Математикалық сингулярлық: үйірдің мінез-құлық үлгілері үйір интеллектіне қалай айналады және оқытудың білім беру траекториясын құруға мүмкіндік береді

Мақалада үйір интеллект контекстіндегі математикалық сингулярлық құбылысы және оның адаптивті білім беру траекторияларын құру үшін қолданылуы зерттеледі. Құмырсқалар колониясының қозғалыс моделінің мысалында (Ant Colony Optimization) агенттердің жергілікті өзара әрекеттесуі жеке мінез-құлық шектеулерін еңсеру арқылы жаһандық оңтайлы шешімдерге қалай әкелетінін көрсетеді. Табиғаттағы ең қысқа жолды табу мен жекелендірілген оқыту траекториясын таңдау арасындағы ұқсастық талданады. Білім беру жүйелеріне үйір алгоритмдерін енгізудің технологиялық және этикалық аспектілері, сондай-ақ оқушылардың қажеттіліктеріне бейімделе алатын өзін-өзі ұйымдастыратын платформалар құру перспективалары қарастырылады. Мақалада топтық жүйелердегі сингулярлық траекториялар жоғарыдан төмен емес, оқушылардың, деректердің және бейімделу алгоритмдерінің өзара әрекеттесуі арқылы қалыптасатын "ақылды" білім беру орталарын құруға жол ашатынын атап көрсетеді.

1. Altshuler, Y. (2023). Recent Developments in the Theory and Applicability of Swarm Search. Entropy, 25(5), 710.

2. Abraham, A., Guo, H., & Liu, H. (2006). Swarm Intelligence: Foundations, Perspectives and Applications. In Swarm Intelligence: Foundations, Perspectives and Applications (pp. 23-42). Springer Berlin Heidelberg.

3. Ahmed, H.R., & Glasgow, J.I. (2012). Swarm Intelligence: Concepts, Models and Applications.

4. Cardona, M.A., Rodriguez, R.J., & Ishmael, K. (2023). Artificial Intelligence and the Future of Teaching and Learning: Insights and Recommendations. U.S. Department of Education, Office of Educational Technology.

5. Chibaya, C., & Bhero, E. (2023). A survey of inspiring swarm intelligence models for the design of a swarm-based ontology for addressing the cyber security problem. International Journal of Research In Business and Social Science, 11(6), 1-13.

6. Computational Complexity (The specific authors and title of the work from which this excerpt is taken are not clearly identifiable in the provided material).

7. Cormen, T.H., Leiserson, C.E., Rivest, R.L., & Stein, C. (2001). Introduction to Algorithms (2nd ed.). MIT Press.

8. Darlington, J.P.E.C. (1982). The underground passages and storage pits using in foraging by a nest of the termite Macrotermes michaelseni in Kajiado, Kenya. Journal of Zoology, London, 198(2), 237-247.

9. Darwin, C. (1872). The origin of species (6th ed.). John Murray, London.

10. Deneubourg, J.-L., Aron, S., Goss, S., Pasteels, J.M., & Duerinck, G. (1986). Random behaviour, amplification processes and number of participants: how they contribute to the foraging properties of ants. Physica D: Nonlinear Phenomena, 22(1-3), 176-186.

11. Doerr, B., & Johannsen, D. (2010). Edge-based representation beats vertex-based representation in shortest path problems. In Proceedings of the Genetic and Evolutionary Computation Conference (GECCO ’10) (pp. 759-766). ACM Press.

12. Doerr, B., & Theile, M. (2009). Improved analysis methods for crossover-based algorithms. In Proceedings of the Genetic and Evolutionary Computation Conference (GECCO ’09) (pp. 247-254). ACM Press.

13. Excerpts from "!!! from-animal-collective-behaviors-to-swarm-robotic-84dsxa35.pdf" (The full bibliographic details are provided within the document itself as: Natl Sci Rev, 2023, Vol. 10, nwad040, Downloaded from https://academic.oup.com/nsr/article/10/5/nwad040/7043485 by guest on 01 October 2023).

14. Excerpts from "01.pdf" (The full bibliographic details are: International Journal of Research in Business and Social Science (2147-4478), © 2023 by the authors. Licensee SSBFNET, Istanbul, Turkey. This article is an open access article distributed under the terms and conditions of the Creative Commons Attribution (CC BY) license (http://creativecommons.org/licenses/by/4.0/).).

15. Excerpts from "06.pdf' (The full bibliographic details are: Entropy 2023, 25, 710. https://doi.org/10.3390/e25050710).

16. Excerpts from "08.pdf' (This excerpt references several works by Bruce J. MacLennan and others, making it difficult to cite as a single entity. Some referenced works include: MacLennan, B.J. (2014). Coordinating massive robot swarms. International Journal of Robotics Applications and Technologies, 2(2), 1-19; MacLennan, B.J. (2015). The morphogenetic path to programmable matter. Proceedings of the IEEE, 103(7), 1226-1232; MacLennan, B.J. (2018). Coordinating swarms of microscopic agents to assemble complex structures. In Swarm Intelligence, Vol. 1: Principles, Current Algorithms and Methods (pp. 583-612). Institution of Engineering and Technology.).

17. Excerpts from "09.pdf" (This appears to be an internal report supported by NASA, the specific citation details are not fully present in the excerpt).

18. Excerpts from "15.pdf" (This excerpt contains references to various works in swarm intelligence and related fields, making it challenging to cite as a single source. Examples include: Kennedy J., Eberhardt R. (1995) Particle swarm optimization, Proc. IEEE Int. Conf. Neural Network, 1942-1948; Weber H. (1974) GrundriMer Insektenkunde, Gutav Fischer Verlag, Stuttgart.)