція, цифровий маркетинг, онлайн-освіта та управління користувацьким досвідом. Загалом, результати демонструють, що розроблена модель штучного інтелекту є ефективним інструментом для прогнозування поведінки користувачів та підтримки прийняття рішень у цифрових системах. Вона забезпечує баланс між точністю, інтерпретованістю та етичним використанням даних. Подальші дослідження можуть бути зосереджені на вдосконаленні гібридних моделей, врахуванні контекстуальних факторів та створенні систем реального часу для прогнозування та адаптації цифрових взаємодій. Об’єкт дослідження – Поведінка користувачів у цифрових системах. Сфера дослідження – Застосування штучного інтелекту для аналізу та прогнозування поведінки користувачів у цифрових середовищах. Мета дослідження: Дослідження моделі штучного інтелекту з метою прогнозування поведінки користувачів у цифрових системах та підтримки ефективних управлінських рішень.