E-learning prešiel významnou transformáciou, najmä počas kríz, ako bola pandémia COVID-19, keď sa stal celosvetovo nevyhnutným. UNESCO schválilo rôzne etablované platformy e-learningu ako rýchle riešenia, no tieto sa neodporúčali ako dlhodobé opravy kvôli viacerým problémom ovplyvňujúcim procesy učenia. Nedávne štúdie tieto výzvy riešili použitím umelej inteligencie (AI), hlbokého učenia a blockchain technológií. AI a hlboké učenie sa zameriavajú na zlepšenie hodnotenia výkonu študentov, zatiaľ čo blockchain a chytré zmluvy pomáhajú bojovať proti problémom ako falšované certifikáty, manipulácie s výsledkami a sledovanie aktivít študentov. Hoci obe technológie vykazujú silný potenciál, len málo štúdií skúma ich integráciu v prostredí e-learningu, čo viedlo k tomuto štúdiu, ktoré navrhuje inteligentný rámec spájajúci blockchain a hlboké učenie na zabezpečenie a zlepšenie systémov e-learningu prostredníctvom zaistenia bezpečnosti dát, transparentnosti a automatizácie. Tento rámec bezpečne ukladajú údaje študentov na blockchain pomocou Interplanetárneho súborového systému (IPFS) pre decentralizované ukladanie veľkých súborov, čím zabezpečuje integritu a dôvernosť dát prostredníctvom súkromných peňaženiek Ethereum. Modely hlbokého učenia následne analyzujú tieto zabezpečené dáta na presnú predikciu akademických výkonov. Chytré zmluvy umožňujú vydávanie certifikátov univerzitami a ich nezmeniteľné zaznamenávanie na blockchaine, ku ktorému majú prístup nódove siete, čím sa zvyšuje automatizácia, bezpečnosť a dôvera medzi študentmi, profesorami a zamestnávateľmi. Blockchain poskytuje nezmeniteľné, časovo označené, bezpečné a transparentné ukladanie dát v distribučnej sieti typu peer-to-peer bez centrálnej autority. Ethereum, druhé najväčšie podľa trhovej kapitalizácie po Bitcoine, podporuje programovateľné chytré zmluvy prostredníctvom EVM (Ethereum Virtual Machine) pomocou jazyka Solidity, ktoré umožňujú podmienkové a automatizované transakcie oveľa viac ako Bitcoin. Chytré zmluvy automatizujú vykonávanie podmienok zmluvy, ak sú splnené preddefinované podmienky, a všetky tieto operácie sú nezmeniteľne zaznamenané na blockchaine. Vzhľadom na nevyhovujúcu veľkosť blockchains pre uloženie veľkých súborov sa využívajú off-chain riešenia ako IPFS, Storj a FileCoin. IPFS je významný pre šifrovanie a distribúciu veľkých súborov peer-to-peer, vytváraním obsahovo adresovaných hashov, ktoré overujú integritu dát a ich prístupnosť, hoci správa prístupu zostáva výzvou. IPFS je dôležitý na bezpečné uloženie rozsiahlych údajov študentov s prepojením na transakcie na blockchaine pomocou hashov. Hlboké učenie, najmä umelé neurónové siete (ANNs) inšpirované biologickým mozgom, pozostáva z viacerých vrstiev – vstupnej, skrytej a výstupnej –, ktoré sa učia prostredníctvom forward propagation, výpočtu chyby a spätného šírenia (backpropagation) počas viacerých epoch. Hlboké neurónové siete (DNN) s viacerými skrytými vrstvami zvyšujú presnosť predpovedí. Táto štúdia využíva tieto modely na spracovanie dát študentov uložených pomocou blockchain a IPFS, čím umožňuje presné predpovede výkonu. Predchádzajúce štúdie využívali hlboké učenie na predpovede študentských výsledkov, vrátane odhadov miery odchodu študentov v Massive Open Online Courses (MOOCs) s použitím rekurentných a konvolučných neurónových sietí, s lepšou presnosťou než tradičné metódy. Iné štúdie používali bidirectionálne dlhé krátkodobé pamäťové siete (BiLSTM) na predpovede odchodov a modely hlbokého učenia úspešne predpovedali výkon študentov na malých a nevyvážených súboroch dát s vysokou presnosťou. Navrhnutý rámec sa skladá zo štyroch fáz: 1.

