http://dspace.tnpu.edu.ua/handle/123456789/8641 2026-05-21T08:02:01Z 2026-05-21T08:02:01Z Степанюк, Алла Василівна Жирська, Галина Ярославівна Міщук, Наталія Йосипівна Білецька, Г. А. Барна, Любов Степанівна http://dspace.tnpu.edu.ua/handle/123456789/40825 2026-05-20T09:22:21Z 2026-01-01T00:00:00Z

Назва: З досвіду присвоєння професійної кваліфікації майбутнім учителям природничої освітньої галузі Автори: Степанюк, Алла Василівна; Жирська, Галина Ярославівна; Міщук, Наталія Йосипівна; Білецька, Г. А.; Барна, Любов Степанівна Короткий огляд (реферат): У статті розглядається проблема вдосконалення процесу присвоєння професійних кваліфікацій випускникам педагогічних закладів вищої освіти в контексті реформування української освіти та впровадження професійних стандартів. Проаналізовано нормативно-правове підґрунтя присвоєння професійних кваліфікацій майбутнім педагогам, вимоги до атестації випускників ЗВО з урахуванням сучасних освітніх та соціальних викликів. На основі аналізу вітчизняного та міжнародного досвіду проведення кваліфікаційних іспитів, виокремлено три моделі атестації вчителів: 1. Фінляндія: передбачає прямий доступ до професії. 2. Польща: сходинки кар'єрного зростання 3. США та Велика Британія: кваліфікаційні іспити та ліцензування. Охарактеризовано досвід Тернопільського національного педагогічного університету імені Володимира Гнатюка щодо реалізації компетентнісного підходу до атестації випускників освітньо-професійної програми «Середня освіта (Біологія та здоров’я людини, хімія)» на основі розв’язування педагогічних кейсів та їх зв'язок з набуттям професійної кваліфікації. Обґрунтовано сучасний практико орієнтований алгоритм підтвердження професійної готовності випускника ЗВО до виконання трудових функцій у закладах загальної середньої освіти, розроблено модель атестації майбутніх учителів природничої освітньої галузі (форму та зміст комплексного кваліфікаційного екзамену) та визначено критерії оцінювання рівня сформованості професійних компетентностей як основи для присвоєння професійної кваліфікації. Розроблено та апробовано чотири компонентну структуру комплексного кваліфікаційного екзамену, що передбачає оцінювання знаннєвої, аналітичної та практико-орієнтованої складових підготовки магістра. Зокрема: Блок 1. Комплексне тестування. Блок 2. Методичний аналіз учнівських завдань (НУШ-орієнтований підхід). Блок 3. Кейс-технології (розв’язання двох професійно-педагогічних ситуацій). Блок 4. Професійний розвиток (планування та реалізації власної траєкторії професійного зростання).; This article examines the issue of improving the process of awarding professional qualifications to graduates of higher education institutions specializing in teacher training in the context of Ukrainian education reform and the implementation of professional standards. This study analyzes the legal framework for awarding professional qualifications to future teachers and the requirements for the certification of higher education institution graduates, taking into account contemporary educational and social challenges. Based on an analysis of domestic and international experience in conducting qualification exams, three models of teacher certification have been identified: 1. Finland: provides direct access to the profession. 2. Poland: career advancement steps. 3. The United States and the United Kingdom: qualification exams and licensing. This article describes the experience of the Volodymyr Hnatiuk Ternopil National Pedagogical University in implementing a competency-based approach to the evaluation of graduates of the “Secondary Education (Biology and Human Health, Chemistry)” program, based on the analysis of pedagogical case studies and their connection to the acquisition of professional qualifications. A modern, practice-oriented algorithm has been developed to assess the professional readiness of higher education graduates to perform their duties in general secondary education institutions; a model for the certification of future science teachers (the form and content of a comprehensive qualification exam) and criteria for assessing the level of development of professional competencies have been defined as the basis for awarding professional qualifications. A four-component structure for a comprehensive qualifying exam has been developed and tested, which assesses the knowledge-based, analytical, and practice-oriented levels of a master’s student’s preparation. Specifically: Section 1. Comprehensive testing. Block 2. Methodological analysis of student tasks (NUSH-oriented approach). Block 3. Case studies (resolving two professional-pedagogical situations). Block 4. Professional development (planning one’s own trajectory of improvement).

