E-učenje je doživelo značajnu transformaciju, posebno istaknutu tokom kriza kao što je pandemija Kovida-19, kada je postalo neophodno globalno. UNESCO je odobrio razne postojeće platforme za e-učenje kao brza rešenja, ali one nisu preporučivane kao dugoročna rešenja zbog brojnih izazova koji utiču na procese učenja. Nedavne studije su se bavile ovim izazovima koristeći veštačku inteligenciju (AI), duboko učenje i blockchain tehnologije. AI i duboko učenje fokusirani su na unapređenje procene učinka polaznika, dok blockchain i pametni ugovori pomažu u borbi protiv problema kao što su falsifikovani sertifikati, manipulacije rezultatima i praćenje aktivnosti polaznika. Iako obe tehnologije pokazuju velik potencijal, malo istraživanja istražuje njihovu integraciju u okviru e-učenja, što je motivisalo ovu studiju da predloži pametni okvir koji kombinuje blockchain i duboko učenje radi zaštite i unapređenja sistema e-učenja, obezbeđujući sigurnost podataka, transparentnost i automatizaciju. Ovaj okvir sigurno čuva podatke o polaznicima na blockchain-u koristeći Interplanetarni Filesistem (IPFS) za decentralizovano skladištenje velikih fajlova, osiguravajući integritet i poverljivost podataka putem Ethereum privatnih wallet-ova. Modeli dubokog učenja zatim analiziraju ove sigurnosne podatke radi precizne procene akademskog uspeha. Pametni ugovori olakšavaju izdavanje sertifikata od strane univerziteta, trajno ih zapisivanjem na blockchain i omogućavajući pristup čvorovima mreže, čime se povećava automatizacija, sigurnost i poverenje između polaznika, profesora i poslodavaca. Blockchain pruža nemutabilno, vremenski označeno, sigurno i transparentno čuvanje podataka u distribuiranoj peer-to-peer mreži bez centralne vlasti. Ethereum, drugi po tržišnoj kapitalizaciji nakon Bitkoina, podržava programabilne pametne ugovore putem Ethereum Virmualne Mašine (EVM) koristeći Solidity, omogućavajući uslovne i automatizovane transakcije mnogo naprednije od Bitcoin-ovih mogućnosti. Pametni ugovori automatski izvršavaju odredbe ugovora kada se ispune prethodno definisani uslovi, trajno ih zapisivši na blockchain. S obzirom da blockchain nije pogodan za velike fajlove, koristi se rešenje skladištenja van blockchain-a, kao što su IPFS, Storj i FileCoin. IPFS je naročito važan za enkriptovanje i distribuiranje velikih fajlova peer-to-peer, stvarajući sadržajno adresirane heševe koji potvrđuju integritet i pristup podacima, iako ostaje izazov kontrola pristupa. IPFS ovde igra ključnu ulogu u sigurnom čuvanju obimnih podataka učenika, uz povezivanje sa transakcijama na blockchain-u putem heševa. Duboko učenje, posebno veštačke neuronske mreže (ANN) inspirisane biološkim mozgom, sastoji se od više slojeva – ulaznog, skrivenih i izlaznih – koji uče putem napredne propagacije, računanja greške i backpropagation-a kroz više epoha. Duboke neuronske mreže (DNN) sa više skrivenih slojeva povećavaju tačnost predviđanja. U ovoj studiji korišćeni su ovi modeli za obradu podataka o polaznicima čuvanih putem blockchain-a i IPFS-a, omogućavajući precizne prognoze uspeha. Neke prethodne studije su koristile duboko učenje za obrazovne rezultate, uključujući predvidjanje stope odustajanja učenika u Mooc kursevima koristeći rekurentne i konvolucione neuronske mreže, uz poboljšanu tačnost u odnosu na tradicionalne metode.

