E-učenje je doživjelo značajnu transformaciju, posebno istaknutu tokom kriznih situacija poput pandemije COVID-19, kada je postalo globalno neophodno. UNESCO je odobrio razne etablirane platforme za e-učenje kao brzo rješenje, ali one nisu preporučivane kao dugoročna rješenja zbog brojnih izazova koji utiču na procese učenja. Nove studije su se bavile tim izazovima koristeći vještačku inteligenciju (VI), duboko učenje i blockchain tehnologije. VI i duboko učenje fokusiraju se na poboljšanje ocjenjivanja učeničkog učinka, dok blockchain i pametni ugovori pomažu u suzbijanju problema poput lažnih certifikata, manipulacije rezultatima i praćenja aktivnosti učeniča. Iako obje tehnologije pokazuju snažan potencijal, malo studija istražuje njihovu integraciju u okviru e-učenja, što je razlog ove studije koja predlaže pametni okvir koji kombinuje blockchain i duboko učenje za osiguranje i poboljšanje sistema e-učenja, osiguravajući sigurnost podataka, transparentnost i automatizaciju. Ovaj okvir sigurno pohranjuje podatke o učenicima na blockchainu koristeći Interplanetarni sistem za datoteke (IPFS) za decentralizirano skladištenje velikih datoteka, osiguravajući integritet i povjerljivost podataka putem privatnih Ethereum novčanika. Modeli dubokog učenja zatim analiziraju ove sigurnosne podatke kako bi precizno predvidjeli akademske rezultate. Pametni ugovori olakšavaju izdavanje certifikata od strane univerziteta, koji se nepromjenjivo bilježe na blockchainu i dostupni su čvorovima mreže, čime se povećava automatizacija, sigurnost i povjerenje među učenicima, profesorima i poslodavcima. Blockchain pruža nemodifikabilno, vremenski označeno, sigurno i transparentno skladište podataka unutar distribuirane peer-to-peer mreže bez centralne vlasti. Ethereum, drugi po veličini nakon Bitcoina, podržava programabilne pametne ugovore putem Ethereum Virtual Machine (EVM) koristeći Solidity, omogućavajući uslovne i automatizovane transakcije daleko iznad mogućnosti Bitcoina. Pametni ugovori automatizuju izvršenje odredbi ugovora kada su ispunjeni predefinisani uslovi, bilježeći svaku izvršenu radnju nemodifikabilno na blockchainu. Zbog toga što blockchaini nisu prikladni za velike datoteke, koriste se rješenja za skladištenje van blockchaina poput IPFS, Storj i FileCoin. IPFS je posebno značajan za šifriranje i distribuiranje velikih datoteka peer-to-peer, kreirajući sadržajem adresirane hašove koji potvrđuju integritet i pristup podacima, iako kontrola pristupa i dalje predstavlja izazov. IPFS je važan u ovom slučaju za sigurno pohranjivanje opširnih podataka učenika dok se povezuje s transakcijama na blockchainu putem haševa. Duboko učenje, posebno umjetne neuronske mreže (ANN) inspirisane biološkim mozgom, sastoji se od više slojeva—ulaznog, skrivenih i izlaznog—koji uče putem napredne propagacije, izračuna greške i povratne propagacije kroz više epoha. Duboke neuronske mreže (DNN) s više slojeva povećavaju tačnost predviđanja. U ovoj studiji ovi modeli se koriste za obradu podataka učenika pohranjених putem blockchaina i IPFS-a, omogućavajući precizne predikcije učinka. Neke ranije studije koristile su duboko učenje za predviđanje obrazovnih ishoda, uključujući procjenu stopa odustajanja učenika u masovnim otvorenim online kursevima (MOOC-ovima) koristeći rekurentne i konvolucione neuronske mreže, s poboljšanom tačnošću u odnosu na tradicionalne metode. Druge su koristile dvosmjerne dužinske memorijske mreže (LSTM) za predviđanje odustajanja, a duboko učenje je uspješno predviđalo učeničke rezultate na malim, neuravnoteženim skupovima podataka s visokim stepenom tačnosti. Predloženi okvir funkcioniše u tri faze: 1.