2026-01-01T00:00:00Z Москалюк, Наталія Володимирівна http://dspace.tnpu.edu.ua/handle/123456789/40600 2026-04-27T07:46:49Z 2026-01-01T00:00:00Z

Назва: Цифрові інструменти штучного інтелекту в сучасній біологічній освіті: практичні аспекти та методичні рекомендації Автори: Москалюк, Наталія Володимирівна Короткий огляд (реферат): У статті розкрито актуальність та практичні засади інтеграції технологій штучного інтелекту (ШІ) у процес підготовки майбутніх фахівців природничих спеціальностей. Доведено, що стрімка діджиталізація та автоматизація професійної діяльності висувають нові вимоги до педагогічних компетентностей, зокрема в контексті використання генеративного ШІ та систем інтелектуального аналізу даних. На основі аналізу останніх досліджень McKinsey Global Institute та наукометричних даних Web of Science обґрунтовано стратегічне значення ШІ для персоналізації навчання та підвищення його інтерактивності. Основну увагу зосереджено на систематизації інноваційних цифрових ресурсів, адаптованих для біологічної освіти. Детально проаналізовано функціональні можливості ШІ-тьютора Khanmigo для опанування складних молекулярних процесів, спеціалізованої мовної моделі BioGPT для верифікації біомедичних даних та застосунку Seek для ідентифікації біорізноманіття за допомогою комп’ютерного зору. Розглянуто роль таких платформ, як Wildlife Insights, PlantVillage та Global Forest Watch, у розвитку дослідницьких навичок студентів під час польових практик та екологічного моніторингу. Висвітлено потенціал системи PAWS як прикладу застосування алгоритмічного мислення для охорони навколишнього середовища. Автором розроблено та обґрунтовано комплекс методичних рекомендацій для викладачів щодо ефективного впровадження ШІ. Акцентовано на важливості промпт-інжинірингу, критичного оцінювання результатів роботи нейромереж, верифікації фактів та суворого дотримання принципів академічної добро- чесності. Зроблено висновок, що впровадження ШІ сприяє трансформації студента-біолога у фахівця з біоінформатики, здатного працювати з Big Data. Водночас наголошується, що ШІ виступає адаптивним помічником, тоді як ключова роль у контролі якості освітнього процесу та етичному вихованні залишається за викладачем.; The article reveals the relevance and practical principles of integrating artificial intelligence (AI) technologies into the process of training future natural science specialists. It is proved that rapid digitalization and automation of professional activities pose new requirements for pedagogical competencies, particularly in the context of using generative AI and intelligent data analysis systems. Based on the analysis of recent research by the McKinsey Global Institute and scientometric data from Web of Science, the strategic importance of AI for personalizing learning and increasing its interactivity is substantiated. The primary focus is placed on the systematization of innovative digital resources adapted for biological education. The functional capabilities of the AI tutor Khanmigo for mastering complex molecular processes, the specialized language model BioGPT for verifying biomedical data, and the Seek application for biodiversity identification using computer vision are analyzed in detail. The role of platforms such as Wildlife Insights, PlantVillage, and Global Forest Watch in developing students' research skills during fieldwork and environmental monitoring is considered. The potential of the PAWS system is highlighted as an example of applying algorithmic thinking for environmental protection. The author has developed and substantiated a complex of methodological recommendations for educators regarding effective AI implementation. Emphasis is placed on the importance of prompt engineering, critical evaluation of neural network outputs, fact verification, and strict adherence to the principles of academic integrity. It is concluded that the implementation of AI contributes to the transformation of a biology student into a bioinformatics specialist capable of working with Big Data. At the same time, it is emphasized that AI acts as an adaptive assistant, while the key role in quality control of the educational process and ethical upbringing remains with the teacher.

2026-01-01T00:00:00Z Пида, Світлана Василівна Конончук, Олександр Борисович Дзендзель, Андрій Юрійович Сем'янів, М. В. http://dspace.tnpu.edu.ua/handle/123456789/39568 2026-03-06T09:03:11Z 2026-01-14T00:00:00Z

Назва: Продуктивність квасолі звичайної (Phaseolus vulgaris (L.) Merr.) за впливу рекультиванту композиційного TREVITAN® полікомплекс Автори: Пида, Світлана Василівна; Конончук, Олександр Борисович; Дзендзель, Андрій Юрійович; Сем'янів, М. В.

2026-01-14T00:00:00Z Романюк, Леонід Антонович Чихіра, Ігор Вікторович Тулайдан, Галина Миколаївна Головко, Андрій Дмитрович http://dspace.tnpu.edu.ua/handle/123456789/39326 2026-02-02T14:16:58Z 2025-01-01T00:00:00Z

