E-učenje je doživelo pomembno preobrazbo, še posebej poudarjeno med krizami, kot je pandemija COVID-19, ko je postalo svetovno nujno. UNESCO je odobril različne uveljavljene platforme za e-učenje kot hitro rešitev, vendar ti niso priporočeni kot dolgoročne rešitve zaradi več izzivov, ki vplivajo na učne procese. Novejše študije so te izzive naslovile z uporabo umetne inteligence (UI), globokega učenja in tehnologij blockchaina. UI in globoko učenje se osredotočata na izboljšanje ocenjevanja uspešnosti učencev, medtem ko blockchain in pametne pogodbe pomagajo pri boju proti težavam, kot so lažni certifikati, manipulacije z rezultati in sledenje dejavnosti učencev. Čeprav obe tehnologiji kažeta velik potencial, je zelo malo študij, ki raziskujejo njihovo integracijo v e-učenje, kar je razlog, da ta študija predlaga pametni okvir, ki združuje blockchain in globoko učenje za varovanje in izboljšanje sistemov e-učenja z zagotavljanjem varnosti podatkov, preglednosti in avtomatizacije. Ta okvir shranjuje podatke učencev varno na blockchainu z uporabo Interplanetarnega datotečnega sistema (IPFS) za decentralizirano shranjevanje velikih datotek, s čimer zagotavlja celovitost in zaupnost podatkov prek zasebnih Ethereum denarnic. Modeli globokega učenja nato analizirajo te varne podatke, da natančno napovejo akademsko uspešnost. Pametne pogodbe olajšajo izdajo certifikatov s strani univerz, jih nepoznavno zapisujejo na blockchain, do katerih imajo dostop vozlišča v omrežju, s čimer povečujejo avtomatizacijo, varnost in zaupanje med učenci, profesori in delodajalci. Blockchain omogoča nespremenljivo, časovno označeno, varno in pregledno shranjevanje podatkov v distribuirani mreži peer-to-peer brez centralnega nadzora. Ethereum, drugo mesto po tržni vrednosti za Bitcoin, podpira programabilne pametne pogodbe preko Ethereum Virtual Machine (EVM) z uporabo Solidityja, kar omogoča pogojne in avtomatizirane transakcije, ki daleč presegajo zmožnosti bitcoina. Pametne pogodbe avtomatizirajo izvrševanje pogodbnih pogojev, ko so ti določeni, in vse izvedbe nespremenljivo zapisujejo na blockchain. Ker blockchaini niso primerni za velike datoteke, se uporabljajo rešitve za shranjevanje izven verige, kot so IPFS, Storj in FileCoin. IPFS je znan po šifriranju in distribuiranju velikih datotek peer-to-peer, ustvarja vsebinsko naslovljene hashe, ki potrjujejo celovitost in dostop do podatkov, kljub temu pa ostajajo izzivi z dostopom. IPFS je pomemben tukaj za varno shranjevanje obsežnih podatkov učencev, hkrati pa omogoča povezavo do transakcij na blockchainu preko hashov. Globoko učenje, še posebej umetne nevronske mreže (ANN), ki so navdihnjene z biološkimi možgani, vključuje več plasti – vhodno, skrito in izhodno – ki se učijo prek naprednega razporejanja (forward propagation), izračuna napake in nazajrazporejanja (backpropagation) skozi več epoh. Globoke nevronske mreže (DNN) z več skritimi plastmi povečujejo natančnost napovedi. Ta študija uporablja te modele za obdelavo podatkov učencev, shranjenih prek blockchaina in IPFS, kar omogoča natančne napovedi uspešnosti. Predhodne študije so uporabile globoko učenje za oceno izobraževalnih rezultatov, vključno s napovedmi odpadanja študentov na Massive Open Online Courses (MOOC), z uporabo rekurentnih in konvolucijskih nevronskih mrež, z izboljšano natančnostjo v primerjavi s tradicionalnimi metodami. Druge so uporabljale obojestranske modele dolgoročne zapomnitve (LSTM) za napovedovanje odpadanja, in model globokega učenja je uspešno napovedal uspešnost študentov tudi s majhnimi, neuravnoteženimi podatkovnimi zbirkami z visoko točnostjo. Predlagan okvir deluje v treh fazah: 1.

