Exploiting the knowledge engineering paradigms for designing smart learning systems

Knowledge engineering (KE) is a subarea of artificial intelligence (AI). Recently, KE paradigms have become more widespread within the fields of smart education and learning. Developing of Smart learning Systems (SLS) is very difficult from the technological perspective and a challenging task. In this paper, three KE paradigms, namely: case-based reasoning, data mining, and intelligent agents are discussed. This article demonstrates how SLS can take advantage of the innovative KE paradigms. Therefore, the paper addresses the pros of such smart computing approaches for the industry of SLS. Moreover, we concentrate our discussion on the challenges faced by knowledge engineers and software developers in developing and deploying efficient and robust SLS. Overall, this study introduces the reader the KE techniques, approaches and algorithms currently in use and the open research issues in designing the smart learning systems.Инженерия знаний (ИЗ) – это подобласть искусственного интеллекта (ИИ). В последнее время парадигмы ИЗ и умных вычислений получают все более широкое распространение в сфере умного образования и обучения. Разработка систем умного обучения (СУО) является очень трудной с технологической точки зрения и сложной задачей. В данной статье мы изучили три парадигмы ИЗ, а именно рассуждения на основе прецедентов, интеллектуальный анализ данных и интеллектуальные агенты. Наше исследование указывает на то, что такие парадигмы могут эффективно использоваться для СУОІнженерія знань (ІЗ) – це пiдобласть штучного інтелекту (ШІ). Останнім часом парадигми ШІ та розумних обчислень отримують все більш широке поширення в сферi розумної освіти i навчання. Розробка систем розумного навчання (СРН) є дуже важким з технологічної точки зору і складним завданням. У даній статті ми вивчили три парадигми ШІ, а саме міркування на основі прецедентів, інтелектуальний аналіз даних та інтелектуальні агенти. Наше дослідження вказує на те, що такі парадигми можуть ефективно використовуватися для СР