E-učenje je prošlo kroz značajnu transformaciju, posebno istaknutu tijekom kriznih situacija poput pandemije COVID-19, kada je postalo globalno nužno. UNESCO je odobrio razne poznate platforme za e-učenje kao brza rješenja, no one nisu preporučene kao dugoročna rješenja zbog niza izazova koji utječu na procese učenja. Nedavne studije pristupile su tim izazovima koristeći umjetnu inteligenciju (AI), duboko učenje i tehnologije blockchaina. AI i duboko učenje usmjereni su na poboljšanje procjene uspjeha učenika, dok blockchain i pametni ugovori pomažu u suzbijanju problema poput krivotvorenih certifikata, manipulacije rezultatima i praćenja aktivnosti učenika. Iako obje tehnologije pokazuju snažan potencijal, rijetke studije istražuju njihovu integraciju u e-učenje, što je potaknulo ovo istraživanje na predlaganje pametnog okvira koji kombinira blockchain i duboko učenje za osiguranje i poboljšanje sustava e-učenja putem osiguranja sigurnosti podataka, transparentnosti i automatizacije. Ovaj okvir pohranjuje podatke o učenicima sigurno na blockchainu koristeći Interplanetarni Filesistem (IPFS) za distribuirano pohranjivanje velikih datoteka, osiguravajući integritet i povjerljivost podataka putem Ethereum privatnih novčanika. Modeli dubokog učenja zatim analiziraju te zaštićene podatke kako bi precizno predviđali akademski uspjeh. Pametni ugovori olakšavaju izdavanje certifikata od strane sveučilišta, koji se nepovratno bilježe na blockchainu i mogu im pristupiti čvorovi prijenosa, čime se povećava automatizacija, sigurnost i povjerenje među učenicima, profesorima i poslodavcima. Blockchain omogućava nepovratno, vremenski označeno i sigurno pohranjivanje podataka unutar distribuirane peer-to-peer mreže bez središnje vlasti. Ethereum, drugi po tržišnoj kapitalizaciji iza Bitcoina, podržava programabilne pametne ugovore putem Ethereum Virtual Machine (EVM) koristeći Solidity, omogućujući uvjetne i automatizirane transakcije puno šire od mogućnosti Bitcoina. Pametni ugovori automatiziraju izvršenje uvjeta ugovora nakon što su predviđeni uvjeti zadovoljeni, a sva se izvršenja nepovratno bilježe na blockchain. Budući da blockchaini nisu prikladni za velike datoteke, koriste se rješenja za pohranu izvan blockchaina poput IPFS-a, Storja i FileCoin-a. IPFS je posebno važan za enkripciju i distribuciju velikih datoteka peer-to-peer, stvarajući sadržajem adresirane hasheve koji potvrđuju integritet i pristup podacima, iako upravljanje pristupom ostaje izazov. Ovdje je IPFS važan za sigurno pohranjivanje opsežnih podataka učenika dok se povezuje s transakcijama na blockchainu putem hasheva. Duboko učenje, posebno umjetne neuronske mreže (ANNs) inspirirane biološkim mozgom, uključuje više slojeva—ulazni, skriveni i izlazni slojovi—koji uče putem naprijed-propagacije, izračuna pogreške i unazad-propagacije kroz više epoha. Duboke neuronske mreže (DNN) s višestrukim skrivenim slojevima poboljšavaju točnost predviđanja. Ovim istraživanjem koriste se ti modeli za obradu podataka učenika pohranjenih putem blockchaina i IPFS-a, omogućavajući precizna predviđanja uspjeha. Nekoliko prethodnih studija koristilo je duboko učenje za edukacijske ishode, uključujući predviđanja stope odustajanja u masovnim otvorenim online tečajevima (MOOCs), koristeći rekurentne i konvolucijske neuronske mreže, s poboljšanom točnošću u odnosu na tradicionalne metode. Drugi su koristili dvosmjerne Long Short-Term Memory (LSTM) mreže za predviđanje odustajanja, a modeli dubokog učenja uspješno su predviđali uspjeh učenika u malim, neuravnoteženim skupovima podataka s visokom točnošću. Predloženi okvir sastoji se od tri faze: 1.