Drugi su koristili dvosmerne long-short-term-memory mreže za predviđanje odustajanja, dok su modeli dubokog učenja uspešno predviđali akademski uspeh učenika na malim, neuravnoteženim skupovima podataka sa visokim stepenom tačnosti. Predloženi okvir funkcioniše u tri faze: 1. **Čuvanje podataka o polaznicima na blockchain-u:** Podaci sa seta “Open University Learning Analytics” (32. 593 zapisa o demografiji i virtuelnim interakcijama) su enkriptovani i sačuvani na IPFS-u, koji generiše kriptografski heš. Taj heš se čuva na privatnom Ethereum blockchain-u putem pametnih ugovora, omogućavajući decentralizovan i nemutabilan pristup. Čvorovi — uključujući administratore univerziteta, profesore, polaznike i goste (poslodavce) — se registruju na blockchain mreži koristeći novčanike sa privatnim i javnim ključevima. 2. **Predviđanje učinka putem dubokog učenja:** Enkriptovani podaci o polaznicima preuzeti putem IPFS-a prolaze kroz proces pripreme, uključujući selekciju osobina, zamenu nedostajućih vrednosti pomoću mode i konstanti, kodiranje kategorijskih podataka, normalizaciju pomoću MinMaxScaler-a i reduciranje dimenzija pomoću Principal Component Analysis (PCA). Podaci se dele na 90% za obuku i 10% za testiranje i unose u duboku neuronsku mrežu sa ulaznim slojem od 10 neurona, pet skrivenih slojeva od po 500 neurona sa ReLU aktivacijom, te slojem za izlaz od 4 neurona sa softmax aktivacijom i sparsom kategorijskom funkcijom gubitka. Ovaj model, implementiran u Python-u sa Keras-om i Sklearn-om, postiže visoku tačnost (~91. 29%) i nisku grešku (~0. 18), nadmašivši ranija istraživanja na istom skupu podataka. 3. **Korišćenje pametnih ugovora:** Pametni ugovori na Ethereum-u, napisani u Solidity-ju, omogućavaju sigurne interakcije između čvorova: profesori postavljaju zadatke na IPFS, šaljući heševe datoteka putem pametnih ugovora učenicima; učenici šalju zadatke putem pametnih ugovora; univerziteti izdaju sertifikate koji se trajno čuvaju na blockchain-u; a poslodavci (gosti) mogu pristupiti sertifikatima i podacima o radu učenika uz odobrenje univerziteta. Ovi procesi osiguravaju transparentnost, sigurnost i automatizaciju. Implementacija je uključivala: - **Arhitekturu blockchain-a:** Razvijenu pomoću Pythona, Flask-a i Postmana za rudarenje blokova, validaciju lanca i dodavanje transakcija. Čvorovi su decentralizovani i registrovani putem MyEtherWallet (MEW), koji omogućava upravljanje novčanicima sa ključevima i adresama. - **Integraciju blockchain-a i dubokog učenja:** IPFS skladišti enkriptovane skupove podataka sa njihovim heševima, obezbeđujući sigurnu vezu na Ethereum blockchain-u putem pametnih ugovora. Model dubokog učenja predviđa performanse učenika na osnovu sigurnih podataka, a pametni ugovori upravljaju transakcijama, uključujući distribuciju zadataka, predaju, izdavanje sertifikata i pristup podacima. Testiranje je potvrđivalo funkcionalnosti kao što su registracija čvorova i pristup novčanicima, skladištenje i verifikacija heševa, izdavanje i preuzimanje sertifikata, interakcije oko zadataka, validnost transakcija i integritet fajlova na blockchain-u. Rezultati pokazuju da su podaci zapisani na blockchain-u nemutabilni i otporni na manipulacije, dok pametni ugovori omogućavaju nesmetanu interakciju. Ovaj predloženi okvir demonstrira da integracija blockchain-a sa dubokim učenjem može stvoriti sigurni, transparentni i automatizovani sistem e-učenja sa visokom tačnošću predviđanja i robusnim upravljanjem podacima, prevazilazeći prethodne studije u efikasnosti. Ovaj pristup rešava izazove zaštite podataka, verifikacije polaznika i automatizacije akademskih procesa, stvarajući temelje za buduće pametne platforme za e-učenje.