Назва: Математичне моделювання впливу розширення транспортної мережі на оптимізацію ефективності доставки «Останнього кілометра» в міських логістичних системах Автори: Романюк, Леонід Антонович; Чихіра, Ігор Вікторович; Тулайдан, Галина Миколаївна; Головко, Андрій Дмитрович Короткий огляд (реферат): У цьому дослідженні представлено структуру для автомати- зації польотних процесів безпілотних літальних апаратів (БПЛА) з основним фокусом на точному плануванні траєкторії для забезпечення ефективної взаємодії з навколишнім середовищем. Запропонована система включає в себе тривимірну модель руху, яка динамічно коригує траєкторії на основі факторів навколишнього середовища, підвищуючи адаптивність БПЛА до мінливих умов. У структурі було використано систему нечіткого висновку, для усунення невизначеностей, спричинених шумом датчиків, зовнішніми перешкодами та обмеженнями керування. Цей підхід обробляє неточні вхідні дані, такі як помилки позиції та швидкості, використовуючи лінгвістичні змінні та прийняття рішень на основі правил. Перетворюючи точні вхідні дані в нечіткі набори та застосовуючи експертні правила, система ефективно пом’якшує нелінійність і дестабілізуючі впливи, забезпечуючи надійні стратегії керування операціями БПЛА. У структуру також було інтегровано нейронні мережі довгої коротко- часної пам’яті (long short-term Memory – LSTM) для прогнозування майбутніх змін навколишнього середовища та дестабілізуючих факторів. Використовуючи історичні дані, архітектура LSTM моделює довго- строкові тимчасові залежності, уможливлюючи проактивне коригування траєкторії. Ця здатність прогнозування є критично важливою для підтримки стабільності та точності в динамічних середовищах. Щоб підвищити екологічну обізнаність у реальному часі, у систему було включено технологію радіочастотної ідентифікації (RFID). Активні та пасивні RFID-мітки надають дані про контекстну локалізацію, підтримують уникнення перешкод і оптимізацію траєкторії. Поєднуючи локалізацію на основі RFID з фільтром Калмана, система забезпечує точне просторове визначення та рекурсивне прийняття рішень, зменшуючи помилки передбачення та покращуючи точність навігації. Експериментальна перевірка була проведена за допомогою БПЛА DJI Matrice 210, оснащеного вдосконаленими датчиками та вбудованим обчислю- вальним модулем NVIDIA Jetson TX2. Безпілотний літальний апарат успішно долав середовище з чисельними перешкодами, позначене мітками RFID, за різних умов вітру. Система продемонструвала високу точність відстеження траєкторії, зберігаючи середньоквадратичну похибку 0,22 метра, безпечну дистанцію проходження перешкоди 2,8 метра та швидкий час реакції 0,5 секунди для початку превентивних маневрів. Ця комплексна структура поєднує в собі нечітку логіку, нейронні мережі та локалізацію на основі RFID для створення надійної архітектури керування БПЛА. Незважаючи на такі проблеми, як високі обчислювальні вимоги та залежність від інфраструктури RFID, дослідження підкреслює значні досягн- ення в автоматизації БПЛА. Майбутні дослідження спрямовані на покращення координації кількох БПЛА та оптимізацію операцій за допомогою покращеної інтеграції апаратного забезпечення та методів паралельної обробки даних.; This study presents an advanced framework for automating the flight processes of unmanned aerial vehicles (UAVs), with a primary focus on precise trajectory planning to ensure effective interaction with the environment. The proposed system incorporates a three-dimensional motion model that dynamically adjusts trajectories based on environmental factors such as wind, enhancing UAV adaptability to changing conditions. To address uncertainties caused by sensor noise, external disturbances, and control limitations, the framework employs a fuzzy inference system. This approach processes imprecise input data, such as positional and velocity errors, using linguistic variables and rule-based decision-making. By converting precise inputs into fuzzy sets and applying expert-defined rules, the system effectively mitigates nonlinearities and destabilizing influences, providing robust control strategies for UAV operations. The framework also integrates Long Short-Term Memory (LSTM) neural networks to predict future environmental changes and destabilizing factors. Leveraging historical data, the LSTM architecture models long-term temporal dependencies, enabling proactive trajectory adjustments. This predictive capability is critical for maintaining stability and accuracy in dynamic environments. To enhance real-time environmental awareness, the system incorporates Radio Frequency Identification (RFID) technology. Active and passive RFID tags provide contextual localization data, supporting obstacle avoidance and trajectory optimization. By combining RFID-based localization with a Kalman filter, the system achieves precise spatial awareness and recursive decision-making, reducing prediction errors and improving navigation accuracy. Experimental validation was conducted using a DJI Matrice 210 UAV equipped with advanced sensors and an onboard NVIDIA Jetson TX2 computing module. The UAV successfully navigated obstacle-rich environments marked with RFID tags under varying wind conditions. The system demonstrated high trajectory tracking precision, maintaining a root mean square error of 0.22 meters, a safe obstacle clearance distance of 2.8 meters, and a rapid response time of 0.5 seconds for initiating preventive maneuvers. This comprehensive framework combines fuzzy logic, neural networks, and RFID-based localization to create a robust UAV control architecture. Despite challenges such as high computational requirements and reliance on RFID infrastructure, the study highlights significant advancements in UAV automation. Future research aims to enhance multi-UAV coordination and optimize operations through improved hardware integration and parallel data processing techniques.

2025-01-01T00:00:00Z