**Ukladanie dát študentov na blockchain:** Dáta zo datasetu „Open University Learning Analytics“ (32 593 záznamov o demografii a virtuálnych interakciách) sú šifrované a uložené na IPFS, ktoré generuje kryptografický hash. Tento hash je uložený na súkromnom Ethereum blockchaine pomocou chytrých zmlúv, čo umožňuje decentralizovaný, nezmeniteľný prístup. Nody – vrátane univerzitnej správy, profesorov, študentov a hostí (zamestnávateľov) – sa registrujú v sieti pomocou peňaženiek s privátnymi a verejnými kľúčmi. 2. **Predikcia výkonu na základe hlbokého učenia:** Šifrované dáta študentov načítané cez IPFS prechádzajú preprocessom zahŕňajúcim výber čŕt, nahradzovanie chýbajúcich hodnôt (pomocou módu a konštánt), kódovanie kategórií, normalizáciu pomocou MinMaxScaler a redukciu rozmernosti pomocou PCA. Dataset sa delí na tréningovú (90 %) a testovaciu (10 %) množinu a vstupuje do hlbokej neurónovej siete s jednou vstupnou vrstvou (10 neurónov), piatimi skrytými vrstvami (každá po 500 neurónov, ReLU aktivačné funkcie) a výstupnou vrstvou s štyrmi neurónmi reprezentujúcimi statusy úspechu, zlyhania, odchodu a vyznamenania, s aktiváciou softmax a stratou sparse categorical cross-entropy. Tento model, implementovaný v Pythone s Keras a Sklearn, dosahuje vysokú presnosť (~91, 29 %) a nízku stratu (~0, 18), čím prevyšuje predchádzajúce štúdie na rovnakom datasete. 3. **Používanie chytrých zmlúv:** Chytré zmluvy v Solidity na Ethereu umožňujú bezpečné interakcie medzi nódmi: profesori nahrávajú úlohy na IPFS a posielajú hash súboru študentom; študenti odovzdávajú úlohy prostredníctvom chytrých zmlúv; univerzity vydávajú certifikáty, ktoré sú nezmeniteľne uložené na blockchaine; zamestnávatelia (hostia) majú prístup ku certifikátom a výkonu študentov po schválení univerzitou. Tieto procesy zabezpečujú transparentnosť, bezpečnosť a automatizáciu. Implementácia zahŕňala: - **Architektúru blockchain:** vybudovanú pomocou Pythonu, Flasku a Postmanu na ťažbu blokov, overovanie reťazca a pridávanie transakcií. Nody sú decentralizované a registrované cez MyEtherWallet (MEW), ktorá poskytuje správu peňaženiek s kľúčmi a adresami. - **Integráciu blockchainu a hlbokého učenia:** IPFS uchováva šifrované dátové súbory s ich hashmi zabezpečenými na blockchaine prostredníctvom chytrých zmlúv. Model hlbokého učenia predpovedá výkon študentov zo zabezpečených dát. Chytré zmluvy riadia transakcie, vrátane distribúcie zadania, odovzdania, vydávania certifikátov a prístupu k dátam. Testovanie potvrdilo funkčnosť ako registráciu nódov, prístup k peňaženkám, uloženie a overovanie hashov, vydávanie a získavanie certifikátov, interakcie so zadaniami, platnosť transakcií a integritu súborov na blockchaine. Výsledky testov potvrdili nezmeniteľnosť a odolnosť uložených dát proti manipulácii a hladký priebeh operácií cez chytré zmluvy. Navrhnutý rámec dokazuje, že integrácia blockchainu s hlbokým učením dokáže vytvoriť bezpečný, transparentný a automatizovaný systém e-learningu s vysokou presnosťou predpovedí a robustným správcom dát, pričom prekonáva predchádzajúce štúdie v účinnosti. Tento prístup rieši výzvy zabezpečenia dát, overovania študentov a automatizácie akademických procesov, čím zakladá pevné základy pre budúce inteligentné platformy e-learningu.