E-pembelajaran telah mengalami transformasi yang ketara, terutamanya semasa krisis seperti pandemik COVID-19, apabila ia menjadi sangat penting di seluruh dunia. UNESCO meluluskan pelbagai platform e-pembelajaran yang sudah kukuh sebagai penyelesaian pantas, tetapi ini tidak disarankan sebagai penyelesaian jangka panjang kerana beberapa cabaran yang mempengaruhi proses pembelajaran. Kajian terkini telah menangani cabaran-cabaran ini dengan menggunakan teknologi kecerdasan buatan (AI), pembelajaran mendalam, dan blockchain. AI dan pembelajaran mendalam memberi tumpuan kepada peningkatan penilaian prestasi pelajar, manakala blockchain dan kontrak pintar membantu memerangi isu seperti sijil palsu, manipulasi keputusan, dan pengesanan aktiviti pelajar. Walaupun kedua-dua teknologi ini menunjukkan potensi yang besar, sedikit kajian yang meneroka integrasi mereka dalam e-pembelajaran, mendorong kajian ini untuk mencadangkan satu rangka kerja pintar yang menggabungkan blockchain dan pembelajaran mendalam bagi memastikan keselamatan dan peningkatan sistem e-pembelajaran melalui jaminan keselamatan data, ketelusan, dan automasi. Rangka kerja ini menyimpan data pelajar dengan selamat di atas blockchain menggunakan Sistem Fail Antarbintang (IPFS) untuk penyimpanan fail besar secara desentralisasi, memastikan integriti data dan kerahsiaan melalui dompet blockchain Ethereum yang peribadi. Model pembelajaran mendalam kemudiannya menganalisis data yang dilindungi ini untuk meramalkan prestasi akademik secara tepat. Kontrak pintar memudahkan pengeluaran sijil oleh universiti, merekodnya secara kekal di atas blockchain yang boleh diakses oleh nod rangkaian, seterusnya meningkatkan automasi, keselamatan, dan kepercayaan antara pelajar, pensyarah, dan majikan. Blockchain menyediakan penyimpanan data yang kekal, bertanda waktu, selamat, dan telus dalam rangkaian peer-to-peer yang diedarkan tanpa kehadiran pihak berkuasa pusat. Ethereum, yang kedua dalam nilai pasaran selepas Bitcoin, menyokong kontrak pintar yang boleh diprogram melalui Mesin Maya Ethereum (EVM) menggunakan Solidity, membolehkan transaksi bersyarat dan automatik yang jauh melebihi keupayaan Bitcoin. Kontrak pintar mengotomatisasikan pelaksanaan terma kontrak setelah syarat yang ditetapkan dipenuhi, merekod semua pelaksanaan secara kekal di atas blockchain. Disebabkan blockchain tidak sesuai untuk fail besar, penyelesaian penyimpanan di luar rangkaian seperti IPFS, Storj, dan FileCoin digunakan. IPFS terkenal kerana menyulitkan dan mengedarkan fail besar secara peer-to-peer, mencipta hash berasaskan kandungan yang mengesahkan integriti data dan akses, walaupun kawalan akses tetap menjadi cabaran. IPFS penting di sini untuk menyimpan data pelajar yang luas secara selamat sambil menghubungkannya kepada transaksi blockchain melalui hash. Pembelajaran mendalam, terutamanya rangkaian neural buatan (ANN) yang diilhamkan oleh otak biologi, melibatkan pelbagai lapisan—lapisan input, tersembunyi, dan output—yang belajar melalui propagasi ke hadapan, pengiraan ralat, dan propagasi balik melalui pelbagai epoch. Rangkaian neural mendalam (DNN) dengan beberapa lapisan tersembunyi meningkatkan ketepatan ramalan. Kajian ini menggunakan model-model ini untuk memproses data pelajar yang disimpan melalui blockchain dan IPFS, membolehkan ramalan prestasi yang tepat. Beberapa kajian terdahulu menggunakan pembelajaran mendalam untuk hasil pendidikan, termasuk meramalkan kadar berhenti pelajar dalam Kursus Dalam Talian Terbuka Besar-besaran (MOOCs) menggunakan rangkaian neural berulang dan konvolusional, dengan ketepatan yang lebih baik berbanding kaedah tradisional. Ada yang menggunakan rangkaian memori jangka panjang dua hala (bidirectional LSTM) untuk ramalan berhenti, dan model pembelajaran mendalam telah berjaya meramalkan prestasi pelajar dalam dataset kecil yang tidak seimbang dengan ketepatan tinggi. Rangka kerja yang dicadangkan beroperasi dalam tiga fasa: 1.