**Shranjevanje podatkov učencev na blockchainu:** Podatki učencev iz zbirke "Open University Learning Analytics" (32. 593 zapisov o demografskih podatkih in spletnih interakcijah) so šifrirani in shranjeni v IPFS, ki ustvari kriptografski hash. Ta hash je shranjen na zasebnem Ethereum blockchainu s pomočjo pametnih pogodb, omogočajoč decentraliziran in nespremenljiv dostop. Vozlišča, vključno z univerzitetno administracijo, profesori, učenci in guesti (delodajalci), se razpišejo na omrežje z denarnicami, ki vsebujejo zasebne in javne ključe. 2. **Napovedovanje uspešnosti z globokim učenjem:** Zaskrbljeni podatki učencev, pridobljeni prek IPFS, se predobdelajo z izborom funkcij, nadomeščanjem manjkajočih vrednosti (z uporabo mode in konstant), kodiranjem kategorijskih podatkov, normalizacijo z MinMaxScaler in zmanjševanjem dimenzij z Principal Component Analysis (PCA). Podatki se razdelijo (90 % za učenje, 10 % za testiranje) in gnezdijo v globoko nevronsko mrežo, ki vsebuje vhodno plast (10 nevronov), pet skritih plasti (vsaka z 500 nevroni in ReLU aktivacijo) ter izhodno plast s štirimi nevroni, ki predstavljajo ocene: uspešno, neuspešno, odstopljenje in odliko, s pomočjo softmax aktivacije in gubicne funkcije z vrstnim kodiranjem (sparse categorical cross-entropy). Ta model, izdelan v Pythonu z uporabo Keras in Sklearn, doseže visoko natančnost (~91, 29 %) in nizko izgubo (~0, 18), kar presega rezultate prejšnjih študij na isti zbirki podatkov. 3. **Uporaba pametnih pogodb:** Pametne pogodbe, razpete z uporabo Solidity na Ethereum, omogočajo varno sodelovanje med vozlišči: profesori naložijo naloge v IPFS in pošljejo hashe datotek prek pametnih pogodb učencem; učenci oddajo naloge prek pametnih pogodb; univerze izdajo certifikate, ki jih nespremenljivo shranijo na blockchain; delodajalci (guesti) pa dostopajo do certifikatov in podatkov o uspešnosti učencev po odobritvi univerze. Ti postopki zagotavljajo preglednost, varnost in avtomatizacijo. Implementacija je vključevala: - **Blockchain arhitekturo:** Razvita z uporabo Pythona, Flask in Postman za rudarjenje blokov, preverjanje verige in dodajanje transakcij. Vozlišča so decentralizirana in se registrirajo prek MyEtherWallet (MEW), ki omogoča upravljanje denarnic z ključi in naslovi. - **Integracijo blockchaina in globokega učenja:** IPFS shrani šifrirane podatke z njihovimi hashi, ki so zaščiteni na Ethereum blockchainu prek pametnih pogodb. Model globokega učenja napove uspešnost učencev na podlagi varnih podatkov. Pametne pogodbe upravljajo transakcije, vključno z razporejanjem nalog, oddajo in izdajo certifikatov ter dostopom do podatkov. Preizkusi potrdijo funkcije, kot so registracija vozlišč, dostop do denarnic, shranjevanje in preverjanje hashov, izdaja in pridobivanje certifikatov, interakcije z nalogami, veljavnost transakcij in integriteta datotek na blockchainu. Rezultati testov potrjujejo nepremičnost in odpornost shranjenih podatkov ter nemoteno delovanje prek pametnih pogodb. Predlagani okvir dokazuje, da je integracija blockchaina z globokim učenjem sposoben ustvariti varen, pregleden in avtomatiziran sistem e-učenja z visoko natančnostjo napovedi in robustnim upravljanjem podatkov, presežajoč rezultate prejšnjih študij po učinkovitosti. Ta pristop rešuje izzive varnosti podatkov, preverjanja učencev in avtomatiziranega upravljanja akademskih postopkov ter postavlja temelje za prihodnje pametne platforme za e-učenje.