**Pohrana podataka o učenicima na blockchain:** Podaci iz skupa podataka “Open University Learning Analytics” (32. 593 zapisa o demografiji i interakcijama u virtualnom učešću) enkriptuju se i pohranjuju na IPFS, koji generiše kriptografski hash. Taj hash se pohranjuje na privatni Ethereum blockchain koristeći pametne ugovore, omogućavajući decentralizovani i nemodifikabilni pristup. Čvorovi, uključujući univerzitetsku administraciju, profesore, učenike i goste (poslodavce), registruju se na blockchain mreži koristeći novčanike sa privatnim i javnim ključevima. 2. **Predviđanje učeničkog učinka pomoću dubokog učenja:** Enkriptovani podaci o učenicima dohvaćaju se putem IPFS i obrađuju — izvode se odabir značajki, zamjena nedostajućih vrijednosti (koristeći mod i konstante), kodiranje kategorijskih podataka, normalizacija pomoću MinMaxScaler-a i smanjenje dimenzionalnosti koristeći Principal Component Analysis (PCA). Skup podataka se dijeli (90% za obuku, 10% za testiranje) i ulazi u duboku neuronsku mrežu sa slojem od 10 neurona u ulaznom sloju, pet skrivenih slojeva sa po 500 neurona i ReLU aktivacijom, te slojem od 4 neurona za status prolaza, pada, odustajanja i ocjene s softmax aktivacijom i gubitkom sparse categorical cross-entropy. Ovaj model, implementiran u Pythonu, Keras-u i Sklearn-u, postiže visoku tačnost (~91, 29%) i mali gubitak (~0, 18), nadmašivši ranije radove na istom skupu podataka. 3. **Korištenje pametnih ugovora:** Pametni ugovori napravljeni u Solidityju na Ethereumu omogućavaju sigurnu interakciju među čvorovima: profesori učitavaju zadaće na IPFS, šalju haševe datoteka putem pametnih ugovora učenicima; učenici podnose zadatke kroz pametne ugovore; univerziteti izdaju certifikate koji se nepovratno bilježe na blockchainu; a poslodavci (gosti) pristupaju certifikatima i podacima o performansama učenika uz odobrenje univerziteta. Ove procese karakterizira transparencija, sigurnost i automatizacija. Implementacija je obuhvatila: - **Blockchain arhitekturu:** razvijenu koristeći Python, Flask i Postman za rudarenje blokova, validaciju lanca i dodavanje transakcija. Čvorovi su decentralizovani i registruju se putem MyEtherWallet (MEW), koji pruža upravljanje novčanicima s ključevima i adresama. - **Integraciju blockchaina i dubokog učenja:** IPFS pohranjuje enkriptirane skupove podataka s njihovim haševima osiguranim na Ethereum blockchainu putem pametnih ugovora. Model dubokog učenja predviđa učeničke rezultate od podataka sigurno pohranjenih. Pametni ugovori upravljaju transakcijama, uključujući distribuciju zadataka, njihovo predavanje, izdavanje certifikata i pristup podacima. Testiranje je potvrđeno za funkcije poput registracije čvorova i pristupa novčanicima, pohrane i provjere haševa, izdavanja i preuzimanja certifikata, interakcije s zadacima, valjanosti transakcija i integriteta datoteka na blockchainu. Rezultati testiranja potvrdili su nemodifikabilnost i otpornost na kvar podataka te nesmetano funkcionisanje putem pametnih ugovora. Zaključno, predloženi okvir pokazuje da integracija blockchaina i dubokog učenja može proizvesti siguran, transparentan i automatizovan sistem e-učenja s visokim nivoom prediktivne tačnosti i robusnim upravljanjem podacima, nadmašivši prethodne studije u efikasnosti. Ovaj pristup rješava izazove sigurnosti podataka, verifikacije učenika i automatizacije akademskih procesa te postavlja temelje za buduće pametne platforme za e-učenje.