**Pohrana podataka o učenicima na blockchainu:** Podaci iz skupova podataka „Open University Learning Analytics“ (32. 593 zapisa o demografiji i virtualnim interakcijama) enkriptiraju se i pohranjuju na IPFS, koji generira kriptografski hash. Taj se hash pohranjuje na privatnom Ethereum blockchainu pomoću pametnih ugovora, omogućujući distribuirani, nepogrešivi pristup. Čvorovi—uključujući sveučilišne administratore, profesore, učenike i poslodavce (goste)—registriraju se na blockchain mreži koristeći novčanike s privatnim i javnim ključevima. 2. **Predviđanje uspjeha na temelju dubokog učenja:** Enkriptirani podaci učenika dohvaćaju se putem IPFS-a i prolaze kroz preprocesiranje uključujući odabir značajki, zamjenu nedostajućih vrijednosti (koristeći mod i konstantne vrijednosti), kodiranje kategorijskih podataka, normalizaciju pomoću MinMaxScaler-a i smanjenje dimenzionalnosti pomoću Principal Component Analysis (PCA). Skup podataka dijeli se (90% za obuku, 10% za testiranje) i ulazi u duboku neuronsku mrežu sastavljenu od ulaznog sloja (10 neurona), pet skrivenih slojeva (svaki s 500 neurona, ReLU aktivacijom) i izlaznog sloja s četiri neurona koji predstavljaju status prolaza, pada, odustajanja i razlikovanja, koristeći softmax aktivaciju i sparsi kategorijski križ-obračun gubitka. Ovaj model, implementiran u Pythonu, Kerasu i Sklearnu, postiže visoku točnost (~91, 29%) i nizak gubitak (~0, 18), nadmašujući prethodne studije na istoj skupini podataka. 3. **Korištenje pametnih ugovora:** Pametni ugovori implementirani putem Solidityja na Ethereum mreži omogućuju sigurne interakcije među čvorovima: profesori učitavaju zadatke na IPFS i šalju hashove datoteka putem pametnih ugovora učenicima; učenici predaju zadatke putem pametnih ugovora; sveučilišta izdaju certifikate koji se nepovratno pohranjuju na blockchain; a poslodavci (gosti) pristupaju certifikatima i podatcima o uspjehu učenika uz odobrenje sveučilišta. Ovi procesi osiguravaju transparentnost, sigurnost i automatizaciju. Implementacija je obuhvatila: - **Blockchain arhitekturu:** Razvijenu korištenjem Pythona, Flaska i Postmana za rudarenje blokova, validaciju blockchaina i dodavanje transakcija. Čvorovi su decentralizirani i registrirani putem MyEtherWallet (MEW), koji omogućava upravljanje novčanicima s ključevima i adresama. - **Integraciju blockchaina i dubokog učenja:** IPFS pohranjuje enkriptirane skupove podataka s njihovim hashovima osiguranim na Ethereum blockchainu putem pametnih ugovora. Model dubokog učenja predviđa uspjeh učenika iz zaštićenih podataka. Pametni ugovori upravljaju transakcijama, uključujući distribuciju zadataka, predaju, izdavanje certifikata i pristup podacima. Testiranja su provjerila funkcionalnosti poput registracije čvorova i pristupa novčanicima, pohrane i provjere hasheva, izdavanja i preuzimanja certifikata, interakcije sa zadacima, valjanosti transakcija i integriteta datoteka na blockchainu. Rezultati testova potvrđuju nepovredivost i otpornost na manipulacije pohranjenih podataka te nesmetan rad putem pametnih ugovora. Predloženi okvir pokazuje da integracija blockchaina s dubokim u učenjem može stvoriti sigurni, transparentni i automatizirani sustav e-učenja s visokim prediktivnim mogućnostima i robusnim upravljanjem podataka, nadmašujući dosadašnje studije u učinkovitosti. Ovaj pristup rješava izazove vezane uz sigurnost podataka, provjeru učenika i automatizirane akademske procese, čime postavlja temelje za buduće pametne platforme za e-učenje.