**Penyimpanan Data Pelajar di Blockchain:** Data pelajar daripada dataset “Open University Learning Analytics” (32, 593 rekod termasuk demografi dan interaksi pembelajaran maya) dienkripsi dan disimpan di IPFS, yang menghasilkan hash kriptografi. Hash ini disimpan di atas blockchain Ethereum yang peribadi menggunakan kontrak pintar, membolehkan akses desentralisasi dan tidak boleh diubah. Nod—termasuk pengurusan universiti, pensyarah, pelajar, dan tetamu (majikan)—mendaftar di rangkaian blockchain menggunakan dompet yang mengandungi kunci peribadi dan awam. 2. **Ramalan Prestasi Berbasis Pembelajaran Mendalam:** Data pelajar yang dienkripsi yang diperoleh melalui IPFS mengalami pra-pemprosesan termasuk pemilihan ciri, penggantian nilai hilang (menggunakan mod dan pemalar), pengekodan data kategori, penormalan melalui MinMaxScaler, dan pengurangan dimensi menggunakan Analisis Komponen Utama (PCA). Dataset akan dibahagikan (90% latihan, 10% ujian) dan dimasukkan ke dalam rangkaian neural mendalam yang terdiri daripada lapisan input (10 neuron), lima lapisan tersembunyi (setiap dengan 500 neuron, fungsi aktivasi ReLU), dan satu lapisan output dengan empat neuron mewakili status lulus, gagal, menarik diri, dan cemerlang menggunakan fungsi aktivasi softmax dan kerugian cross-entropy kategori jarang. Model ini, diterapkan menggunakan Python, Keras, dan Sklearn, mencapai ketepatan tinggi (~91. 29%) dan kerugian rendah (~0. 18), mengatasi kajian sebelum ini pada dataset yang sama. 3. **Penggunaan Kontrak Pintar:** Kontrak pintar yang diterapkan melalui Solidity di atas Ethereum membolehkan interaksi selamat antara nod: pensyarah memuat naik tugasan ke IPFS, menghantar hash fail melalui kontrak pintar kepada pelajar; pelajar menghantar tugasan melalui kontrak pintar; universiti mengeluarkan sijil yang disimpan secara kekal di atas blockchain; dan majikan (tetamu) mengakses sijil dan data prestasi pelajar selepas kelulusan universiti. Proses ini memastikan ketelusan, keselamatan, dan automasi. Pelaksanaan merangkumi: - **Architektur Blockchain:** Dibangunkan menggunakan Python, Flask, dan Postman untuk menambang blok, mengesahkan rantai, dan menambah transaksi. Nod adalah desentralisasi dan didaftarkan melalui MyEtherWallet (MEW), yang menyediakan pengurusan dompet dengan kunci dan alamat. - **Integrasi Blockchain dan Pembelajaran Mendalam:** IPFS menyimpan dataset yang dienkripsi beserta hash-nya yang dilindungi di atas blockchain Ethereum melalui kontrak pintar. Model pembelajaran mendalam meramalkan prestasi pelajar berdasarkan data yang dilindungi tersebut. Kontrak pintar mengurus transaksi, termasuk pengedaran tugasan, penyerahan, pengeluaran sijil, dan akses data. Fasa pengujian mengesahkan fungsi seperti pendaftaran nod dan akses dompet, penyimpanan dan pengesahan hash, pengeluaran dan pengambilan sijil, interaksi tugasan, kesahihan transaksi, dan integriti fail di blockchain. Keputusan ujian mengesahkan ketahanan data yang disimpan dan kelancaran interaksi melalui kontrak pintar. Rangka kerja yang dicadangkan menunjukkan bahawa penggabungan blockchain dengan pembelajaran mendalam boleh menghasilkan sistem e-pembelajaran yang selamat, telus, dan automatik dengan ketepatan ramalan yang tinggi dan pengurusan data yang kukuh, mengatasi kajian-kajian sebelum ini dari segi keberkesanan. Pendekatan ini menangani cabaran keselamatan data, pengesahan pelajar, dan proses akademik automatik, serta menjadi asas bagi platform e-pembelajaran pintar yang akan datang.